设计FIR滤波器以抑制不需要的频率 2021年10月27日2020年2月25日 通过马图拉纳坦 让我们看看如何设计一个简单的数字FIR滤波器来抑制输入信号中不需要的频率。作为一项研究，我敦促你通读这篇文章：数字滤波器设计简介传递函数背景系统的传递函数为确定重要的系统响应特性提供了基础支持，而无需…阅读更多信息
数字滤波器设计——简介 2022年2月6日2020年2月13日 通过马图拉纳坦 重点：培养对数字滤波器设计的基本理解。了解FIR和IIR滤波器的基本原理和设计选择。模拟滤波器和数字滤波器是滤波器的两大类，这取决于它们处理的信号类型。模拟滤波器，处理连续时间的信号模拟信号。然而，数字滤波器处理采样…阅读更多信息
使用python的线性回归–揭开神秘面纱 2021年1月7日2020年2月5日 通过马图拉纳坦 重点：让我们使用Python SciPy函数演示单变量线性回归的基础知识。训练模型并将其用于预测。线性回归模型回归是一个将模型与数据拟合的框架。在基本层面上，线性回归模型假设输入变量（）和输出变量（）之间存在线性关系。输入…阅读更多信息
为回归问题生成模拟数据集 2022年3月13日2020年1月31日 通过马图拉纳坦 重点：本文讨论了使用sklearn make_regression函数（Python 3）为回归问题生成模拟数据集。问题陈述假设，在一家公司的员工中进行了一项调查。在该调查中，收集了员工的工资和工作年限。收集数据的目的是…阅读更多信息
使用Scipy python将音频文件绘制为时间序列 2020年8月2日2020年1月23日 通过马图拉纳坦 通常，音频文件信号处理的最基本步骤是将音频样本文件可视化为时间序列数据。声音可以被认为是一个一维向量，它存储与每个样本对应的数值。时间序列图是这些样本值的二维图，作为…阅读更多信息
使用Python绘制FFT–正弦波和余弦波的FFT 2020年11月17日2020年1月22日 通过马图拉纳坦 重点：学习如何使用Python绘制正弦波和余弦波的FFT。了解FFT换档。使用FFT绘制单面、双面和归一化光谱。简介有大量文本可用于解释离散傅里叶变换的基础知识及其非常有效的实现——快速傅里叶转换（FFT）。我们经常面临这样的需求…阅读更多信息
通过希尔伯特变换进行相位解调：上机 2021年10月27日2017年6月6日 通过马图拉纳坦 重点：通过提取瞬时相位对相位调制信号进行解调，可以使用希尔伯特变换。Python和Matlab的实际演示。相位调制信号：瞬时振幅/相位/频率的概念是信息通信的基础，出现在许多信号处理应用中。我们知道，形式为x（t）=a cos（ω…阅读更多信息
使用希尔伯特变换提取包络、相位：演示 2020年11月19日2017年4月24日 通过马图拉纳坦 重点：学习如何使用希尔伯特变换从调制信号中提取包络、瞬时相位和频率。使用Python和Matlab进行实际演示。如果你想复习分析信号的基础知识以及它与希尔伯特变换的关系，你可以访问文章：理解分析信号和希尔伯特变换简介…阅读更多信息
理解解析信号和希尔伯特变换 2021年5月29日2017年4月20日 通过马图拉纳坦 本文的重点是：理解解析信号、希尔伯特变换和FFT之间的关系。使用Python和Matlab进行实际演示。引言实值信号的傅里叶变换是复对称的。这意味着，相对于正频率，负频率的内容是多余的。在他们的作品中，Gabor[1]和Ville[2]瞄准了…阅读更多信息
选择FIR还是IIR？了解设计观点 2021年5月15日2017年2月17日 通过马图拉纳坦 “我应该使用什么样的滤波器？FIR还是IIR？”这是许多人经常问的问题。从传递函数的角度来看，存在两种不同类型的线性时不变（LTI）滤波器：FIR（有限脉冲响应）和IIR（无限脉冲响应）滤波器，以及用于设计它们的各种设计技术。仅仅是事实…阅读更多信息
