Python RF频谱分析仪 从某些来源获取数字化的IQ样本，以提供实时频谱和频谱图。 所有样本都用于FFT。 提供短突发信号的检测。 具有用于信号源和频谱分析的插件架构。 可以快照IQ样本以在事件（当前为手动触发）时归档。 具有基于Web的UI，可用于在频谱上进行测量。 这是编写一些Python的练习，该Python扩展为提供基于Web的UI。 fft计算是由Python中的库完成的，因此不是最快的。 如果您有使用其他工具的rtlsdr，则在您的环境中安装了python rtlsdr支持后，此分析器也应能正常工作。 性能取决于您的计算机以及支持的fft库的编译方式。 我当然跟上了超过3Msps的数据流。 所有输入源均由python模块提供，具有不同的SDR平台，并由Pypi收集的相应Python库支持。 输入模块： 音频-对测试有用 文件-支持WAV和原始二进制文件，

为提髙复杂噪声环境下语音信号端点检测的准确率，提岀一种基于梅尔频谱倒谱系数（MFCC）距离的多维特征语音信号端点检测算法。通过计算语音信号的MrcC距离，结合短时能量和短时过零率对特征距离进行修正，并更新其阈值，建立自适应噪声模型，实现复杂噪声中语音信号端点的准确检测。实验结果表明，与基于双限能量和基于倒谱距离的2种经典检测算法相比，在计算效率相同的条件下，该算法的检测准确率更高。

matlab_基于LFM和Barker码复合调制的雷达波形，理论上分析了该低截获雷达波形的组成。通过仿真得到复合调制信号的时域波形、频谱图和模糊函数图，与LFM信号和Barker码信号对比分析对复合调制雷达信号的距离和多普勒模糊函数、截获因子等进行了研究

夕阳总会照在你身上，你总会快乐一场；

GPS信号频谱，通过CA码和P码调制载波，最后画出频谱，效果良好，直接可用。

DFT的matlab源代码vu_meter 这是一个简单的基于FPGA的FFT音频信号分析仪。 该项目使用Intel-Altera Quartus Prime 16.1进行，并在Terasic的DE2-115板上实现。 我使用了由Carnegie Mellon University（）的Spiral Project生成的IP内核。 该项目主要以VHDL编写，只有少数例外（用于ILI9341 TFT显示屏的SystemVerilog，用于I2S音频芯片的Verilog）。 它有什么作用？ 使用板载I2S芯片以48 kHz（实际上为50 kHz）采样率和24位垂直分辨率获取音频样本（来自左声道的1024个16位字）。 仅MSB 16位用于计算。 汉宁窗口功能应用于存储在片上存储器中的样本。 将整数样本转换为IEE-754格式，再乘以适当的系数，然后再次转换为整数格式。 使用Spiral项目的DFT IP内核计算频谱，频谱分辨率约为25kHz / 511 = 48.9 Hz /点/ bin。 转换为IEE-754浮点格式后，将为每个光谱点计算log10。 此处的值将按比例缩放以适合TFT显示

收藏的,VC做的频谱棒显示的还可以,可以下载看看.

完整版基于LABVIEW的虚拟频谱分析仪设计.docx

MATLAB信号处理 频谱分析加汉宁窗函数 源代码.7z

光谱匹配Matlab代码合唱探测器 Chordetector是一种从音乐样本中识别和弦的算法。 它对样本执行频谱分析，将可听频谱折叠为一个八度，然后使用简单的神经网络查找最可能的和弦。 Chordetector是使用Matlab语法以GNU八度编写的参考实现。 该算法能够区分不同的简单和复杂的和弦模式，包括单音高音符（即调音器功能），强力和弦，大，小，小和七和。 还报告了猜测的可靠性估计（相对值）。 该算法的设计目的是报告rel = 1表示完美的和弦，而-12则报告“完全错误”的和弦的可能性很小。 根据初始基准，rel> 0的估计值应该是非常可靠的。 据我所知，这是一个原始的实现，利用fft，数据合并将fft分量匹配为离散的音高，八度折叠和手动构建的神经网络，以估计最佳匹配的和弦模式。 在当前的实现中，神经网络不需要任何训练，因为它仅基于对和弦模式的“先验”猜测：这种方法最适用于“纯正弦波”乐器，而对于带有丰富弦乐器的乐器，效果可能会很差和声（例如，我猜吉他是失真的）。 使用免费可用的和弦包（.wav格式）对算法进行了测试，如下所示： 为了使test_bench script.m正常工