Энгельс 16.08.2011. Преобразование Фурье имеет огромное значение для различных математических приложений и широко применяется в науке и технике. Очень часто приходится иметь дело с дискретным набором данных f(xi), вследствие чего был разработан так называемый спектральный анализ при помощи дискретного преобразования Фурье (ДПФ). Но в большинстве случаев скорость расчета ДПФ, оставляет желать лучшего, и для него был разработан очень эффективный алгоритм, называемый БПФ (быстрое преобразование Фурье). На самом деле алгоритмов БПФ достаточно много, мы в данной работе рассмотрим лишь один из них, а именно БПФ по основанию два с прореживанием по времени. Основными задачами данной работы являются: 1. Рассмотреть такие понятия как: Преобразования Фурье Дискретное преобразование Фурье Быстрое преобразование Фурье 2. Реализовать на языке Free Pascal алгоритм ДПФ. 3. Рассмотреть алгоритм БПФ по основанию 2 с прореживанием по времени (вывод БПФ из ДПФ). 4. Реализовать на языке Free Pascal алгоритм БПФ по основанию 2 с прореживанием по времени. 5. Провести оптимизацию при помощи встроенного ассемблера языка Free Pascal. 6. Разработать программу для построения спектра звуковых файлов в формате WAV PCM Mono 16 bit per sample.
Чтобы скачать этот файл зарегистрируйтесь и/или войдите на сайт используя форму сверху.
Выходные данные отсутствуют. В архиве подробно разобранные алгоритмы реализации быстрого преобразования Фурье, и дискретного преобразования Хартли, к объяснению прилагается исходный код на C++ с объяснениями. Примечание. Преобразование Хартли — это ещё один способ анализа заданной функции посредством синусоид. Отличие между ним и преобразованием Фурье довольно простое. В то...
Перевод с английского. — СПб: БХВ-Петербург, 2017. — 336 с. — ISBN 978-5-9775-3758-2. Книга позволяет изучить науку о данных (Data Science) и применить полученные знания на практике. Она написана так, что способствует погружению в Data Science аналитика, фактически не обладающего глубокими знаниями в этой прикладной дисциплине. В объёмах, достаточных для начала работы в области...
3-е изд. — СПб.: Питер, 2014. — 416 с.: ил. — ISBN 9785459003147, 9781435455009. Эта книга - идеальное пособие для начинающих изучать Python. Руководство, написанное опытным разработчиком и преподавателем, научит фундаментальным принципам программирования на примере создания простых игр. Вы приобретете необходимые навыки для разработки приложений на Python и узнаете, как их...
М.: O’Reilly Media, 2017. — 392 с. Машинное обучение стало неотъемлемой частью различных коммерческих и исследовательских проектов, однако эта область не является прерогативой больших компаний с мощными аналитическими командами. Даже если вы еще новичок в использовании Python, эта книга познакомит вас с практическими способами построения систем машинного обучения. При всем...
2-е изд. — М.: Вильямс, 2007. — 1410 с. — ISBN 5-8459-0887-2, 0-13-790395-2, 978-5-8459-0887-2. В книге представлены все современные достижения и изложены идеи, которые были сформулированы в исследованиях, проводившихся в течение последних пятидесяти лет, а также собраны на протяжении двух тысячелетий в областях знаний, ставших стимулом к развитию искусственного интеллекта как...
СПб.: Альфа-книга, 2017. — 274 с. — ISBN: 9785990944572. Эта книга представляет собой введение в теорию и практику создания нейронных сетей. Она предназначена для тех, кто хочет узнать, что такое нейронные сети, где они применяются и как самому создать такую сеть, не имея опыта работы в данной области. Автор простым и понятным языком объясняет теоретические аспекты, знание...