心理声学

本项目受Fabien Petitcolas模型1演示的启发(http://www.petitcolas.net/fabien/software/mpeg/)，展示MPEG音频心理模型2的MATLAB开发。

声音文件的声学结构处理

在这个项目中，开发并实现了一个名为AKUZOFT的计算机应用程序，模拟声学问题中的声音传输损失。AKUZOFT使用MATLAB编写，提供了用户友好的图形界面。它包含三个核心模块：WALLS用于设计和计算建筑物面板和隔板的声音传输损失；MUFFLERS用于设计和计算反应式消声器如简单膨胀室的传输损失，具备同心管谐振器；SPLITTER模块用于设计和计算分流消声器的传输损失，包括由于平均流量而产生的压力损失。所有模块的预测值已通过实验和数值验证。

MATLAB开发的声学球阵列处理工具库涵盖了球形传声器阵列处理、波束形成、DOA估计和声场分析。

Matlab中使用CUDA加速的并行FDTD求解器，专为室内声学建模而设计。此求解器经过Boost Libraries 1.53.0和1.55.0测试，支持CUDA 5.0，适用于计算能力3.0。使用Freeglut和GLEW进行图形渲染。代码通过cmake编译，包括可执行文件和静态库，还提供了boost::python动态库，使得求解器可以作为Python模块使用。预编译的Mex文件和Matlab函数可在Ubuntu 12.04 LTS上直接运行，Windows 7下亦可使用，尽管存在一些配置问题。

MATLAB/Psychtoolbox 3的实验模板专为加速心理物理学实验的开发而设计。它涵盖了加载试验列表、数据读取、指令提供、试验遍历、结果表生成和保存等常见任务。此外，还提供了不同空间参考系和单位之间的转换接口，以支持刺激说明和Psychtoolbox绘图功能（例如毫米、视角和像素）。用户可以通过在GitHub上创建新项目并使用此模板来开始新实验。

随着大数据技术的快速发展，Spark作为重要的计算框架，其核心概念及源码分析愈发受到关注。

在声学信号处理中，有多种频带加权方法，例如A计权和C计权等。使用MATLAB对这些方法进行了实现和比较。通过对不同加权方式的分析和对比，可以更好地理解它们在声学工程中的应用和效果。

MATLAB精度验证代码Aero_ML：这个机器学习项目从Cal State Fullerton的无声风洞获取原始音频数据，并使用2个麦克风输入训练机器学习模型，评估7个波束成形麦克风的性能。该项目在MATLAB中依赖音频工具箱、深度学习工具箱、并行计算工具箱和信号处理工具箱。未来计划包括将代码转移到Python并使用Tensorflow后端的Keras，并进一步提高模型准确性。总体而言，这个研究生项目集成了3个主要方面：测试部分的翻新与永久性基准的添加、消声设置的增强，以及验证测试数据的收集和LSTM或BiLSTM模型的训练。

正弦信号的MATLAB代码，与Seatrix 水下调制解调器 相关。如果您需要商业 水下声学调制解调器，请联系info@seatri。设备参数：深度2000m，重量15公斤，电源400W·Hr可充电电池，声波特率100-2400bps，支持数据冗余和卷积编码的多径保护周期选择，MFSK调制方案。数年前，我参与了一个开发数据手套系统的项目，该系统能够将安装在手套上的运动传感器转换为计算机数据并进行无线传输，帮助聋人说话。经过近两年的无线嵌入式系统开发，我们相信能够构建完整的水下调制解调器系统。针对硬件选择，我寻找了适合的工具，BeMicro电路板以低价格（$50）和丰富的I/O接口满足需求，开发过程顺畅。