经典语音信号处理教材，很多学校上课用的参考书word版本超级好用

包含18-21版本的simulink仿真，仿真中所用参数与学习博客一致，可以实现较好的正弦电压输出。
下载前请确保可以编译S-function！使用S-function更便于做实验，直接将代码移植到DSP中断即可。
仿真为自己搭建，代码也是自己手写，亲测有效，如有问题欢迎私信讨论。
在电力电子领域，逆变器扮演着将直流电能转换为交流电能的重要角色，尤其在可再生能源并网、工业驱动系统以及不间断电源系统中具有广泛应用。
逆变器的设计和控制是电力电子技术的核心课题之一，而三相三电平逆变器因其在减少输出电压谐波、提高功率转换效率方面的优势，成为了研究的热点。
本文所述的仿真项目聚焦于三相三电平逆变器，通过电压电流双闭环控制以及空间矢量脉宽调制（SVPWM）技术，实现精确的电能转换。
SVPWM是一种高效的PWM技术，能够更有效地利用直流电源，减少开关损耗，提高逆变器的输出波形质量。
在实现SVPWM的过程中，通过S-函数编程来完成算法的嵌入，使得仿真模型具有更强的灵活性和扩展性。
本仿真项目所用的参数设置与相关学习博客保持一致，以确保仿真的准确性和可靠性。
这不仅有利于学习者按照标准流程进行学习，也便于他们根据实际需求对系统参数进行调整。
此外，S-function的使用意味着实验者可以直接将仿真模型中的代码移植到实际的数字信号处理器（DSP）上，便于进行实际硬件的控制测试和应用。
在设计三相三电平逆变器时，控制算法的选取至关重要。
电压电流双闭环控制是一种常用的控制策略，它能够有效提升逆变器输出波形的稳定性和质量。
在双闭环控制系统中，电流环负责快速响应负载变化，而电压环则保持输出电压的稳定。
通过合理的PI参数整定，可以使得系统在不同负载和工况下都能表现出良好的动态和静态特性。
在实现SVPWM算法时，涉及到坐标变换、扇区判断、电压空间矢量的选择和作用时间计算等多个环节。
这些环节需要精确的数学模型和算法支持，同时还需要考虑数字实现的离散性问题。
S-function提供了一种便捷的编程方式，使得复杂的控制算法能够在Simulink环境下得到快速的实现和验证。
对于三相三电平逆变器的LC滤波器设计，目标是尽量减少逆变器输出中的高次谐波，提高输出电能的质量。
滤波器的设计需要考虑到逆变器开关频率、LC参数匹配以及滤波效果等多方面因素。
本项目所提供的三相三电平逆变器电压电流双闭环SVPWM仿真模型，不仅可以用于教学和学习，还具有一定的实际应用价值。
用户可以在仿真环境中调整各种参数，观察系统的响应，通过实验来优化控制策略和系统性能。
此外，项目中提供的S-function代码，为将仿真模型应用于实际硬件平台提供了可能，这对于逆变器控制系统的设计与开发具有重要的参考价值。

本书主要介绍非高斯信号处理(包括基于高阶统计量和分数低阶统计量的信号处理)的理论、方法及其应用。
全书分为9章,内容包括：高斯过程与二阶统计量，高阶累积量和高阶谱，Alpha稳定分布与分数低阶统计量，基于以上信号的处理方法，基于分数低阶统计量数字信号处理的应用等。
第1章绪论1.1预备知识1.1.1信号与信号处理的概念1.1.2随机变量及其分布1.1.3随机信号及随机过程1.1.4统计信号处理的原理与方法1.2矩理论简介1.2.1矩及统计量的概念1.2.2二阶统计量及基于二阶统计量的信号处理1.2.3高阶统计量及基于高阶统计量的信号处理1.2.4分数低阶统计量及基于分数低阶统计量的信号处理1.3非高斯信号处理的发展参考文献第2章高斯分布与高斯过程2.1高斯分布2.1.1中心极限定理2.1.2高斯分布律2.2高斯过程参考文献第3章基于二阶统计量的信号处理方法3.1基本估计理论3.1.1最小二乘估计3.1.2线性最小方差估计3.1.3最小方差估计3.1.4最大似然估计3.1.5最大后验概率估计3.2维纳滤波与卡尔曼滤波3.2.1连续信号的维纳滤波3.2.2离散维纳滤波3.2.3卡尔曼滤波3.3参数模型功率谱估计3.3.1平稳随机信号的参数模型3.3.2AR模型功率谱估计3.3.3MA模型功率谱估计3.3.4ARMA模型功率谱估计3.4自适应数字滤波器3.4.1横向LMS自适应数字滤波器3.4.2递推自适应数字滤波器3.4.3自适应格型数字滤波器3.4.4递归型自适应数字滤波器参考文献第4章高阶累积量和高阶谱4.1高阶矩和高阶累积量4.1.1高阶累积量和高阶矩的定义4.1.2高阶累积量和高阶矩的关系4.1.3高阶矩和高阶累积量的性质4.1.4平稳随机过程的高阶矩和高阶累积量4.1.5随机过程的互累积量4.2随机过程的高阶累积量谱和高阶矩谱4.2.1累积量谱和高阶矩谱的定义4.2.2累积量谱的特例4.2.3k阶相干函数和互累积量谱4.3高阶谱估计的非参数方法4.3.1直接法4.3.2间接法4.4非高斯过程与线性系统4.4.1非高斯白噪声过程4.4.2非高斯白噪声过程与线性系统参考文献第5章基于高阶统计量的信号处理方法5.1基于高阶统计量的系统辨识5.1.1非最小相位系统5.1.2基于高阶统计量的系统辨识5.1.3高阶统计量用于MA系统辨识5.1.4高阶统计量用于非因果AR模型辨识5.1.5ARMA模型参数估计方法5.2有色噪声中的信号提取5.2.1复信号累积量的定义5.2.2谐波过程的累积量5.2.3高斯有色噪声中的谐波恢复5.2.4非高斯有色噪声中的谐波恢复5.3基于高阶累积量的参数模型阶数的确定参考文献第6章高阶统计量在信号处理中的应用6.1基于高阶累积量的自适应信号处理6.1.1基于高阶累积量的自适应FIR算法6.1.2基于累积量的MMSE准则6.1.3RLS自适应算法6.2高阶统计量在独立分量分析中的应用6.2.1问题的数学描述6.2.21CA问题的解法6.3基于高阶累积量的时间延迟估计6.3.1基于双谱估计的时延估计6.3.2基于互双倒谱的时延估计6.3.3自适应时延估计方法参考文献第7章Alpha稳定分布与分数低阶统计量7.1历史回顾7.1.1历史回顾7.1.2发展动因7.2Alpha稳定分布的概念7.2.1a稳定分布的概念7.2.2a稳定分布的几种特殊情况7.2.3广义中心极限定理7.2.4a稳定分布的性质7.2.5a稳定分布的概率密度函数7.2.6多变量O稳定分布7.2.7对称O稳定分布随机信号(随机过程)7.3分数低阶统计量7.3.1分数低阶矩7.3.2负阶矩7.3.3零阶矩7.3.4a稳定分布过程的分类7.3.5用于脉冲特性信号建模的其他分布7.4共变及其应用7.4.1共变的概念7.4.2共变的主要性质7.4.3共变在线性回归中的应用7.4.4复SaS分布的共变7.5对称Alpha稳定分布的参数估计7.5.1最大似然估计方法7.5.2基于样本分位数的参数估计方法7.5.3基于样本特征函数的参数估计方法7.5.4无穷方差的检验7.5.5基于负阶矩的方法7.5.6计算机模拟中的若干问题参考文献第8章基于分数低阶统计量的信号处理8.1稳定分布的参数模型方法8.1.1最

莆田学院《数字信号处理》历年期末考试试卷（含答案）.

本文以TITMS320C54XDSP为例描述了DSP作为优秀的数字信号处理平台所具备的特点,并在此基础上介绍了利用Altera公司提供的数字信号处理开发工具DSPBuilder和现代DSP技术，在Matlab/Simulink环境中建立了JPEG算法模型，并进行了仿真验证，最后将编译代码下载到硬件上进行了在线调试。

论文主要讲毫米波，相位器的介绍，以及合成方法相关内容包括，群时延，啁啾信号，自译。

这是我们学校考博和考研试题，对于即将入学的童鞋非常有帮助！

工业大数据即工业数据的总和，其来源主要包括企业信息化数据、工业物联网数据、“跨界”数据等，它是工业互联网的核心，是智能制造的关键。
工业大数据分析作为工业大数据的核心技术之一，是工业智能化发展的重要基础和关键支撑。
本文将结合作者在工业领域多年的实践应用经验，力图对工业大数据分析技术的应用思路、方法和流程进行总结，旨在为企业开展大数据分析工作提供技术和业务上的借鉴。
在本文中我们将一起研讨和思考：工业大数据分析的特殊性；
工业大数据分析的困境及难点；
工业大数据分析的基本框架；
工业大数据分析该如何开展？工业大数据分析技术在实践应用中的思路与方法工业大数据分析是利用统计学分析技术、机器学习技术、信号处理技

数字信号处理基础(加JoyceVandeVegte著，侯正信王安国等译)_光盘资料，将随书光盘转化为iso形式，方便大家学习~

内部有MATLAB代码（经测试完整）另外有word文档的课程设计报告；
全部可

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。