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

北京工业大学研究生课程随机数字信号处理实验报告

产生右图所示图像 f1(m,n)，其中图像大小为256×256，中间亮条为 128×32，暗处=0，亮处=100。对其进行FFT：

假设一平稳随机信号为 ，其中 是均值为0，方差为1的白噪声，数据长度为1024。 假设均值为0，方差为1的白噪声 中混有两个正弦信号，该正弦信号的频率分别为100Hz和110Hz，信噪比分别为10dB和30dB，初始相位都为0，采样频率为1000Hz。

matlab的schur代码细节超快线谱估计 实现线谱估计的超快方法[1]。 如果您使用此代码，请引用此工作。 [1] TL Hansen，BH Fleury和BD Rao-“超快速线谱估计”， IEEE信号处理事务，第1卷。 66，2511-2526，2018年5月，。 抽象的： 通过应用稀疏估计技术的离网扩展，已经提出了许多最新的工作来解决线谱估计问题。 这些方法优于经典线谱估计算法，因为它们固有地估计了模型阶数。 但是，它们的计算时间至少在问题大小上呈三次方增长，因此限制了它们在大尺寸情况下的实际适用性。 为了缓解这个问题，我们提出了一种用于线谱估计的低复杂度方法，该方法还借鉴了稀疏估计的思想。 我们的方法基于问题的贝叶斯观点。 信号协方差矩阵显示为具有Toeplitz结构，从而可以使用超快Toeplitz求逆。 我们证明了我们的方法至少可以达到与当前方法一样好的估计精度，并且可以将其提高几个数量级。 设置和用法 通过构建内部使用的通用Schur算法的mex版本，可以大大提高代码的速度。 通过在MATLAB提示符下运行buildmex来执行此操作。 MATLAB代码生成功能用于生