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

利用卫星双光谱反射率算法反演的云参数及其应用.pdf

利用遗传算法优化oif指数进行高光谱波段选择 最佳指数因子 高光谱波段选择

修改main里的参数运行即可。py文件。可以获取9个灰度特征。按波段获取，所以开始之前需要处理好自己的波段，不然会内存溢出。 高光谱灰度共生矩阵获取代码

自由光谱范围可调谐的Mach—Zehnder全光纤干涉仪

学会并掌握光栅光谱仪的应用。 用光栅光谱仪测量白、黄滤光玻璃片的基线、吸光度、与透过率。 2.学会并掌握光栅光谱仪的应用。

针对单一滤波器提取高光谱图像空间特征时不能获得完整的图像空间信息的不足, 提出一种结合非局部均值滤波和导向滤波的高光谱图像分类算法。该方法利用非局部均值滤波提取高光谱全波段图像空间信息, 利用导向滤波提取经由主成分分析(PCA)降维后的高光谱图像的空间边缘信息, 将两种空间信息进行线性融合的结果输入至支持向量机(SVM)完成分类。实验表明, 相比于使用光谱信息、高光谱PCA降维、空谱结合的SVM分类、边缘保持滤波以及递归滤波等方法, 该算法能够有效提高光谱图像的分类精度。

MNF变换 重要作用 用于判定图像内在的维数 分离数据中的噪声 减少计算量 弥补了主成分分析在高光谱数据处理中的不足 计算时需要输入的参数 统计信息的图像范围　shift diff subset 噪声统计文件（可以用到另一副图像上做变换） MNF统计文件(反变换的时候要用) Mnf变换输出波段选择(根据特征值选择输出波段)

ENVI高光谱分析.ppt

光通信光谱分析仪测试和应用