【信号处理】基础

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

信息熵
确实傻子都能看懂，比如我
信息熵用于表示随机变量不确定性，即信息熵越大则变量的不确定性越大，即包含的信息量越大

相对熵
相对熵又成为KL散度、KL距离，常常在图像和音频中描述两个分布的差距。用于描述q(x)对于p(x)的拟合程度、如果两个分布差异越大，那么相对熵越大
如果当预测的q(x)和真实p(x)完全相同，那么KL散度的值为0

KL散度有个致命的问题，那就是当两个分布差距过于大的时候，此时KL散度没有意义了，因为太大了。

---

好累，频率分辨率的

为什么要补零

时域补零相当于频域插值
1.补零可以增加频率分辨率
2.防止频谱泄露

频率分辨率

栅栏效应

相对于连续的频谱曲线我们只能观察到一系列离散点值

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。