AR模型功率谱估计的典型算法比较及MATLAB实现

matlab归零码功率谱原始码问题陈述 该项目的目标是实现一种深度学习算法，该算法将单通道手持式ECG设备的心电图（ECG）记录分为四个不同的类别：正常窦性心律（N），房颤（A），其他心律（O ），或者太吵而无法分类（〜）。 该模型是由论文指导的由Zihlmann等人撰写。 在作者对的贡献之后发表的。 心房颤动（AF）是一种常见的心律失常，影响了超过270万美国人。 这种心律失常与明显的发病率相关，缺血性中风的风险增加了4到5倍。 AF通常是沉默的，患者偶尔会出现中风，这是心律不齐的最初表现。 其他患者有令人不安的症状，例如心pit或头晕，但传统的监测方法无法确定心律不齐。 尽管该问题很重要，但AF检测仍然很困难，因为它可能是偶发性的。 因此，定期采样心率和节律可能有助于在这些情况下进行诊断。 当两个电极中的每一个都握在手中时，移动式ECG设备能够记录单导联等效ECG。 AliveCor为2017年PhysioNet / CinC挑战赛慷慨捐赠了总计12186张ECG录音。 项目包中的文件 该项目包包含以下文件： physionet_readme.ipynb：具有工作代码的此READM

AR模型功率谱估计的典型算法比较及MATLAB实现

【语音去噪】基于改进谱减法语音去噪matlab 源码.md

针对语音卷积盲源分离频域法排列顺序不确定性问题，提出一种多频段能量排序算法。通过对混合信号的短时傅里叶变换（STFT），在频域上各个频点建立一个瞬时混合模型进行独立分量分析，之后结合能量相关排序法和波达方向（DOA）排序法解决排序不确定性问题，再利用分裂语谱方法解决幅度不确定性问题，进而得到每个频点正确的分离子信号，最后利用逆短时傅里叶（ISTFT）变换得到分离的源信号。仿真结果表明，与Murata的排序算法对比，改进的算法在信号偏差比、信道干扰比、系统误差比上都所提高。

色谱法：用于色谱和质谱数据分析的功能

应用循环自相关函数和快速谱峭度相结合的方法,对滚动轴承早期故障诊断进行分析研究。首先利用谱峭度方法确定滚动轴承振动信号的最佳带通滤波器,然后利用循环自相关函数对滤波后的信号进行解调,提取出滚动轴承故障特征频率,有效地减少了噪声信号的干扰且增强了故障信号。通过仿真与实验数据的轴承故障振动信号验证所提方法的有效性。

Cepstral analysis 倒谱分析 complex cepstral 复倒谱 实倒谱是序列的傅里叶变换的幅度的实对数的傅里叶反变换 代码每一步含有注释，方便理解和学习

此文件夹中的代码，利用MATLAB读取信号，经傅里叶变换后分解，改变信号频谱后重组，可用来分析相位谱和幅度谱对信号的影响。

官方网站下的高斯伪谱法优化软件，稍后上传manual