matlab脑电功率谱代码脑电图的网络动力学测度 Rosch等人（2017）随附的代码：健康和癫痫性发展中大脑的网络动力学。 该存储库包含可用于重现分析以识别不同静态EEG模式之间网​​络动态差异的代码。 该代码用于上述手稿，以描述网络动力学异常，该异常表征了两种严重的早期婴儿严重癫痫综合症，即Ohtahara综合征和West综合征/小儿痉挛。 运行代码时，您需要下载并解压缩文件夹，并在ee_housekeeping函数中定义家庭文件夹。 该代码在Matlab上运行（已通过2016b测试），并且需要多个工具箱才能运行： -根据现有傅立叶频谱生成综合时间序列（包含在此回购协议中） -估计二维图像的清晰度（包含在此版本库中） -提供不同的调色板（包含在此仓库中） -在缓慢的计算步骤中轻松可视化进度（包含在此回购中） -对于EEG信号的过滤，此代码依赖于作为标准SPM分发的一部分提供的现场旅行； 可以很容易地用您选择的另一种过滤方法代替（此处不包括SPM ） 此存储库中包含的自定义例程 该资料库包括许多不同的例程，这些例程可以手动运行，以说明针对上述手稿执行的不同分析步骤。 其中大多数将产生

基于谱减方面的语音增强算法 效果不错 还有待改进

冲击响应谱（SRS）允许根据动态振动系统的最大响应来估计瞬态加速度信号。 它的起源可能源于土木工程和地震激励问题，即建筑物的地震响应，请参阅Clough Penzien1975。SRS是一个频谱，即根据频率给出最大加速度响应的曲线。 它来自于一个由基础激励（即加速度）激励的1块弹簧阻尼器振动系统。 freesrs计算冲击响应谱（SRS），是一个包含Python和Fortran文件的小型库。 Fortran文件由•SmallwoodFilter.f和•GenShockTimeHistories.f组成。它们使用舒适的f2py工具链接到Python。 最新版本是2.1.0，现在包括可以通过setup.py执行完整安装的功能。 库（.pyd）和可执行文件具有

【Matlab】音频信号谱分析及椭圆滤波处理（音频资源）

完整可用的高阶谱分析工具箱，hosademo运行正常可用，已经在matlab R2012a上正确运行，应该也适用于其他更高版本的matlab

针对卫星导航欺骗干扰识别问题，提出了基于Wigner对角切片谱的特征提取算法。由于Wigner对角切片谱（DS-WB）存在交叉项及算法复杂度较高等不足，算法定义了基于Choi-Williams核函数的Wigner对角切片谱的分布熵、奇异值熵、均值及其对数和构成四维特征矢量，并通过支持向量机（SVM）实现欺骗干扰识别。算法具有特征矢量维数低，且在低信噪比条件下能达到较高识别率的优点。软件仿真与硬件实验相结合验证了算法的有效性与优越性。在信噪比分别为5 dB和-4 dB时，软件仿真与硬件实验的正确识别率可达90%以上。与基于双谱提取的特征向量相比较，基于DS-WB的特征向量具有更好的识别性能与鲁棒性。

色谱法_模拟_Python 色谱方程的有限差分求解器 该项目提供了功能和使用输运弥散模型模拟多个组件色谱的示例，并支持Hery，Langmuir和SMA作为组件的等温线模型。 使用一维有限差分Euler foward方法，使用numpy进行更快的计算，使用matplotlib进行可视化。 作为边界条件，在入口处使用狄利克雷式，在出口处使用纽曼式进行浓度

气相色谱 气相色谱样品分析仪和管理器 用例 厌倦了手动标记GC输出峰？ gcsam将自动提取气相色谱仪的输出并为您提供可用数据，以便您可以花费更多时间分析重要事件。 该程序完全用python编写，易于黑客攻击，并专门设计用于Microsoft Excel。 先决条件 python> = 3.6.3 python软件包： xlrd xlsxwriter 微软Excel 安装 pip install gcsam （希望很快推出！） 用法 去看一下example/文件夹，它应该具有入门所需的全部内容。 配置 必须创建一个包含以下信息的“配置”表（xlsx文件）： 与工作表标题匹配的样本ID： 样品干重（毫克） 标准添加量（毫克） 已知的FAME 字符串标识符的一列，可以是您认为有意义的任何内容（例如“ c17.0”或“ 17：0” FAME的预期保留时间的另一列。 注意：所

色谱理论介绍，很全面也很权威，对于初学者有很大的帮助，纯正的英文原版，同步提高专业英语水平。

matlab精度检验代码特殊目的 该库实现了批处理和增量稀疏频谱高斯回归处理（SSGPR）。 批处理算法的详细说明可以在以下位置找到： 稀疏谱高斯过程回归。 Miguel Lazaro-Gredilla，Joaquin Quinonero-Candela，Carl Edward Rasmussen和Anibal R. Figueiras-Vidal。 在《机器学习研究杂志》（Journal of Machine Learning Research）中，2010年。 增量变式在以下内容中进行了描述： 使用增量稀疏谱高斯过程回归进行实时模型学习。 Arjan Gijsberts和Giorgio Metta。 在《神经网络》第41卷中，2013年。 安装 下载后，您可以通过程序包管理器安装ssgpr pip3 install . 或者如果不是直接通过setup.py使用的选项 python3 setup.py install --user 这两个命令都需要在基本目录中执行。 另外，您将需要numpy ， scipy和一个编译器。 这些脚本似乎可以在Python 2上安装并正常运行，但实际上并