MATLAB 数字信号处理GUI实现。包括一个界面GUI，里面涉及信号发生器，卷积，采样定理，滤波器，信号基本运算，时域频域关系等。 适合人群；MATLAB初学者，程序设计课程设计，学习参考，GUI框架搭建者 。

实现MATLAB语音数字识别，识别0-9十个阿拉伯数字的音频识别。识别出后可以进行其他拓展操作，比如识别结果1就进行打开某某word文档，识别为2就播放某音乐等等。算法dtw 适合人群：大学生 ，MATLAB变成爱好者，大型设计，数学建模，竞赛，设计，学年大型作业等。 实现MATLAB语音数字识别，识别0-9十个阿拉伯数字的音频识别。识别出后可以进行其他拓展操作，比如识别结果1就进行打开某某word文档，识别为2就播放某音乐等等。算法dtw 适合人群：大学生 ，MATLAB变成爱好者，大型设计，数学建模，竞赛，设计，学年大型作业等。

基本ESPRIT算法1： ⑴ 构造 R xx 和 R xy 2 ⑵ 计算 R xx 的特征值分解，得到 σ 2 H 2 H H ⑷ 计算矩阵束 {C xx , C xy } 的广义特征值分解，所有在单位 圆上的广义特征值给出空间参数 ω1 , , ω p 的估计

基于对声发射信号更恰当的处理，文章对目前常用的参数分析、频谱分析、神经网络和小波分析等几种方法的应用范围、现状和方法作了详细介绍，通过几种方法的分析对比，最后结论给出了它们的各自优缺点和发展前景。

1、test_1中给出了PCM的均匀量化和非均匀量化的代码 大多数的资料只有非均匀量化的代码 2、test_1中还给出了DPCM的代码实现 3、test_1中的代码均计算了量化噪声功率、信号功率和信噪比以验证课本理论分析 4、test_2中的ASK的解调使用了希尔伯特变换，实践非相干解调 5、test_3中的PSK和DPSK的解调都使用了巴特沃斯低通滤波器，并设计了四个重要参数，实践相干解调 6、test_3中除了完成PSK，还进行了相对码和绝对码的转换以实现DPSK 7、test_2和test_3的实验都详细可视化了带不同信噪比噪声的传输信号 相干信号 解调信号 以及最后还原的码流 8、test_4中的没有调用现成模块，根据书上理论手写了对10000个码元的汉明码的解码和编码，并给出了不同信噪比下的误码率 9、system_deisgn中综合设计了一套语音信号的数字频带传输系统，collect_data可实现语音信号采集，speech_trans则是实现了一套DPCM编码+2DPSK调制的数字频带传输系统

VLSI数字信号处理系统设计与实现【中文】.pdf

本书系统地介绍了语音信号处理的基础、概念、原理、方法与应用，以及该学科领域取得的新进展，同时介绍了本门学科的背景知识、发展概况、研究现状、应用前景和发展趋势与方向。既着重基本理论、方法的阐述，又着重新方法和新技术。全书分3篇共17章，其中第1篇语音信号处理基础，包括第1章绪论，第2章语音信号处理的基础知识；第2篇语音信号分析，包括第3章至第9章，介绍语音信号的各种分析方法和技术，包括时域分析、短时傅里叶分析、同态滤波及倒谱分析、线性预测分析、矢量量化技术、隐马尔可夫模型技术以及语音检测分析；第3篇语音信号处理技术与应用，包括第10章至第17章，分别介绍语音编码(1)——波形编码、语音编码(2)——声码器技术及混合编码、语音合成、语音识别、说话人识别、语音增强、神经网络在语音信号处理中的应用及语音信号处理中的一些新兴与前沿技术。

语音信号处理大师级书籍，英文书籍，语音信号处理方向值得拥有

资源来源于 https://blog.csdn.net/weixin_30390075/article/details/96019462?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_title~default-0-96019462-blog-125852782.pc_relevant_multi_platform_whitelistv1&spm=1001.2101.3001.4242.1&utm_relevant_index=3 的转载文章所提到的资源。即单层一维离散小波变换DWT的Mallat算法C++和MATLAB实现。

VMD三维分解图+皮尔逊相关系数标准差阈值筛选特征MATLAB程序，以VMD的K=5分解后的数据为例，绘制出分解后的信号的三维图，之后采用皮尔逊相关系数标准差阈值法筛选出所需特征，若相关系数大于阈值则判断为有效信号，否则为噪声信号。 相关系数介绍 相关系数是变量间相关程度的度量，取值范围介于-1到1之间。正值表示正相关，即变量变化方向是一致的，比如Y随着X的变大而变大；负值表示负相关，变量的变化方向相反，比如Y随着X的变大而变小。绝对值越接近1，表示两个变量之间关系越密切；越接近0，表示两个变量之间关系越不密切。相关系数对应的相关强度如下： 0.8-1.0 极强相关 0.6-0.8 强相关 0.4-0.6 中等程度相关 0.2-0.4 弱相关 0.0-0.2 极弱相关或无相关 相关系数也称为线性相关系数，这是因为，相关系数并不是刻画了X，Y之间一般关系的程度，而只是线性关系的程度。当相关系数为1或-1时，两者有严格的线性关系；当相关系数为0时，则称X与Y不相关。不相关是指X和Y之间没有线性关系，但X与Y之间可能有其他的函数关系，比如平方关系，对数关系(可以通过查看散点图来确定这一点)