Repository navigation
Module_SignalProcessing_zh
该模块提供了丰富的信号处理功能，涵盖了音效处理、特征提取、滤波、傅里叶变换、常用操作、信号定义与操作、变换操作和窗函数等多个方面，适用于各种信号处理需求。
0.9 迁移提示：时域实信号请优先使用
Signal（Vorcyc.Mathematics.SignalProcessing.Signals）。滤波、变换、调制、特征提取、音效等子模块均已提供Signal重载；旧版DiscreteSignalAPI 仍可用但已[Obsolete]。操作与扩展方法见 Signals 与 Operations。
0.10.1 重组：傅立叶家族已统一归入
Vorcyc.Mathematics.SignalProcessing.Fourier——Fft、Fft64、RealFft、RealFft64、Stft以及共享的FftButterflyFp32/FftButterflyFp64SIMD/并行内核现均位于该命名空间。RealOnlyFFT_Fp32已移除，请改用RealFft（或需要完整复数 I/O 时使用Fft）。详见 傅立叶变换。
0.10.7： 模态分解（EMD / EEMD / CEEMDAN / VMD / … / HHT）位于
Transforms.ModeDecomposition；见 变换操作。0.10.18： 泛型门面
Fft<T>/RealFft<T>/HilbertTransform<T>；模态分解样本缓冲留在T；滤波核与 FDA 留在T（IirFilter<T>/FirFilter<T>/ZiFilter<T>/TransferFunction<T>/DesignFilter.*<T>/ BiQuad / OnePole / 模拟原型）。0.10.19：
Convolver<T>/OlaBlockConvolver<T>/OlsBlockConvolver<T>/ComplexConvolver<T>与Operation.Convolve<T>/CrossCorrelate<T>/BlockConvolve<T>让 FFT conv / xcorr / 块卷积 / 复数路径留在T。现有 float 类型不动（OLA/OLS 的IEnumerable<double>旧构造函数仍会窄化）。0.10.20：
TransferFunction.ZpToTf/TransferFunction<T>.ZpToTf对空或 null 零点/极点返回恒等多项式[1]。new TransferFunction([], poles, gain)（全极点）不再抛IndexOutOfRangeException。
本模块的所有类型均的根命名空间为：Vorcyc.Mathematics.SignalProcessing
📒 分成如下几个大类别：
-
- 🔖 ArrayExtension class
- 🔖 BaseConverter class
- 🔖 BitMathExtension class
- 🔖 Combinatorics class
- 🔖 ConstantsFp32 class
- 🔖 NumberMapper class
- 🔖 PinnableArray<T> class
- 🔖 SimpleRNG_Fp32 and SimpleRNG_Fp64 classes
- 🔖 TrigonometryHelper class
- 🔖 VMath class
- 🔖 Pinned buffers (Buffers)
- 🔖 IPinnedBuffer<T> interface
- 🔖 POHBuffer<T> class
- 🔖 NativeBuffer<T> class
-
- 🔖 0.9 classifier walkthrough
- 🔖 KNN<T> class
- 🔖 MultipleLinearRegression<T> class
- 🔖 SimpleLinearRegression<T> class
- 🔖 SupportVectorMachine<TSelf> class
- 🔖 DBSCAN<T> class
- 🔖 ExpectationMaximization<T> class
- 🔖 GMM<T> class
- 🔖 HierarchicalClustering<T> class
- 🔖 KMeansClusterer<T> class
- 🔖 VectorQuantization<T> class
- 🔖 FactorAnalysis<T> class
- 🔖 PCA<TSelf> class
- 🔖 TSNE<T> class
- 🔖 Distance metric classes
-
📒 Examples
-
📒 GPU 策略说明
- 🔖 为何放弃主包 GPU
- 🔖 当前性能路径
- 🔖 若仍需要更强算力
-
📒 计算上下文模块
-
📒 核心模块
-
📒 深度学习模块
-
📒 线性代数模块
-
📒 机器学习模块
- 🔖 0.9 分类器完整示例
- 🔖 KNN<T> 类
- 🔖 MultipleLinearRegression<T> 类
- 🔖 SimpleLinearRegression<T> 类
- 🔖 SupportVectorMachine<TSelf> 类
- 🔖 DBSCAN<T> 类
- 🔖 ExpectationMaximization<T> 类
- 🔖 GMM<T> 类
- 🔖 HierarchicalClustering<T> 类
- 🔖 KMeansClusterer<T> 类
- 🔖 VectorQuantization<T> 类
- 🔖 FactorAnalysis<T> 类
- 🔖 PCA<TSelf> 类
- 🔖 TSNE<T> 类
- 🔖 距离度量类
-
📒 信号处理模块
-
📒 数值模块
-
📒 统计模块
- 🔖 基础统计函数
- 🔖 高级统计函数
- 🔖 稳健统计 / RunningMoments
- 🔖 其它统计函数
- 🔖 分布相关函数
- 🔖 时间序列分析
- 🔖 IComparable 扩展
- 🔖 ExtremeValueFinder
- 🔖 INumber 扩展
-
📒 FFTW 扩展
-
📒 示例