零相位滤波器，输入为原始波形数据

用卷积滤波器matlab代码

用卷积滤波器matlab代码deephyp：针对高光谱的深度学习 用于训练和使用高光谱数据的无监督自动编码器和有监督深度学习分类器的工具。 可用文档。 源代码可在上找到。 自动编码器是无监督的神经网络，可用于一系列应用，例如无监督的特征学习和降维。 可以在带标签的数据上训练有监督的深度学习分类器，以预测光谱的类别。 该存储库提供了一个名为deephyp的基于python的工具箱，其中包含针对高光谱数据而构建，训练和测试密集和卷积自动编码器以及分类神经网络的示例。 网络易于设置，并且可以使用不同的体系结构进行自定义。 也可以采用不同的培训方法。 该工具箱基于tensorflow构建。 如果您在研究中使用工具箱，请引用：本文介绍了用于训练自动编码器的光谱角（SA），光谱信息散度（SID）和平方和误差（SSE）损失函数。 如果您在研究中使用余弦谱角（CSA）损失函数，请引用： 如果您在研究中使用分类网络，请引用： 安装 可以使用pip从命令行安装工具箱的： pip install deephyp 可以使用以下方法安装依赖项： pip install -r requirements.txt 导

串联有源滤波器可在出现骤降/骤升和谐波的情况下调节负载两端的电压

实现了 Fejzo 和 Lev-Ari (1997) 提出的阶递归自适应拉盖尔滤波器。 好处： *与模拟长脉冲响应的 FIR 滤波器相比，要建模的参数更少 *保证的稳定性，唯一的全局最小值，少量参数，可避免规定的建模误差 *数值鲁棒性和低计算复杂度（ O(M) ）。 *快速收敛（RLS 等效），无需先验学习率 *顺序递归，因此滤波器系数彼此不相关，允许模块化实现。 将极点参数设置为0会产生标准的经典梯度自适应FIR算法。 包括有关抗串扰回声消除的简单示例，以展示如何使用它。

包括了圆形、方形和不规则形状滤波器，代码基本每一行都有注释，通过test文件在命令行中调用三个函数来调用不同形状的滤波器，心形滤波器函数在使用前需要在函数里面改心形图片的文件路径！！！

巴特沃斯带通滤波器的matlab代码心电图过滤器 心电图滤波器的Octave / Matlab实现，该滤波器专门用于过滤给定的心电图数据，其中包含60 Hz电力线噪声以及一些其他未指定的噪声。 编写此代码是为了完成万隆技术学院的生物医学信号处理（EB3102）任务。 在印度尼西亚语中也有一份报告，详细介绍了我解决此问题的方法，以及用于生成报告的LaTeX代码。 该代码使用一些内置的Octave函数，一些信号包中的Z域分析函数以及一些用于以下方面的自写函数： 以一定频率设计陷波滤波器 设计一定频率倍数的梳状滤波器 设计一个n阶低通巴特沃斯滤波器 设计一个n阶高通巴特沃斯滤波器 设计一个n阶带通巴特沃斯滤波器

本程序是用matlab实现的FIR低通滤波器，通过加载一段音频文件，进行滤波处理，最后又回放滤波器后的音频文件…… 可以通过听觉上区分滤波前后的差别，更好的方式当然是通过观察滤波前后的频谱来进行验证……

用matlab详细编写了一个Kalman滤波的程序，经过了调试可以有效消除外界扰动，是加速度、倾角信号更加平稳。

用卷积滤波器matlab代码深眼运动（EM）分类器：一维CNN-BLSTM模型 这是“ 1D CNN和BLSTM对注视，扫视和平滑追踪的自动分类”一文中对眼睛运动分类的深度学习方法的实现。 如果您使用此代码，请引用为 @Article{startsev2018cnn, author="Startsev, Mikhail and Agtzidis, Ioannis and Dorr, Michael", title="1D CNN with BLSTM for automated classification of fixations, saccades, and smooth pursuits", journal="Behavior Research Methods", year="2018", month="Nov", day="08", issn="1554-3528", doi="10.3758/s13428-018-1144-2", url="https://doi.org/10.3758/s13428-018-1144-2" } 全文可通过随意访问。 作者： Mikhail