Month: September 2022

本笔记写于2023-05-21，捞老旧笔记捞出来的。

stanford课程：Signal Processing for Machine Learning
补充一些复数运算的小技巧
三角函数的补充内容

多普勒效应；救护车多普勒效应的R/python代码音频生成：

多普勒效应
介绍
R语言版本
Python版本（chatgpt）
音频文件

今天从哪里开始？
总结主要内容
信号与系统：采样定理（根本没学进去）
人耳听觉频率和声音信号频率的关系
频率随时间变化的信号
Chirp/啁啾信号
Vibrato/颤音
失败的Vibrato音频：越来越高的频率

所谓“改进的Forward-backward Algorithm”
生成模型和判别模型的区别
Forward和forward-backward之间是否有“准确度”的可比性
为什么covariance使用n-1

有关audiolabs的audio matching项目代码，以及实际使用效果（对应那本《Fundamentals of music processing》的第7章）

（鸽了）昨天（2022-09-04）的笔记里用跳跃的方法搞完了4个信号变换的基本公式（周期连续、周期离散、非周期连续、非周期离散），现在开始查漏补缺：阅ASPMA的slide（week1和week2），看看哪些东西能用公式进行推导。

今天从哪里开始？
非周期离散信号的傅里叶变换
离散时间周期信号的傅里叶级数表示
周期离散信号的例题
非周期离散信号的一些总结和例题
「周期、非周期、离散、连续」4组公式的总结
计算机程式的DFT分析

就一个内容：对2022-08-31（从向量内积理解傅里叶级数）内容的补充。
向量内积包含∞符号，但连续周期信号的傅里叶变换只有符号T，所以我们要正确理解向量内积公式。

今天从哪里开始？
（没完全学明白）（非周期信号）连续时间傅里叶变换
笔记1：对非周期信号的一些想法
对包络的理解
一些临时的结论
一些例题
非周期连续信号的傅里叶变换
周期信号的傅里叶级数