语音信号的截取、倒谱分析以及同态滤波的matlab仿真

基于MATLAB的数字信号处理虚拟实验仿真平台

阵列信号处理、常规波束形成 仿真图 算法原理

数字接收机同步技术的经典书籍！ 包括时间同步、载波频率同步和相位同步等内容。全书529页

数字上变频器（DUC）和数字下变频器（DDC）广泛应用于通信系统，用于信号采样速率的转换。当信号从基带转换至中频（ IF ）带，需要使用数字上变频器。而数字下变频器是用于将信号从中频（ IF ）带转换为基带。DUC和DDC通常包括使用混频器进行频率转换，此外还有采样率转换。DUC或DDC的结构主要取决于所需要的转换率。例如，WiMAX (全球互通微波接入)系统典型的转换率为8—10阶。对于如此低的转换率，DUC和DDC只需采用FIR滤波器架构。如果需要更高的转换率，DDC / DUC结构中需要使用级联积分梳状（CIC）滤波器。DDC用于滤波和降低输出数据速率。该数字处理部分包括数控振荡器：NCO（Nu-merical Control Oscillator）、半带抽取滤波器、FIR滤波器、增益级和复数-实数转换级。各处理模块都有控制线路，能单独使能。 配合文章https://blog.csdn.net/Born_toward/article/details/123221134?spm=1001.2014.3001.5502使用，以余弦信号的上下变频为例，通过DDC &DUC恢复原始信号。

数字信号处理-吴镇扬主编，高教出版社，全部习题答案，详细

表面肌电信号处理的matlab程序，包括带通滤波、50Hz陷波滤波程序，以及计算时域、频域的指标iMEG、RMS ， MF、MPF

数值优化：最小相位谱分析， 适合信号图像处理，机器学习的初学者分析学习。 在控制理论和信号处理中，如果系统及其逆是因果且稳定的，则称线性时不变系统是最小相位的。 最一般的因果 LTI传递函数可以唯一地分解为一系列全通和最小相位系统。系统函数是两部分的乘积，在时域中，系统的响应是两部分响应的卷积。最小相位和一般传递函数之间的区别在于，最小相位系统的传递函数的所有极点和零点都位于 s 平面表示的左半部分（在离散时间内，分别在z 平面）。由于反转系统函数会导致极点变为零，反之亦然，并且右侧的极点（s平面 虚线）或复平面外（z平面 单位圆）导致系统不稳定，反演下只有最小相位系统类是闭合的。直观地说，一般因果系统的最小相位部分以最小的群延迟实现其幅度响应，而其全通部分仅校正其相位响应以与原始系统函数相对应。 极点和零点的分析仅在传递函数的情况下是准确的，传递函数可以表示为多项式的比率。在连续时间的情况下，这样的系统转化为传统的、理想化的LCR 网络的网络。在离散时间中，它们可以方便地转化为近似值，使用加法、乘法和单位延迟。可以证明，在这两种情况下，具有递增阶的有理形式的系统函数

1 非负矩阵分解（NMF或NNMF），也是非负矩阵逼近是多元分析和线性代数中的一组算法，其中矩阵V被分解为（通常）两个矩阵W和H ，具有所有三个矩阵都没有负元素的性质。这种非负性使生成的矩阵更容易检查。此外，在处理音频频谱图或肌肉活动等应用中，非负性是所考虑的数据所固有的。由于该问题通常不能完全解决，因此通常用数值近似。 2 适合机器学习，数值优化，图像处理，信号处理等专业的初学者进行分析和学习。 3 语音去噪一直是音频信号处理中长期存在的问题。如果噪声是静止的，则有许多去噪算法。例如，维纳滤波器适用于加性高斯噪声。然而，如果噪声是非平稳的，经典的去噪算法通常性能较差，因为非平稳噪声的统计信息难以估计。施密特等人。使用NMF在非平稳噪声下进行语音去噪，这与经典的统计方法完全不同。关键思想是干净的语音信号可以用语音字典稀疏地表示，但非平稳噪声不能。类似地，非平稳噪声也可以用噪声字典稀疏表示，但语音不能。NMF去噪算法如下。两个字典，一个用于语音，一个用于噪声，需要离线训练。

等式约束下的范数最小问题求解； 在数学中，范数是从实数或复数向量空间到非负实数的函数，其行为方式类似于到原点的距离：它与缩放对易，服从三角不等式的形式，并且为零只在原点。具体来说，向量到原点的欧几里得距离是一个范数，称为欧几里得范数或2-范数，也可以定义为向量与其自身 的内积的平方根。半范数满足范数的前两个属性，但对于除原点以外的向量可能为零。[1]具有指定范数的向量空间称为范数向量空间。以类似的方式，具有半范数的向量空间称为半范数向量空间。 在受约束的最小二乘法中，通过对解的附加约束来解决线性最小二乘问题。即无约束方程{\displaystyle \mathbf {X} {\boldsymbol {\beta }}=\mathbf {y} }\mathbf {X} {\boldsymbol {\beta }}=\mathbf {y}必须尽可能紧密地拟合（在最小二乘意义上），同时确保{\displaystyle {\boldsymbol {\beta }}}{\boldsymbol {\beta }}得到维护。