这是可以取样，然后经过傅里叶变换后显示的频谱图，用C++6.0 写的，达到可视化界面的的效果

H5，js，webUI频谱瀑布图,fft频谱图

将动态频谱接入技术引入到车辆通信网络中，提出了一种使用空闲广播电视信道进行车辆动态频谱接入的模型。该模型将用户通信需求分为紧急和普通服务请求，构建马尔科夫链分析其服务过程，得到了能够满足不同需求的分析模型。仿真结果表明，该模型能准确分析车辆动态频谱接入的过程，当空闲信道数增加时平均等待时间减少，紧急服务请求的平均等待时间和平均队列长度都远小于普通服务请求。

Gammatone 滤波器是对耳朵执行的滤波的一种流行的线性近似。 该例程提供了一个简单的包装器，用于基于伽马色调分析生成时频表面，可用作传统频谱图的替代品。 它还基于对传统 FFT 的输出进行加权，提供对该表面的快速近似。 底层 Gammatone 过滤器（经许可）来自 Malcolm Slaney 的听觉工具箱， http://cobweb.ecn.purdue.edu/~malcolm/interval/1998-010/ 。

文中基于各认知用户的差异性，提出一种基于改进D-S证据理论的加权协作频谱检测算法。在能量检测的基础上，充分考虑各个认知用户之间的差异性，并根据各认知用户的检测统计量的方差和均值来给出各个参与数据融合的可信度权重。最后，使用改进D-S证据理论进行多数据源的证据融合，减小多数据源带来的证据冲突，且给出最终的判断结果。仿真结果表明，该方法与经典D-S证据理论检测算法相比，能够在考虑各认知用户差异性的同时有效提高检测效率。

【项目介绍】 基于梅尔频谱图的音频信号分类识别(Pytorch)项目源码，本项目将使用Pytorch，实现一个简单的的音频信号分类器，可应用于机械信号分类识别，鸟叫声信号识别等应用场景。 项目使用librosa进行音频信号处理，backbone使用mobilenet_v2，在Urbansound8K数据上，最终收敛的准确率在训练集99%，测试集96%，如果想进一步提高识别准确率可以使用更重的backbone和更多的数据增强方法。 【博客地址】 《基于梅尔频谱图的音频信号分类识别(Pytorch)》https://panjinquan.blog.csdn.net/article/details/120601437

a.用FFT计算信号的频谱，并显示信号的幅频和相频波形，坐标横轴以频率Hz为单位。 b.以下列参数计算CZT： 起始频率：40Hz， 将CZT的幅频、相频图显示在屏幕上，坐标横轴以频率Hz为单位，与a的结果比较有什么不同。

详细地描述了ASK、FSK、PSK的频谱特性，并且分别对各自的特性加以分析。

使用gnuradio和usrp，模拟一个软件频谱仪；可以测试在指定载频点是否有信号，已经数据是否正确，增益多大时效果最好！增益和载频范围滑动可调

用delphi编写的音频波形频谱显示控件与示例