fzyjsy的博客

Effective C++中文版(第三版)3 C++进阶经典著作 .....

高清 电子书 [赵拥军著] [国防工业出版社] [2013.08] [267页]

图像处理及模式识别

Python高级编程 作者: 夏海轮 [ 中文 pdf ] 《Python高级编程》首先介绍如何配置最优的开发环境，然后以Python敏捷开发方法为线索，告诉你如何将经过验证的面向对象原则应用到自己的设计中。《Python高级编程》是关于Python最佳实践以及适用于Python应用程序的敏捷开发方法的权威说明，用实例展示了设计、编码和交付Python软件的实践过程。 你将从《Python高级编程》中学到以下技能：配置高效的开发环境；自定义Python提示符和用于部署的setlJptools；编写高效语法iterator、generator和decorator；根据设计设置参数，遵循设计API的最佳实践；构建、发布和交付应用程序；编写基于多个egg的应用程序；使用zc.buildout交付、部署应用程序；构建并发布软件包，安排开发周期；使用版本管理系统和持续集成策略管理代码；实践测试驱动开发；对代码进行监测与优化。提高软件运行速度；在应用程序中使用设计模式。

Python自然语言处理(影印版) 作者: 洛普(Edward Loper) [ 英文 pdf ] 东南大学出版社出版。

《代码大全(第2版)》 史蒂夫•迈克康奈尔 (Steve McConnell) 《代码大全(第2版)》中所论述的技术不仅填补了初级与高级编程实践之间的空白，而且也为程序员们提供了一个有关软件开发技术的信息来源。《代码大全(第2版)》对经验丰富的程序员、技术带头人、自学的程序员及没有太多编程经验的学生都是大有裨益的。可以说，只要您具有一定的编程基础，想成为一名优秀的程序员，阅读《代码大全(第2版)》都不会让您失望。

学习深度神经网络的Keras：利用Python进行现代深度学习的快速方法 Jojo John Moolayil

Noise92噪声数据库

神经网络参数、计算量分析 神经网络CPU、显存分析 神经网络CPU、显存分析 神经网络CPU、显存分析 神经网络CPU、显存分析

Multichannel Sound Event Detection Using 3D Convolutional Neural Networks for Learning Inter-channel Features 深度学习在声学事件(单声源/双声源/三声源)检测领域的优秀论文

voicebox语音信号处理工具箱 工具箱内容 音频文件输入/输出 读写WAV和其他语音文件格式 频率标度 在Hz，Mel，Erb和MIDI频率刻度之间转换 傅立叶/ DCT / Hartley变换 各种相关的变换 随机数和概率分布 生成随机向量和噪声信号 矢量距离 计算矢量列表之间的距离 言语分析 有源电平估计，频谱图 LPC语音分析 线性预测编码例程 语音合成 文本到语音合成和声门波形模型 语音增强 光谱噪声减法 语音编码 PCM编码，矢量量化 语音识别 用于识别的前端处理 信号处理 其他信号处理功能 信息论 熵计算和符号代码的例程 计算机视觉 3D旋转的例程 打印和显示功能 用于打印和图形的实用程序 语音箱参数和系统接口 获取或设置VOICEBOX和WINDOWS系统参数 效用函数 其他实用功能 音频文件输入/输出

噪音数据 包含由英国荷兰Perception-TNO研究所的语音研究单位（SRU）在项目编号2589-SAM（1990年2月）下在现场测量的不同噪声数据。 下面列出的所有文件参数均为： 持续时间，235秒 采样率，19.98KHz 模数转换器(A/D)，16位 抗混叠滤波器，有 预加重，无 * 白噪声(White Noise)-White.mat * 粉红噪声(Pink Noise)-Pink.mat * 食堂嘈杂人声(Speech Babble)-Babble.mat * 工厂车间噪音1(Factory Floor Noise 1)-Factory1.mat * 工厂车间噪声2(Factory Floor Noise 2)-Factory2.mat * 驾驶舱噪音1(Cockpit Noise 1)-Buccaneer1.mat * 驾驶舱噪音2(Cockpit Noise 2)-Buccaneer2.mat * 驾驶舱噪音3(Cockpit Noise 3)-f16.mat * 高频信道噪声(HF Channel Noise)-hfchannel.mat

Python编程：从入门到实践.pdf Python书籍.

肯塔基大学分布式音频阵列工具箱matlab源码 麦克风阵列是空间分布的麦克风系统，其在感兴趣的区域上相干地收集声学数据。主要应用包括： 声源位置 检测并定位声源，例如说话的人，机器嗡嗡声和来自风障的湍流点。 信噪比增强 通过所有通道上的延迟和求和将所有麦克风聚焦在房间中的特定兴趣点上，从而在感兴趣点处产生相长干涉，并在其他空间产生破坏性（或至少很少建设性）的干扰。位置。 在过去的半个世纪中，已经为阵列处理开发了许多有趣的工作和想法。此工具箱（仍在开发中）是Matlab函数的集合，可用于模拟和处理音频阵列系统收集的数据。这些课程是在肯塔基大学的音频系统实验室开发的。工具箱中程序的贡献者包括： Phil Townsend，ArulKumaran Muthukumarasamy，Satoru Tagawa和Jens Hannemann。 在阵列系统中，相对于麦克风和源的空间几何形状处理信号。因此，除了音频源和接收器的典型时间和频率特征之外，还必须知道位置和空间路径并将其合并到处理中。此工具箱中的Matlab函数具有提供位置信息的矢量和矩阵的标准约定。围绕这些约定开发的函数允许有效地重用，兼容和修改工具箱函数。 以下矩阵和向量约定适用于所有适用的工具箱函数： 与阵列相关联的信号的集合（例如，来自麦克风的数据）以列方式存储在矩阵中，并且行索引对应于随时间采集的样本。较大的行索引对应于更近的时间样本（行索引1是记录的第一个和最旧的样本）。 数组元素（麦克风），源和其他元素在空间中的位置用列向量表示或在矩阵中用列表示，其中每列对应于空间中的对象位置，行对应于x，y和z坐标的位置。如果仅给出2个维度（2行），则算法将在平面（2D）中工作。如果给出一个维度，则算法将沿着一条线工作，这可能适用于诸如端射阵列的校准程序或声音测量速度的应用。 视场（FOV）定义分析或成像的空间限制。FOV限于矩形/立方体尺寸，并且是表示相对角点的坐标的2列矩阵。阵列元素和FOV的坐标必须相对于相同的空间参照系。 上述约定简化了工具箱功能的编程和使用，几乎没有限制。请注意，对数组元素的数量或数组元素的几何形状没有限制。