Spectral-SpecPro 有助于处理光谱数据。 光谱采用 Jasco 仪器产生的文件（紫外可见吸光度、荧光、圆二色性读数作为波长、温度或时间的函数），并促进基本操作，如单位转换（CD 光谱）、转换为 CDPro 采用的格式（二级结构估计；CD 光谱）、散射校正（吸光度光谱）、平滑、x 轴重新采样以及多条曲线的通用组合（总和、乘积、平均值、标准偏差）。 Spectral-SpecPro 基于 Stephen R Martin 编写的早期软件（MRC-NIMR London NW7 和 Francis Crick Institute London NW1）。

Petre Stoica 著，chapter1 basic concepts. chapter2 non parametric methods chapter3 parametric methods for rational spectra. chapter 4 parametric method for line spectra. 5 filter bank methods. 6 spatial methods.

光谱减法 光谱减法Python实现。

hsi matlab代码使用线性回归的快速高光谱图像超分辨率 C语言实现 此版本的C语言实现是在Linux上开发的。 内部使用Intel Math Kernel Library（MKL）和Matlab R2014a extern库。 请确保您的计算机上正确安装了这两个依赖项。 使用Makefile编译计算机上的源代码，但是需要根据您的安装修改MKL和Matlab路径（我们的MKL位于/ usr / opt，Matlab位于/ usr / local。）。 我们的方法的实现包含在hss_lr.c中，该文件明确要求低空间分辨率高光谱图像（LR-HSI），高空间分辨率多光谱图像（HR-MSI）和降级算子（D）。 输出为高空间分辨率高光谱图像（HR-HSI）。 在我们的演示（LR_C.c）中，我们分别在CAVE，Havard和ICVL数据集上测试了我们的方法。 Matlab实现 LR_latest * .M包含了我们对不同贴片尺寸的方法，即，2 2，4 4，8×8，16 16，32×32的执行。 为使代码正常运行，请将* .m移到字典依赖项中。

Infrared and visible image fusion with spectral graph wavelet transform

berouti 提出的用于噪声语音信号增强的频谱减法方法。

Matlab集成的c代码tensor_decoding_spectral_SCI_cameras 我们应用张量解码方案对SCI摄像机进行解码。 该存储库包含论文“利用低秩张量和非局部相似性解码高光谱SCI摄像机”的代码 快照压缩成像（SCI）相机将多个光谱帧压缩为单个测量帧。 对于SCI摄像机而言，准确而高效的解码方法非常重要。 然而，诸如GAP-TV和DeSCI之类的现有算法分别由于精度低和执行时间长而不能令人满意。 在本文中，我们提出了一种解决这两个问题的新算法低秩张量和非局部相似度（LTNS）。 我们提出的LTNS算法比DeSCI的平均PSNR提高了3.98dB，比GAP-TV平均提高了5.63dB。 此外，与DeSCI的8小时运行时间相比，我们的算法（LTNS）将运行时间减少到不到一分钟。 我们还将算法与GMM-TP和MMLE-GMM进行了比较。 此代码使用鸟类数据集和玩具数据集，它们是编码的Kong径快照光谱成像（CASSI）数据集。 我们在代码中进行比较的方法是经过多次迭代的LTNS和GAP-TV。 用法 要求是带有并行计算工具箱的MATLAB（R）（用于多CPU加速的pa

使用空间光谱薛定谔特征图 (SSSE) 算法对高光谱图像进行降维和分类，如论文中所述： 1) ND Cahill、W. Czaja 和 DW Messinger，“具有非对角线潜力的高光谱图像空间光谱聚类的薛定谔特征图”，Proc。 SPIE 防御与安全：多光谱、高光谱和超光谱图像的算法和技术 XX，2014 年 5 月。 2) ND Cahill、W. Czaja 和 DW Messinger，提交了“用于高光谱图像的降维和分类的空间光谱薛定谔特征图”。 此示例脚本还使用支持向量机执行分类，如论文 2 中所述。

Boll 79提出的增强含噪语音信号的频谱减法方法。该方法实现了论文中提出的频谱平均和残余降噪。 请注意，语音信号的前 0.25 秒假定仅为噪声，并用于对噪声信号进行建模。

Power Spectral Density using PWELCH vs PSD created by FFT.zip，这是