此提交提供了使用 Welch 方法计算功率谱密度 (PSD) 的可能性。 该文件基于使用信号处理工具箱的 Matlab 实现。 我排除了计算机密间隔的可能性。 如果需要，请发表评论，我会更新必要的依赖项。 WelchPowerSpectralDensity.m 文件的标题中给出了一个使用示例。 另外两个文件 Hann.m 和 Hamming.m 提供了算法所需的两种可能的窗口函数。

Spectral Analysis of Signals Petre Stoica, Uppsala University Randolph L. Moses, Ohio State University Prentice Hall, 2005 ISBN: 0-13-113956-8

专注于应用于音频信号的频谱建模。 读者应该已经熟悉傅里叶变换和基本数字信号处理。

Bridging the Gap between Spatial and Spectral Domains:A Survey on Graph Neural Networks 深度学习的成功在各种机器学习任务中得到了广泛认可，包括图像分类、音频识别和自然语言处理。作为深度学习在这些领域之外的扩展，图神经网络 (GNN) 旨在处理以前的深度学习技术难以处理的非欧图结构。现有的 GNN 使用各种技术呈现，这使得直接比较和交叉引用更加复杂。尽管现有研究将 GNN 分为基于空间和基于光谱的技术，但尚未对它们的关系进行彻底检查。为了弥补这一差距，本研究提出了一个系统地整合了大多数 GNN 的单一框架。我们将现有的 GNN 组织到空间和光谱域中，并暴露每个域内的连接。谱图理论和近似理论的回顾在进一步研究中建立了跨空间和谱域的强关系。

光谱匹配Matlab代码多分辨率光谱图匹配 该函数执行图匹配算法，该方法在VictorGonzálezNavarro和Antonio Ortega撰写的“通过多分辨率方法进行光谱图匹配”中进行了解释。 如果您使用该代码，请提供以下引用。 V.González和A. Ortega，“多分辨率光谱图匹配”，2019年IEEE国际图像处理会议（ICIP），台湾台北，2019年，第2319-2323页。 论文链接： 要使用此代码，您需要下载并安装以下库：绘制图形。 我们已经在Matlab 2017上成功运行了此代码。 如果图形数据可用并已加载，则该算法可以直接在“ MAIN.m”文件中运行。 如果没有数据，则可以使用“ generate_graph.m”文件生成一对图形。 其余文件为次要功能，必须与“ MAIN.m”文件放在相同的文件夹中。 我们在本文中用于比较的其他图形匹配算法在“其他SGM算法”文档中。

矩阵分析谱分解matlab程序

Daniel A. Spielman Dept. of Computer Science Program in Applied Mathematics Yale Unviersity

沈捷 汤涛写的谱方法方面的书，对谱方法的编程计算非常的实用。

本书译自国际著名信号处理大师、IEEE信号处理协会技术成就奖获得者Petre Stoica教授在2005年编写的教材Spectral Analysis of Signals。该书介绍了经典谱分析和现代谱分析 的基本理论和方法，主要内容包括谱估计 的基本概念（自相关，能量谱和功率谱），非参数化谱分析（周期图和相关图，加窗技术）， 有理谱分析（自回归，滑动平均以及自回归滑动平均方法），线谱分析（最小二乘估计，Yule -Walker和子空间方法），滤波器组方法（改进的滤波器组方法，Capon方法，APES方法）， 阵列信号处理（波束形成， Capon方法，参数化波达方向估计），有关矩阵分析、Cram缸Rao界理论和模型阶数选择的主要结论 。书中每章包含了大量反映谱分析最新研究成果和当前研究热点的补充内容，提供了大量有助于读者深入了解各种谱分析方法的性能与实现、反映当前研究热点的分析习题和上机习题 。该书内容丰富新颖、论述严谨，是一本信号谱分析领域的高水平教材。

MATLAB高阶谱工具箱-Higher-Order Spectral Analysis Toolbox.rar MATLAB高阶谱工具箱 Matlab中文论坛:   www.iLoveMatlab.cn