ArcGIS Engine 10 开发中文帮助
不可得的学习资料，详细介绍AE开发技术……esrChinaBEIJING内部文档,请勿外传刷定及修订记录版本完成日期编写/修订纪要编写者备注文档目录结林雪淋构刘宇完善控件介绍和空间数刘宇据库的介绍完善柵格数刘宇据介绍完善符号化刘宇介绍完善网络分刘宇析功能完善参考系刘宇的介绍完善儿何对刘宇象的介绍esrChinaBEIJING内部文档,请勿外传目录介绍和开发相关的知识三.使用控件创建第一个桌面应用程序四.空间数据库五.几何对象和空间参考六.矢量数据空间分析七.符号化八.栅格数据分析九.编辑十.地图输出十实战十二安装部署esrChinaBEIJING内部文档,请勿外传介绍软件架构ArcPadArcGIs标准测览器MobileEngineArcGISExplorerArclnfoPArcEditorOnline GisNetworkArcviewArcReaderArCGIS ServerArcImsArcsDE文件DBMS是在全面整合了与数据库、软件程、人Ⅰ智能、网络技术及其它多方面的计算机主流技术之后,成功地推出了代表最高技术水平的全系列产品是一个全面的,可伸缩的平台,为用户杓建一个完善的系统提供完整的解决方案的基本体系能够让用户在任何需要的地方部署功能和业务逻辑,无论是在桌面、服务器、还是在野外:桌面(桌面软件产品是用来编辑、设计、共享、管理和发布地理信息和概念。桌面可伸缩的产品结构,从,向上扩展到和。目前被公认为是功能最强大的产品。通过一系饥的可选的软件扩展模块,产品的能力还可以进一步得到扩展嵌入式(是一个完整的嵌入式组件库和工具包,开发者能用它创建一个新的、或扩展原有的可定制的桌面应用程序。使用开发者能将功能嵌入到已有的应用程序中,如基于工业标准的产品以及一些商业应用,也可以创建自定义的应用程序,为组织机构中esrChinaBEIJING内部文档,请勿外传的众多用户提供功能。服务器(和用丁创建和管理基丁服务的应用程序在大型机构和互联网上众多用户之间共享地理信息是一个中心应用服务器,它包含一个可共享的软件对象库,能在企业和计算框架中建立服务器端的应用。是通过开放的协议发布地图、数据和元数据的可伸缩的网络地图服务器。是在各种关系型数据库管理系统中管理地理信息的高级空门数据服务器。栘动(支持的无线移动设备,越来越多地应用在野外数据采集和信息访问中。桌面和可以运行在使携式电脑或平板电脑上,用户可以在野外进行数据采集、分析和乃至制定决策。介绍是一组完备的并且打包的嵌入式组件库和工具斥,开发人员可用来创建新的或扩展已有的桌面应用程序。使用开发人员可以将功能嵌入刭已有的应用软件中,如自定义行业专用产品:或嵌入到业生产应用软件中,如和;还可以创建集中式自定义应用软件,并将其发送给机构内的多个用户由两个产品组成:构建软件所用的开发工具包以及使已完成的应用程序能够运行的可再发布的(运行时环境)。开发工具包是一个基于组件的软件开发产品,可用于构建自定义和制图应用软件。它并不是一个终端用户产品,而是软件开发人员的工具包,适于为或用户构建基础制图和综合动态应用软件是一个使终端用户软件能够运行的核心组件产品,并且将被安装在每一台运行应用程序的计算机上◆ Arcgis engine是基于COM技术的可嵌入的组件库和工具包, ArcGis engine可以帮助我们很轻松的构建自定义应用程序esrChinaBEIJING内部文档,请勿外传令使用 ArcGIS Engine,开发人员可以将(iS功能嵌入到已有的应用软件中,如自定义行业专用产品;或嵌入到业生产应用软仵中,如 Mirosoftf Word和 Excel;还可以创建集中式自定义应用软件,并将其发送给机构内的多个用户ArcGis Engine由两个产品组成:◇面向开发人员的软件开发包(ArcG| S Engine developer kit面向最终用户的运行时( ArcGIs Engine Runtime开发工具包是一个基于组件的软件开发产品,可用于构建自定义和制图应用软件。它并不是一个终端用户产品,而是软件开发人员的工具包,支持四种开发环境(十十,以及),适于为用户构建基础饲图和综合动态应用软件。是一个使终端用户软件能够运行的核心组件产品,并且将被安装在每一台运行应用程序的计算机上reGIS Engine的逻辑体系结构包含了 ArcGIS Engine中最核心的 ArcObjects组件,几乎所有的GS组件需要调用它们,如 Geometry| Extensions和 Display等DeveloperComponents包含了访问矢量或栅格数据的 GeoDatabase所有的接口和类组件。MapPresentationData包含了GiS应用程序用于数据显示、数据符号化、要素标注和专题图制作等需要的接凵和类组件AccessBaseServices包含了进行快速开发所需要的全部可视化控件,如和控件等,除了这些,该库还包括大量可以有调用的内置它们可以极大地简化二次开发工作。在图中我们可看出的开发体系是一条纵线,功能丰富,层次清晰。最上层的esrChinaBEIJING内部文档,请勿外传包含了许多高级开发功能,如、空间分析、维分析、网络分析、逻缉示意图以及数据与操作等。标准版并不包含这些许可,他们只能作为扩展存在,需要特定的才能运行。扩展模块3D三维分析Spatial空间分析Network网络分析Maplex智能标注Data Interoperability数据互操作Schematics逻辑示意图Tracking跟踪分析Geostatistical地理统计分析注意:运行时有多种版木级别,从标准版木一直到全业版木。标准的运行时提供所有应用程序的核心功能。这个级别的运行时可以操作几种不同的栅格和矢量格式、进行地图表达和创建以及通过执行各种空间或属性查询查找要素。这个级别的运行时还可以进行基本数据创建、编辑和简单的个人地理数据库(及分析但是如果遇到企业级数据库数据库的编辑以及复杂数捱模型的创建网络拓扑就需要运行时的标准许可相当于桌面级别的功能而许可相当于桌面级别的功能esrChinaBEIJING内部文档,请勿外传中的类库开发中,为了更好的管理这些对象,将这些对象放在不同的组件库中,而他们被物理的防盜目录下的中,而逻辑上被分散到不同的命名空间中下面我们详细对一些类库进行介绍库是新出来的一个类库,该类库包含了将独立应用程厅绑定到特定的系列产品的函数和方法该类库是在运行的应用程序的时侯库是架构中最底层的库。该库包含了暴露组成的其它库所使用的服务的组件。库中定义了许多接口,它们可以由开发者来实现。对象在中定义;所有开发者必须使用该对象在使用功能的应用程序中初始化和开发者不扩展该库,但可以通过实现其中的接口来扩展系统。库中包含了可在屮扩展的用户界面组件的接口定义,包括和接口。开发者使用这些接口来扩展组件。该库所包含的对象是对象,开发者可用于简化某些用户界面的开发。开发者不扩展该库,但可以通过实现其中的接口来扩展系统。库处理存储在特征类其它图形要素中的特征的或大多数用户交互的基本几何对象有。除了这些顶层的实体,还有作为和构建模块的几何体这些是组成几何体的基元它们是由形成一条的依次相连的组成包含两个不同的点,起点和终点,和一个定义从起点到终点的曲线的要素类型。这种有和所有的几何对象都可以有与它们顶点相关的、和esrChinaBEIJING内部文档,请勿外传基本的几何对象都支持几何操作,如和开发者不可以扩展几何基元。中的实体是指现实世界中的特征:这些现实世界中的特征的位置由具有空间参考的几何体來定义。投影和地理坐标系统的空间参考对象都包含在库中。开发者可以通过在空间参考间添加新的空间参考和投影来扩展空间参考系统库包含了用于数据显示的对象。除了负责实际图像输出的主要显示对象,该库屮还包含了表示颜色和符号的对象,这些颜色和符号用于控制显示上所绘制实体的属性。库中也包含了为用户在与显示交互时提供可视化反馈的对象。开发者大都通过类似于或对象提供的视图与显示交互。该库的所有部分都可以被扩展,常被扩展的有符号、颜色和显示反馈库被用于创建图形输出到设备,如打印杋、绘图仪和硬拷仄格式,如增强型图元文件和栅格影像格式、等。开发者使用该库和系统其它部分中的对象来创建图形输岀。通常这些是和厍中的对象。开发者可以扩展库用于定制的设备和输出格式。库提供了用于的编程是一个构建在标准工业关系和对象数据库技术基础上的地理数据储存库。库中的对象为攴持的所有数据源提供了统一的编稈模型。库定义了许多由架构中较高层次数据源提供者实现的接口。开发者可以扩展来支持特殊的数据对象等类型。此外,还可以使用对象添加自定义的矢量数据源。支持的数据类型不可以被扩展库包含用于基于文件数据源的的实现。这些基于文件的数据源包括N和开发者不能扩展库包含了用于数据库数据源的的实现。这些数据源包括软件支持的开发者不能扩展库
- 2021-05-06下载
- 积分：1
基于LMS 算法的多麦克风降噪
武汉理工大学 信息处理课设 基于LMS 算法的多麦克风降噪 给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。2007控制科学与工程全国博士生学术论坛2007年8月其中日为语音信号与麦克风阵列所在平面的夹角,d为麦克风间距,c为声音传播速度,f为信号采样率。固定波束形成器通过延时求和单元产生参考语音信号y(n),y(n)与y(m)分别代表期望语音信号与噪声信号。y,(n)4x(m)=y(m)+y/(m(3)信号通过阻塞矩阵产生噪声参考信号用来估计波束形成输出信号中的噪声成分。选取B使其中任意行向量之和为零,即任意行向量线性无关。为了进一步降低噪声参考信号中的语音泄漏,参考文献“提出了用自适应阻塞矩阵替代固定阻塞矩阵的方法。ynly2nMM-[nJ]=BLun], u2n],umn自适应噪声抵消器ANC通过对输入噪声参考信号进行自适应滤波处理抵消了参考信号y,(m)中的噪声成分,得到增强的语音信号。em]=y[m-∑nnl3LMS自适应算法及改进31LMS自适应算法GSC架构中的自适应噪声抵消器ANC需要用增强的语音信号作为反馈对滤波器权值进行自适应更新。很多自适应算法基于LMS及其改进形式, Clark提出的块LMS算法使得滤波器的自适应逐块更新而非传统LMS滤波器逐点更新4, HOSHUYAMA、 Kellermann分别提出的基于范数约束自适应算法的权值更新,以及频域无约束实现。这些算法基本结构如图2所示y(n-1)(n-L+1)wo(ne(ny/(n)图2自适应横向滤波器结构图图2为图1中的M-1路L阶多通道自适应噪声对消器中某一路的展开形式,其抽头输入向量为[ym]yn-]yn-L+1],对应的抽头权向量为wmwn]w-]。LMS算法的梯度向量通过G2007控制科学与工程全国博士生学术论坛2007年8月计算抽头输入相关矩阵R和抽头输入与期望响应间互相关向量p得到VJ(n)=-2p+2Rv(m),将R和p的瞬态估计R(n)=y(m)y"(n),p(n)=y(n)y/(m)代入,得出梯度向量的瞬态估计:VJ(n)=-2y(n)y, (n+2y(n)y"(n)w(n)进而推出LMS算法权值更新公式为w(n+1)=w(n)+uy(n)Ly(n)-y"(n)w(n)32基于稳态噪声的自适应算法改进考查图2中具有L个抽头权值的LMS算法,抽头权值与抽头输入一一对应。在传统的逐点更新LMS算法中,每计算一个输出需要L次乘法,而更新一次抽头权值也需要L次乘法,故每次迭代需要2L次乘法。对于L个输出样值,所需要的乘法次数为2次。针对传统LMS算法复杂度高的缺点,Ca利用离散傅立叶变换在频域完成滤波器系数的自适应提出了快速块LMS箅法, Ann Spriet在此基础上通过改进LMS算法中的步长矩阵进一步降低了算法复杂度以上LMS算法改进均在图2的横向滤波器架构下进行,即抽头权值与抽头输入一一对应。考虑到稳态噪声的特点,本文提出了“一对多”的滤波器抽头权值更新算法,即L个输入样值共享一个滤波器权值。如此M路多麦克风语音增强系统中的ANC滤波器权值便由(M-1)×L维矩阵W[n=[w[η],n2[rl…wM-[r],其中H[n]=[won],w1[nw-r]退化为(M-1)×1维向量n]=[wryw2n],M-m]j。改进算法权值更新公式为w(n+D)=w(n)+uBu(nu"(n)[A-Bw(n)其中B为阻塞矩阵,A为固定波束形成器,为步长,U(n)为LxM维输入信号。与传统的“一对一”LMS滤波器相比,“一对多”结构在降低算法复杂度的同时,牺牲了前者具有的时间域严格对齐的特性。为降低这一缺点对系统降噪性能的影响,应在频域进行噪声对消,改进算法的多麦克风语音增强系统结构如图3所示。e(n)(n)B Yn图3改进的噪声消除算法结构图3中用虚线框表示可选滤波器权值w。由于实际应用中语音泄漏的存在,在参考语音信号中加入v能有效补偿由语音泄漏引起的语音崎变⑩。实际应用中由于阻塞矩阵输出不可避免的存在语音泄4642007控制科学与工程全国博士生学术论坛2007年8月漏,为了避免期望信号的消除,箅法中加入语音活动检测单元89,当前帧为噪声时更新滤波器系数,当前帧为语音信号时,滤波器系数不变33算法复杂度比较表1列出了本文算法与其他几种噪声消除算法之间算法复杂度的比较。我们采用实数乘法运算次数作为衡量算法复杂度的标准,每个N点傅立叶变换或其反变换需要Mlog2N次实数乘法运算。传统逐点LMS算法在时间域逐点更新滤波器权值。快速块LMS算法与多通道 Wiener算法通过FFT快速循环卷积特性实现LMS中的线性卷积运算,从而降低算法复杂度。本文算法在此基础上通过改进滤波器抽头权值更新算法进一步降低运算复杂度。由表1可见,当麦克风数目M4,L=32时,本文算法与多通道 Wiener滤波算法相比,R(3M+2)FT+8ML+2M63M+2)+4M2+6M_172(M+2)FFT+2ML6(M+2)+M40°文算法运算量降低了4倍左右。表1算法复杂度比较算法名称算法复杂度传统逐点LMS算法2ML快速块LMS算法(41(3M+2)FFT+16ML多通道 Wiener滤波算法53M+2)FFT+8M2+12M本文提出的算法(M+2)FF+2M…图4a)麦克风采集到的原始信号b)采用快速块LMS算法处理后的信号[4]c)采用多通道 Wiener滤波算法[10处理后的信号d采用本文算法处理后的信号4实验结果与分析实验采用线性排列的4个间距为4厘米的麦克风组成的语音采集系统,采样率为44KHZ,说话人位于阵列的正前方,噪声为稳态噪声,其与麦克风阵列法线所夹角度为50度。图4比较了麦克风采集到的信号、采用本文算法处理后的语音信号以及采用其他主流语音增强算法处理后的语音信号的时域波形。由4652007控制科学与工程全国博士生学术论坛2007年8月图4可见采用本文算法处理的语音信号背景噪声有明显降低。为进一步分析各种语音增强算法消噪能力,分别按照公式9计算各算法输出信号的信噪比,其中k代表帧序列号,N代表噪声,Y代表输出语音信号,L为帧长。∑(Y(k,2)2-|N(k,)SNRou(E)=10 log,o∑1MV6)图5釆用各箅法输出信号信噪比与输入信号信噪比之差来衡量噪声降低程度。由图5看出,在本文算法基础上在参考通道中加入可选滤波器权值能够进一步消除背景噪声,提高输出信噪比。苯文鲜法(使用权值w)木文好法未使用权值y块LMS算法Frame Number图5信噪比增强对比5结论本文在稳态噪声的前提下,提出了一种基于广义旁瓣消除器架构具有低算法复杂度的噪声消除算法,该算法通过改进LMS滤波器权值更新算法来达到降低算法复杂度的目的。实验结果证明,在稳态噪声环境下,该方法降噪性能优于传统LMS算法,同时有效降低了传统算法的算法复杂度。在现实生活中一些存在稳态噪声的场合,如发动机舱、厂房等该算法具有很强的实用价值。参考文献[U]LJ. Griffiths and C. W. Jim []. "An altemative approach to linearly constrained adaptive beamforming, IEEE Trans. AntennasProcess., voL. AP-30, no. I, pp 27-34, Jan. 1982.[2]0. Hoshuyama, A Sugiyama, and A Hirano [J]. "A robust adaptive beamformer for microphone arrays with a blocking matrixusing constrained adaptive filters, "IEEE Trans. Signal Process. vol 47, pp. 2677-2683, Oct. 1999[3]W. Herbordt and W Kellermann [J]. " Frequency-domain integration of acoustic echo cancellation and a generalized sidelobecanceller with improved robustness, "Eur. Trans. Telecommun., voL. 13, no 2, pp 123-132, Mar. -Apr. 2002.[4]Clark. G.A., S K Mitra, and S.R. Parker [J]. Block implementation of adaptive digital filters, "IEEE Trans. Circuits Syst,voL. CAS-28,PP584-592.1981.[5]Ann Spriet, Jan Wouters, Simon Doclo, Marc Moonen, "Frequency-Domain Criterion for the Speech Distortion WeightedMultichannel Wiener Filter for Robust Noise Reduction", Ap: //ftp. esat kuleuven. ac, be/pub/SISTA/doclo/reports/04-240 pdf[6JH. Buchner, J. Benesty, W. Kellermann J]. Generalized multichannel frequencydomain adaptive filtering: efficient realizationand application to hands free speech communication", Signal Processing 85(3), PP 549-570. 2005[7]W.Herbordt and W. Kellermann [A]. " Efficient Frequency-domain realization of robust generalized sidelobe cancellers", IEEE4662007控制科学与工程全国博士生学术论坛2007年8月Fourth workshop, multimedia signal Processing, PP. 377-382 2001[8]S. Van Gerven, F. Xie [J. "A Comparative Study of Speech Detection Methods", Proc. EUROSPEECH, VoL 3, Rhodos, Greecepp.1095-1098.1997[9]J Sohn, N.S.Kim, W Sung [] A Statistical Model-Based Voice Activity Detection", IEEE Signal Processing Lett. 6(1)1-31999[10]A Spriet, M. Moonen, J Wouters[]. Robustness Analysis of Multi-channel wiener Filtering and generalized sidelobeCancellation for Multi-microphone Noise Reduction in Hearing Aid Applications", IEEE Trans. Speech and Audio Processing, 13(4)PP.487-503.2005[IlJFerrara, E R r [] Fast implementation of LMS adaptive filters", IEEE Trans. Acoust. Speech Signal Process,voL.ASSP-28pp474-475.1980[12]S. Doclo and M. Moonen[J]. " Multi-microphone noise reduction using recursive GSVD-based optimal filtering with ANCpostprocessing stage, "IEEE Trans. Speech Audio Process., vol. 13, no. 1,Pp 53-69, Jan. 2005[13]Philipos C Loizou [J]. "Speech Enhancement Based on Perceptually Motivated Bayesian Estimators of the MagnitudeSpectrum" IEEE TRANSACTIONS ON SPEECH AND AUDIO PROCESSING, VOL 13, NO 5, Pp.857-869, 2005种新的基于稳态噪声的噪声消除算法旧WANFANG DATA文献链接作者:董鹏宇,朱子元,林涛作者单位:同济大学超大规模集成电路研究所,上海20009本文链接http://d.g.wanfangdata.comcn/confereNce6584700.aspx
- 2020-11-28下载
- 积分：1
|
联系客服（QQ：3324461878）
