利用MATLAB软件,对时域正弦信号经FFT变换后的频谱误差进行了仿真分析。通过分析时域信号中初相位和采样频率对FFT频谱的影响,针对不同初相位与非整周期采样引起的幅值误差,给出其变化规律和改善方法;探讨了采样频率对频谱的峰值频率和幅值的影响,提出针对峰值频率谱线,采用提高采样频率的方法减小幅值误差。

Poisson-Disc-Sampling：用于N维Poisson-Disc采样的Matlab脚本。 这也可以用于从N维空间中随机采样k个点，且点之间的最小分隔距离

在微机保护中,傅氏算法和微分算法都是常用的算法,随着采样频率的提高,微机保护对算法的速度和精度有着更高的要求。通过MATLAB对各算法进行仿真比较,发现采样频率较高的半波傅氏算法有着良好的精度和速度,可替代采样频率较低的全波傅氏算法和微分算法。

stm32_ADC多通道采样 用多通道对数据进行采集

基于非下采样剪切波变换的医学图像边缘融合算法研究

给出了采样定理及其理论推导过程，并详细说明如何利用simulink进行仿真实验验证（含实验验证源代码）

实验二 时域采样与频域采样 一 实验目的 1 掌握时域连续信号经理想采样前后的频谱变化加深对时域采样定理的理解 2 理解频率域采样定理掌握频率域采样点数的选取原则 二 实验原理 1 时域采样定理 对模拟信号x (t) 以 T 进行时域等间隔采样形成的采样信号的频谱X (j ) a a 2 会以采样角频率 ( ) 为周期进行周期延拓公式为 s s T 1 X (j ) F T[x (t)] X (

Matlab中dither的实现代码巢穴 贝叶斯证据计算的嵌套采样算法的 Python 实现。 该存储库是 Matthew Pitkin 和 Joe Romano 的基于 MATLAB 的 matlabmultinest 代码的一个端口，部分基于 Issac Trotts 的“mininest.py”代码，可在 John Skilling 的网站上找到。 这段代码的目的是重现matlabmultinest代码中作为例子给出的频率模型的贝叶斯证据计算。 这里的例程是用 Python 编写的，应该接受先验密度和似然函数作为参数，并且要求从先验密度生成样本的函数也作为参数传递。 PyNest.nested_sampler 函数应该通过使用差分进化（最初由 Storn 和 Price）生成建议，然后使用 Metropolis-Hastings 规则接受或拒绝这些建议，从而执行带有容差计算的嵌套采样。 这种类型的算法生成可逆马尔可夫链，以便从先验生成一些独立的样本，这取决于采取多少步骤来允许链忘记其起点。 最后，基于现有样本群中最低似然样本设置的硬截断值来接受或拒绝样本。 我对 matlabmu

为数字信号处理学生提供带有MATLAB代码的Simulink模型，以帮助他们理解模拟信号的采样和重构。 学生可以通过以不同的采样间隔对信号进行采样来分析时间和频率图。 您还可以分析量化级别对模数转换的影响。

定时采集电位器电压，并用数码管显示，带报警