1)win10子系统wsl安装说明包括，在线安装、离线安装、支持音频、支持gcc2)离线安装和管理工具

STM32F107官方开发板电路，包括原理图和PCB原文件，以及电路上用到的所有器件原理图库和PCB封装库，电路为官方原板，外围电路丰富，包括CAN、电机控制、SD卡、音频处理、I/O扩展、USB接口、串口接口、存储扩展、LCD接口和STM32F107核心系统电路等，已通过本人的设计项目验证，电路设计规范可靠，可以为STM3210X系列的电路应用设计提供很好的参考和封装，省时省力，绝对超值！！！

基于C/C++提供一个PS流的打包库PsMuxer.dll，并提供DEMO测试程序

利用MATLABAppDesigner设计并发布了一款能够独立执行的语音信号滤波平台，该平台包含音频的获取、加噪、滤波、保存，滤波器的设计包括IIR滤波器和FIR滤波器共计十余种

CS8516E是一款适用于双节锂电以及铅酸电池供电应用,固定增益,带三种防破音模式,AB/D切换,静音功能,单声道音频功率放大器。

用STM32F103ZECT6搞了个WAV音乐播放，不用音频解码芯片，直接STM播放。
感谢原子哥的技术资料。
仅仅作为学习分享。

DeepLearningToolbox™提供了一个框架，用于设计和实现具有算法，预训练模型和应用程序的深度神经网络。
您可以使用卷积神经网络（ConvNets，CNN）和长期短期记忆（LSTM）网络对图像，时间序列和文本数据进行分类和回归。
应用程序和图表可帮助您可视化激活，编辑网络体系结构以及监控培训进度。
对于小型训练集，您可以使用预训练的深层网络模型（包括SqueezeNet，Inception-v3，ResNet-101，GoogLeNet和VGG-19）以及从TensorFlow™-Keras和Caffe导入的模型执行传输学习。
了解深度学习工具箱的基础知识深度学习图像从头开始训练卷积神经网络或使用预训练网络快速学习新任务使用时间序列，序列和文本进行深度学习为时间序列分类，回归和预测任务创建和训练网络深度学习调整和可视化绘制培训进度，评估准确性，进行预测，调整培训选项以及可视化网络学习的功能并行和云中的深度学习通过本地或云中的多个GPU扩展深度学习，并以交互方式或批量作业培训多个网络深度学习应用通过计算机视觉，图像处理，自动驾驶，信号和音频扩展深度学习工作流程深度学习导入，导出和自定义导入和导出网络，定义自定义深度学习图层以及自定义数据存储深度学习代码生成生成MATLAB代码或CUDA®和C++代码和部署深学习网络函数逼近和聚类使用浅层神经网络执行回归，分类和聚类时间序列和控制系统基于浅网络的模型非线性动态系统;使用顺序数据进行预测。

MATLAB音频信号的分析与合成程序

因为想弄个基于ffmpeg和alsa的音频播放器，但是网上找了很久都没有这方面的，有也是有些问题的，要不是不能播，就是播出来的声音不对，总之很多限制。
所以自己网上找资料，东拼西凑。
终于把这个播放器给弄出来了，功能：可以播（ape,wav,mp3,flac(多声道也可以)）。
播放进度没弄。

从别人那down下来的,具体地址忘记了,那个java文件是jar的源码,我手贱给反编译出来的...

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。