本篇文章内容为个人学习分享，读代码须知以下
乐理的基本知识，以及十二平均律（波的频率与音高的标准），个人推荐在维基百科中搜索十二平均律表。
在主函数中，将一些简单的乐谱按照节拍，按键，基调，半音改变经行拆解。
然后我个人学习时，以440hz为标准的do依次类推，得到的基础钢琴七键，然后通过改变基础七键得到其他的音高。
因为相邻的音阶是等差的，且音高p = 69 + 12 x log2(f频率/440)，了解更加细致的讲解点击这里
clear;clc
Fs=8192; %sound函数的采样频率
%说明：tone为七节白键，rythm默认为4/4拍，keynote_type为更改基调，
%说明：rythm_change为节拍改变，文中有一部份为3/4拍，Soundzone_change为低中高音设定
%1234567分别对应do,re,mi,fa,so,la,si
tone1=[5,5,6,5,1,7,5,5,6,5,2,...
1,5,5,5,3,1,7,6,4,4,3,1,3,2,5,5,6,5,1,...
7,5,5,6,5,2,1,5,5,5,3,1,7,6];
tone2=[4,4,3,1,2,1,5,5,...
6,5,1,7,5,5,6,5,2,1,5,5,...
5,3,1,7,6,4,4,3,1,3,2,5,5,...
6,5,1,7,5,5,6,5,2,1,5,5,5,3,1,...
7,6,4,4,3,1,2,1];
tone=[tone1,tone2];
rythm1=[0.5,0.5,1,1,1,2,0.5,0.5,1,1,1,...
2,0.5,0.5,1,1,1,1,1,0.5,0.5,1,1,1,2,0.5,0.5,1,1,1,...
2,0.5,0.5,1,1,1,2,0.5,0.5,1,1,1,1,5];
rythm2=[1,1,2,2,2,7,0.5,0.5,...
1.5,1.5,1,3,0.5,0.5,1.5,1.5,1,3,0.5,0.5,...
1.5,1.5,1,1.5,1.5,0.5,0.5,1.5,1.5,1,3,0.5,0.5,...
1.5,1.55,1,3,0.5,0.5,1.5,1.5,1,3,0.5,0.5,1.5,1.5,1,...
1.5,5.5,0.5,0.5,2,2,4,8];
rythm=[rythm1,rythm2];
length1=length(tone1);
length2=length(tone2);
rythm_change_1=ones(1,length1)*3/4/2;
rythm_change_2=ones(1,length2)*1/4;
rythm_change=[rythm_change_1,rythm_change_2];
rythm=rythm.*rythm_change;
y=[];
len=length(tone);
%A调为1，B调为2，C调为3，D调为4，E调为5，F调为6，E调为7；
keynote_type=6;
%3为高音，2为中音，1为低音
Soundzone_change=[1,1,1,1,2,1,1,1,1,1,2,...
2,1,1,2,2,2,1,1,2,2,2,2,2,2,1,1,1,1,2,...
1,1,1,1,1,2,2,1,1,2,2,2,1,1,...
2,2,2,2,2,2,1,1,...
1,1,2,1,1,1,1,1,2,2,1,1,...
2,2,2,1,1,2,2,2,2,2,2,1,1,...
1,1,2,1,1,1,1,1,2,2,1,1,2,2,2,...
1,1,2,2,2,2,2,2];
%3为上升一个全音，2.5为上升一个半音，2为原音，1.5为下调一个半音，1为下调一个全音
up_down=2;
for i=1:1:len
y=[y,get_ware(tone(i),rythm(i),keynote_type,Soundzone_change(i),up_down)];
end
%plot(y)
sound(y,Fs) %按照给定的波，发出声音的函数function y=get_ware(tone, rythm,keynote_type,Soundzone_change,up_down)
%tone为音节，rythm为节拍，keynote_type为当前基调默认为C调，keynote_change为改变基调，up_down为音节升降
%Sound zone_change为改变音区；
Fs=8192;
freqs=[440*2.^(3/12),440*2^(5/12),440*2^(7/12),440*2^(8/12),440*2^(10/12),440*2^(12/12),440*2^(14/12)];%C调中音
freqs=freqs*2.^((keynote_type-3)/12);
freqs=freqs*2.^((Soundzone_change-2)*12/12);
freqs=freqs*2.^((up_down-2)/12);
x=linspace(0,2*pi*rythm,floor(Fs*rythm));
y=(sin(freqs(tone)*x).*(1-(x/(2*pi*rythm))));
end上述的音乐绘制还有一些值得研究的地方，比如说，如何发出同时发出多个音，实现更为复杂的乐曲的演奏，以及如何模拟出钢琴按键轻重不同导致的尾音长短的不同。还有就是在转换乐谱上边，如果有更加智能的方式生成就更加好了，因为基础的演奏的函数其实很简单。
matlab打开matlab，用最简单的imread方法读取一个图像clcclearimg_h=imread('hua.jpg');返回一个数组（矩阵），往往是a*b*cunit8类型解释一下这个三维数组的意思，行数、数和层数，unit8：指数据类型，无符号八位整形，可理解为0~2^8的数三个层数分别代表RGB三个通道图像rgb最常用的是24-位实现方法，即RGB每个通道有256色阶（2^8）。基于这样的24-位RGB模型的色彩空间可以表现256×256×256≈1670万色当imshow传入了一个二维数组，它将以灰度方式绘制；可以把图像拆分为rgb三层，可以以灰度的方式观察它figure(1
目录前言滤波电路科普主要分类实际情况单位的概念常用评价参数函数型滤波器简单分析滤波电路构成低通滤波器RC低通滤波器RL低通滤波器高通滤波器RC高通滤波器RL高通滤波器部分摘自《LC滤波器设计与制作》，侵权删。前言最近需要学习放大电路和滤波电路，但是由于只在之前做音乐频谱分析仪的时候简单了解过一点点运放，所以也是相当从零开始学习了。滤波电路科普主要分类滤波器：主要是从不同频率的成分中提取出特定频率的信号。有源滤波器：由RC元件与运算放大器组成的滤波器。可滤除某一次或多次谐波，最普通易于采用的无源滤波器结构是将电感与电容串联，可对主要次谐波（3、5、7）构成低阻抗旁路。无源滤波器：无源滤波器，又称
最近在学习CAN，记录一下，也供大家参考交流。推荐几个我觉得很好的CAN学习，本文也是在看了他们的好文之后做的笔记首先是瑞萨的CAN入门，真的通透；秀！靠这篇我竟然2天理解了CAN协议！实战STM32F4CAN！原文链接：https://blog.csdn.net/XiaoXiaoPengBo/article/details/116206252CAN详解（小白教程）原文链接：https://blog.csdn.net/xwwwj/article/details/105372234一篇易懂的CAN通讯协议指南1一篇易懂的CAN通讯协议指南1-知乎(zhihu.com)视频推荐CAN总线个人知识总
MIMO技术的优缺点优点通过下面三个增益来总体概括：阵列增益。阵列增益是指由于接收机通过对接收信号的相干合并而活得的平均SNR的提高。在发射机不知道信道信息的情况下，MIMO系统可以获得的阵列增益与接收天线数成正比复用增益。在采用空间复用方案的MIMO系统中，可以获得复用增益，即信道容量成倍增加。信道容量的增加与min(Nt,Nr)成正比分集增益。在采用空间分集方案的MIMO系统中，可以获得分集增益，即可靠性性能的改善。分集增益用独立衰落支路数来描述，即分集指数。在使用了空时编码的MIMO系统中，由于接收天线或发射天线之间的间距较远，可认为它们各自的大尺度衰落是相互独立的，因此分布式MIMO
深度学习部署：Windows安装pycocotools报错解决方法1.pycocotools库的简介2.pycocotools安装的坑3.解决办法更多Ai资讯：公主号AiCharm本系列是作者在跑一些深度学习实例时，遇到的各种各样的问题及解决办法，希望能够帮助到大家。ERROR:Commanderroredoutwithexitstatus1:'D:\Anaconda3\python.exe'-u-c'importsys,setuptools,tokenize;sys.argv[0]='"'"'C:\\Users\\46653\\AppData\\Local\\Temp\\pip-instal
我完全不是程序员，正在学习使用Ruby和Rails框架进行编程。我目前正在使用Ruby1.8.7和Rails3.0.3，但我想知道我是否应该升级到Ruby1.9，因为我真的没有任何升级的“遗留”成本。缺点是什么？我是否会遇到与普通gem的兼容性问题，或者甚至其他我不太了解甚至无法预料的问题？ 最佳答案 你应该升级。不要坚持从1.8.7开始。如果您发现不支持1.9.2的gem，请避免使用它们(因为它们很可能不被维护)。如果您对gem是否兼容1.9.2有任何疑问，您可以在以下位置查看:http://www.railsplugins.or
如何学习ruby的正则表达式？(对于假人) 最佳答案 http://www.rubular.com/在Ruby中使用正则表达式时是一个很棒的工具，因为它可以立即将结果可视化。 关于ruby-我如何学习ruby的正则表达式？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/1881231/
深度学习12.CNN经典网络VGG16一、简介1.VGG来源2.VGG分类3.不同模型的参数数量4.3x3卷积核的好处5.关于学习率调度6.批归一化二、VGG16层分析1.层划分2.参数展开过程图解3.参数传递示例4.VGG16各层参数数量三、代码分析1.VGG16模型定义2.训练3.测试一、简介1.VGG来源VGG（VisualGeometryGroup）是一个视觉几何组在2014年提出的深度卷积神经网络架构。VGG在2014年ImageNet图像分类竞赛亚军，定位竞赛冠军；VGG网络采用连续的小卷积核（3x3）和池化层构建深度神经网络，网络深度可以达到16层或19层，其中VGG16和VGG
文章目录1、自相关函数ACF2、偏自相关函数PACF3、ARIMA(p,d,q)的阶数判断4、代码实现1、引入所需依赖2、数据读取与处理3、一阶差分与绘图4、ACF5、PACF1、自相关函数ACF自相关函数反映了同一序列在不同时序的取值之间的相关性。公式：ACF(k)=ρk=Cov(yt,yt−k)Var(yt)ACF(k)=\rho_{k}=\frac{Cov(y_{t},y_{t-k})}{Var(y_{t})}ACF(k)=ρk=Var(yt)Cov(yt,yt−k)其中分子用于求协方差矩阵，分母用于计算样本方差。求出的ACF值为[-1,1]。但对于一个平稳的AR模型，求出其滞
目录0专栏介绍1平面2R机器人概述2运动学建模2.1正运动学模型2.2逆运动学模型2.3机器人运动学仿真3动力学建模3.1计算动能3.2势能计算与动力学方程3.3动力学仿真0专栏介绍?附C++/Python/Matlab全套代码?课程设计、毕业设计、创新竞赛必备！详细介绍全局规划(图搜索、采样法、智能算法等)；局部规划(DWA、APF等)；曲线优化(贝塞尔曲线、B样条曲线等)。?详情：图解自动驾驶中的运动规划(MotionPlanning)，附几十种规划算法1平面2R机器人概述如图1所示为本文的研究本体——平面2R机器人。对参数进行如下定义：机器人广义坐标