LombScargle.jl 文献资料 建立状态 代码覆盖率 介绍 LombScargle.jl是一个软件包，用于使用对周期信号的进行快速多线程估计。 提供工具以执行信号频谱分析的另一个Julia软件包是 ，但其方法要求信号在等间隔的时间进行采样。 相反，Lomb–Scargle周期图还使您能够分析采样数据不均匀的情况，这在天文学中是相当普遍的情况，在该领域中，此周期图被广泛使用。 以下文件报告了此软件包中使用的算法： Press，WH，Rybicki，GB 1989，ApJ，338，277（URL： ://dx.doi.org/10.1086/167197，Bibcode： :

用于快速小波变换（通过滤波或提升的1-D，2-D，3-D）的软件包。 该软件包包括离散小波变换，逐列离散小波变换和小波包变换。 第一代小波使用滤波器组（周期性和正交）。 包括以下类型的过滤器：Haar，Daubechies，Coiflet，Symmlet，Battle-Lemarie，Beylkin，Vaidyanathan。 通过提升的第二代子波（周期性和普通类型，包括正交和双正交）。 目前，仅针对Haar和Daubechies（正在开发中）的升降方案。 用户可以轻松构建新的提升方案。 提升变换的当前实现比滤波器变换快2倍。 阈值，最佳基础和降噪功能，例如TI通过循环旋转进行降噪，WP

统计信号处理基础第二卷：检测理论。作者：Steven M. Kay

《机械系统与信号处理》是一本跨学科的机械、航空和土木工程杂志，其宗旨是报道由于动态系统的传感、仪器、信号处理、建模和控制等新技术而取得的最高质量的科学进步。

python-pesq 适用于Python用户的PESQ（语音质量的感知评估）包装 这段代码是专门为numpy数组设计的。 要求 C compiler numpy cython 编译安装 $ git clone https://github.com/ludlows/python-pesq.git $ cd python-pesq $ pip install . # for python 2 $ pip3 install . # for python 3 $ cd .. $ rm -rf python-pesq # remove the code folder since it exists in the python package folder 用pip安装 # PyPi Repository $ pip install pesq # The Latest Version $ pi

信号处理 第二版 英文原版 Nasser Kehtarnavaz

上海交大用得教材，原版是英文版的，这个是对应的中文版，第三章到第九章，我也就能找到这些咯，希望对大家有帮助~~

Udo Zolzer Technical University of Hamburg-Harburg,Germany

The fourth edition of Advanced Digital Signal Processing and Noise Reduction updates and extends the chapters in the previous edition and includes two new chapters on MIMO systems, Correlation and Eigen analysis and independent component analysis. The wide range of topics covered in this book include Wiener filters, echo cancellation, channel equalisation, spectral estimation, detection and removal of impulsive and transient noise, interpolation of missing data segments, speech enhancement and noise/interference in mobile communication environments. This book provides a coherent and structured presentation of the theory and applications of statistical signal processing and noise reduction methods. Two new chapters on MIMO systems, correlation and Eigen analysis and independent component analysis Comprehensive coverage of advanced digital signal processing and noise reduction methods for communication and information processing systems Examples and applications in signal and information extraction from noisy data Comprehensive but accessible coverage of signal processing theory including probability models, Bayesian inference, hidden Markov models, adaptive filters and Linear prediction models

Digital Signal Processing with Field Programmable Gate Arrays.3rd Ed.Springer 2007.pdf