clear all; close all; % 生成随机信号a(t) fs = 1000; % 采样率 t = 0:1/fs:1; % 时间向量 a = randn(size(t)); % 随机信号 % 计算bI(t)和bQ(t) bI = zeros(size(a)); bQ = zeros(size(a)); for i = 1:length(a)-1 if a(i) >= 0 bI(i) = 1; else bI(i) = -1; end if mod(i,2) == 0 bQ(i) = bI(i-1); else bQ(i) = bI(i+1); end end % 计算I(t)和Q(t) I = bI .* cos(pi*t); Q = bQ .* sin(pi*t); % 计算sMSK(t) sMSK = zeros(size(a)); for i = 1:length(a) if bI(i) == 1 && bQ(i) == 1 sMSK(i) = cos(pi*t(i)); elseif bI(i) == 1 && bQ(i) == -1 sMSK(i) = sin(pi*t(i)); elseif bI(i) == -1 && bQ(i) == -1 sMSK(i) = -cos(pi*t(i)); else sMSK(i) = -sin(pi*t(i)); end end % 画图 figure; subplot(6,1,1); plot(t,a,'b'); title('a(t)'); subplot(6,1,2); plot(t,bI,'r'); title('bI(t)'); subplot(6,1,3); plot(t,bQ,'g'); title('bQ(t)'); subplot(6,1,4); plot(t,I,'m'); title('I(t)'); subplot(6,1,5); plot(t,Q,'k'); title('Q(t)'); subplot(6,1,6); plot(t,sMSK,'c'); title('sMSK(t)'); xlabel('时间'); ylabel('幅度'); grid on;分析代码

clc;clear;close all %% load matlab.mat Fs = 1000; fs = 1000; for i = 1:12 x = signal(:,i); t = (0:length(x)-1)/fs; %% 小波变换提取基线 w='sym8'; thr_met='s'; Fc = 2; % 设置的截止频率 lev = ceil(log2(Fs/Fc)); BL = wden(x,'heursure',thr_met,'one',lev, w); x1 = x-BL; X1(:,i) = x1; %% 利用butterworth滤波器去除工频干扰 Fpass1 = 45; % First Passband Frequency Fstop1 = 48; % First Stopband Frequency Fstop2 = 52; % Second Stopband Frequency Fpass2 = 55; % Second Passband Frequency Apass1 = 0.1; % First Passband Ripple (dB) Astop = 30; % Stopband Attenuation (dB) Apass2 = 0.1; % Second Passband Ripple (dB) match = 'stopband'; % Band to match exactly % Construct an FDESIGN object and call its BUTTER method. h = fdesign.bandstop(Fpass1, Fstop1, Fstop2, Fpass2, Apass1, Astop, ... Apass2, Fs); Hd = design(h, 'butter', 'MatchExactly', match); % butterworth滤波器 x2 = filter(Hd,x1); X2(:,i) = x2; %% 利用chebyII滤波器去除肌电 Fs = 1000; % Sampling Frequency Fpass = 5; % Passband Frequency Fstop = 10; % Stopband Frequency Apass = 1; % Passband Ripple (dB) Astop = 80; % Stopband Attenuation (dB) match = 'stopband'; % Band to match exactly % Construct an FDESIGN object and call its CHEBY2 method. h = fdesign.lowpass(Fpass, Fstop, Apass, Astop, Fs); Hd = design(h, 'cheby2', 'MatchExactly', match); x3 = filter(Hd,x2); xc = x2-x3; X3(:,i) = xc; end figure; for i = 1:12 subplot(12,1,i); plot(t,signal(:,i)); end figure; for i = 1:12 subplot(12,1,i); plot(t,X1(:,i)); end

1. 读取原始心电信号数据 signal，并设置采样率 fs。 2. 对每个导联的信号进行小波变换，提取基线漂移，并将其从原信号中减去。 3. 利用 butterworth 滤波器去除工频干扰，设置带阻滤波器的截止频率和带宽等参数。...

clc;clear all;close all;% 设置参数Fs = 8000;Fc = 2400;Tb = 0.001;N = 8;L = 4;% 生成随机比特序列data = randi([0 1], [1 NL]);% 串并转换data_matrix = reshape(data, [N, L]);% 符号映射symbols_matrix = 2data_matrix - 1;% I-Q 平衡symbols_matrix = symbols_matrix/sqrt(2);% 带通滤波器n = 0:1/Fs:(TbN-1/Fs);filter = sin(pin/Tb).sqrt(2/Tb).cos(2piFcn);signal = reshape(filterreshape(symbols_matrix, [NL, 1]), [1, NTbFs]);% 加入高斯白噪声snr_db = 10;snr_lin = 10^(snr_db/10);P_signal = mean(abs(signal).^2);P_noise = P_signal/snr_lin;noise = sqrt(P_noise/2)(randn(1, NTbFs) + 1irandn(1, NTbFs));signal_noise = signal + noise;% 解调器demod_filter = fliplr(filter);demod_signal = conv(signal_noise, demod_filter);% 采样sampled_signal = demod_signal(FsTb/2:FbTb:NTbFs);% 决策器decoded_signal = sampled_signal > 0;% 比特错误率计算BER = sum(xor(decoded_signal, data))/(NL)% 显示结果figure();subplot(2, 1, 1);plot(real(signal_noise));title('Baseband signal with noise');subplot(2, 1, 2);plot(decoded_signal);title('Decoded signal');对这些代码进行改进

assert(mod(Fs, Fc) == 0, 'Fs must be a multiple of Fc'); 这将确保 N*L 是偶数，Fs 是 Fc 的倍数。 4. 添加可调参数为了使代码更加灵活，可以将一些参数设置为可调参数，例如 snr_db 和 Fc。...

解释matlab中的代码：%% %三清，消除干扰 clc; clear; close all; [y0,Fs] = audioread('yxp.m4a'); % 读取音频'yxp.m4a'中的音频数据y0和采样率Fs a = audioread('yxp.m4a'); N = length(y0); T=1/Fs;%计算采样周期 t=(0:N-1)*T;%将采样点长度转化为时间 figure h = animatedline('Color',[1 .1 .1]);% ,'MaximumNumPoints',100000 axis([0 8 -1 1]) x = linspace(0,(N-1)/Fs,N); for k = 1:5:N y = y0; addpoints(h,x(k),a(k)) drawnow limitrate end

读取名为 yxp.m4a 的音频文件，其中 y0 是音频数据，Fs 是采样率。然后，定义变量 a 用于存储读取的音频数据，N 表示采样点的数量，T 是采样周期，t 是将采样点长度转换为时间后的时间序列。接...

优化以下代码 close all; clear all; f1=40000;f2=10000;f3=20000; %信号频率 F0=1e6; %采样频率 T0=1/F0; %采样间隔 t=0:T0:10; %设置时间区间和步长 xa=sin(2pif1t)+sin(2pif2t)+sin(2pif3t); %原信号 %信号曲线图 figure; plot(t,xa); axis([0 0.0002 -3 3]) title('原信号'); Fs=1e5; % 抽样率大于最大频率二倍 T=1/Fs; %采样间隔 N=1000; %采样点个数 n=(0:(N-1))T; tn=0:T:10; xn=sin(2pif1n)+sin(2pif2n)+sin(2pif3n); figure; subplot(211); stem(n,xn,'filled'); %抽样信号曲线图 axis([0 0.0002 -3 3]); title('取样信号'); subplot(212); xn_f=fft(xn); %xn_f=fftshift(fft(xn)); %傅里叶变换 f_xn=(0:length(xn_f)-1)Fs/length(xn_f); plot(f_xn,abs(xn_f)); title('取样信号频谱'); %内插恢复原信号 t1=0:1000-T; TN=ones(length(t1),1)n-t1'T*ones(1,length(n)); y=xnsinc(2piFsTN); figure; subplot(211); plot(t1,y); axis([0 20 -3 3]); subplot(212); y_f=fft(y); %傅里叶变换 f_y=(0:length(y_f)-1)Fs/length(y_f); plot(f_y,abs(y_f)); low_filter=hanming_low; x2=filter(low_filter,y); figure; subplot(211); plot(x2); axis([0 100 -1 1]); subplot(212); x2_f=fft(x2); %傅里叶变换 f_x2=(0:length(x2_f)-1)Fs/length(x2_f); plot(f_x2,abs(x2_f)); title('10KHz'); high_filter=hanming_high; x1=filter(high_filter,y); figure; subplot(211); plot(x1); axis([0 100 -1 1]); subplot(212); x1_f=fft(x1); %傅里叶变换 f_x1=(0:length(x1_f)-1)Fs/length(x1_f); plot(f_x1,abs(x1_f)); title('40KHz'); band_filter=hanming_band; x3=filter(band_filter,y); figure; subplot(211); plot(x3); axis([0 100 -1 1]); subplot(212); x3_f=fft(x3); %傅里叶变换 f_x3=(0:length(x3_f)-1)Fs/length(x3_f); plot(f_x3,abs(x3_f)); title('20KHz');

t = 0:1/Fs:10; % 原信号 xa = sin(2*pi*f1*t) + sin(2*pi*f2*t) + sin(2*pi*f3*t); % 信号曲线图 figure; plot(t, xa); axis([0 0.0002 -3 3]) title('原信号'); % 抽样点数 N = 1000; % 抽样信号 n = 0:N-1...

clc clear all close all % 设置声源位置和声压数据 source = [1, 1, 1]; % 声源位置 p0 = 1; % 声源声压 c = 343; % 声速 fs = 359; % 采样率 t = (0:1/fs:1); % 时间序列 f = 1000; % 信号频率 s = p0sin(2pift); % 信号 % 设置阵列参数 N = 11; % 阵列行列数 M = NN; % 阵列元素数量 d = 0.05; % 阵列元素间距 % 生成平面阵列坐标 [x,y] = meshgrid(-(N-1)/2:(N-1)/2,-(N-1)/2:(N-1)/2); z = zeros(size(x)); pos = [x(:),y(:),z(:)]; pos = posd; figure(1) plot(pos(:,1),pos(:,2),'r'); title('麦克风阵列') % 计算到声源的距离和相位 r = sqrt(sum(bsxfun(@minus,pos,source).^2,2)); phi = exp(-1i2pirf/c); % 添加噪声 noise = 0.1randn(size(s)); piont = s+noise; % 进行波束形成 w = ones(M,1)/M; pppp=diag(phi) y = (w.'diag(phi)).'piont; % 绘制波束图 theta = linspace(-pi,pi,360); p = zeros(size(theta)); for i = 1:length(theta) w = exp(-1i2pircos(theta(i))/c); p(i) = abs(w.'*y).^2; end p = p/max(p); figure; polarplot(theta,p);有什么错误

1. 变量名拼写不一致：有些地方使用了“piont”，应该改为“point”。 2. 波束形成的权重向量w没有进行归一化。可以将w除以其模长，使其成为单位向量。 3. 绘制波束图时，theta的取值范围似乎有误。应该将其调整为...

clc; clear all; close all; load 'x412.mat' n=4344; fs = 10000; t = 0:1/fs:(n-1)/fs; y1=icasig(1,:); MM.f=y1'; MM.tau = 0; MM.DC = 0; MM.init = 1; MM.tol = 1e-7; % figure(2) % plot(y_f1,cc1,'b','LineWIdth',1.5); % xlabel('棰戠巼/Hz'); % ylabel(['骞呭??',num2str(i)]); Run_no=1; % Number of independent runs Particles_no=20; % Number of particles Max_iter=10; % Maximum number of iterations lb=[2,500]; ub=[10,2000]; dim=2;

接着，定义了一些变量，包括n（数据点数）、fs（采样率）、t（时间序列）、y1（经过独立成分分析后得到的第一行数据）、MM（一个结构体，包含了一些参数）等。其中，MM结构体中的f字段为y1的转置，表示f为y1的列...

帮我分析这段代码“clc;clear;close all % 读入语音文件并测定语音的长度 waveFile='C:\Users\DELL\Desktop\YP8.wav '; [y, fs] = audioread(waveFile); %sound(y); % 截取有效语音信号分帧 time1=1:length(y); %画图横坐标 time=(1:length(y))/fs; frameSize=floor(50fs/1000); % 帧长 %startIndex=round(5000);% 浊音起始序号 startIndex=round(6500); % 浊音起始序号 %startIndex=round(35000); % 清音起始序号 endIndex=startIndex+frameSize-1; % 结束序号 frame = y(startIndex:endIndex); % 取出该帧 % 通过海明窗处理并求出倒谱 frameSize=length(frame); frame2=frame.hamming(length(frame)); % 加 hamming window rwy= rceps(frame2); % 求倒谱 ylen=length(rwy); cepstrum=rwy(1:ylen/2); %去除对称部分 for i=1:ylen/2 cepstrum1(i)=rwy(ylen/2+1-i); end for i=(ylen/2+1):ylen cepstrum1(i)=rwy(i+1-ylen/2); end”

：读入语音文件，返回语音信号 y 和采样率 fs。 4. time1=1:length(y);：设置画图横坐标。 5. time=(1:length(y))/fs;：将横坐标转换为时间。 6. frameSize=floor(50*fs/1000);：计算帧长，这里设置为...

1.close all; clear all; clc; 2.coe =[0 254 35 166 90 221 2 0]; %滤波器系数 3. 4.len = length(coe); % 滤波器阶数 5.Fs=80000; % 采样率 6.T=0.015; % 时间 7.dt=1.0/Fs; % 时间刻度 8.N=T/dt; % 点数 9.t=linspace(0,T,N); % 时间向量 10.x = sin(2pi500t); % 输入信号,500KHz 11.y = sin(2pi13000t); % 输入信号,13000Hz 12.z=x+y; 13.outputY = conv(z,coe)/(2^len); % 输出信号 14. 15.subplot(211) 16.plot(t,z); 17.subplot(212) 18.plot(outputY)

4. 第5-9行：定义了采样率Fs、时间长度T、时间刻度dt、采样点数N和时间向量t。 5. 第10-11行：定义了两个输入信号x和y，分别为500KHz和13000Hz的正弦波信号。 6. 第12行：将两个输入信号相加得到混合信号z。 7. ...

请分析解释一下这段程序，%实验要求二：DCT系数的计算与并恢复 clear all; clc; close all; f=50; % 信号频率 fs=1000; % 采样频率 N=1000; % 样点总数 n=0:N-1; xn=cos(2pifn/fs); % 构成余弦序列 y=dct(xn) ; % 离散余弦变换 num=find(abs(y)<5); % 寻找余弦变换后幅值小于5的区间 y(num)=0; % 对幅值小于5的区间的幅值都置为0 zn=idct(y); % 离散余弦逆变换 subplot 211; plot(n,xn,'k'); % 绘制xn的图 title('(a)原始信号'); xlabel(['样点' 10 ]); ylabel('幅值'); subplot 212; plot(n,zn,'k'); % 绘制zn的图 title('(b)重建信号'); xlabel(['样点' 10 ]); ylabel('幅值'); % 计算重建率 rp=100-norm(xn-zn)/norm(xn)100

这段程序实现了DCT系数的计算和...总体来说，这段代码实现了对余弦序列的DCT变换、幅值小于5的区间置为0、DCT逆变换并重建原始信号波形，并将原始信号波形和重建信号波形分别显示在两个子图中，并计算并显示重建率。

close all; clear all; fs = 50000;%采样率 Time_Hold_On = 0.001; %Rb = 1000 Num_Unit = fs * Time_Hold_On; %T中采样点数 fc =3000; %初始化载波频率 f1 = 3250 ；f2 = 2750 f1 = fc + 1/Time_Hold_On/4; f2 = fc - 1/Time_Hold_On/4; Sign_Set = [-1 -1 1 1 -1 1 -1 -1 -1 -1 -1 -1 1 1 -1 -1]; %Sign_Set = [-1 -1 1 1 -1 1 -1 -1 -1 -1 -1 -1 1 1 -1 -1 -1 -1 1 1 -1 1 -1 -1 -1 -1 -1 -1 1 1 -1 -1 -1 -1 1 1 -1 1 -1 -1 -1 -1 -1 -1 1 1 -1 -1 -1 -1 1 1 -1 1 -1 -1 -1 -1 -1 -1 1 1 -1 -1 -1 -1 1 1 -1 1 -1 -1 -1 -1 -1 -1 1 1 -1 -1]; Lenth_Of_Sign_Set = length ( Sign_Set ); %计算信号长度 Sign_SetI = zeros ( 1, Lenth_Of_Sign_Set ); Sign_SetQ = zeros ( 1, Lenth_Of_Sign_Set ); Sign_SetI1 = zeros ( 1, Num_Unit * Lenth_Of_Sign_Set ); Sign_SetQ1 = zeros ( 1, Num_Unit * Lenth_Of_Sign_Set ); Sign_SetI2 = zeros ( 1, Num_Unit * Lenth_Of_Sign_Set ); Sign_SetQ2 = zeros ( 1, Num_Unit * Lenth_Of_Sign_Set ); Sign_Setdiff = ones ( 1, Lenth_Of_Sign_Set ); j=1;

根据代码中的注释，这段代码可能是用于生成一个 MSK 调制信号的，其中包括了载波频率、符号序列、采样率等参数的设置。不过，由于代码中没有实际的信号生成部分，无法确定具体的实现方式和效果。如果您有具体的问题...

clear all; close all; clc; M=10; L=100; Ts=1; Rb=1/Ts; dt=Ts/L; fs=1/dt; TotalT=MTs; t=0:dt:TotalT-dt; wave=randint(1,M); fz=ones(1,L); x1=wave(fz,:); dnrz=reshape(x1,1,LM); fc=2*Rb; kf=0.3; sfm=modulate(dnrz,fc,fs,'fm',kf); subplot(121); plot(t,dnrz); axis([0 TotalT -0.1 1.1]); subplot(122); plot(t,sfm);

2. 设置调制方式参数：M 表示数据比特数，L 表示每个比特的采样数，Ts 表示每个比特的持续时间，Rb 表示比特率，dt 表示采样时间间隔，fs 表示采样率，TotalT 表示信号持续时间，t 表示时间序列。 3. 生成随机数据...

clear all;close all;clc Fs = 22050; [fname,pname] = uigetfile('小提琴.wma');%获取所选文件信息:文件名、路径 file = [pname,fname]; [x1,Fs] = audioread(file);%x1为所读取的音频数据,Fs为采样频率 sound(x1,Fs); %播放音乐 figure(1); subplot(211); plot(x1);%做原始语音信号的时域图形 title('原始语音信号') xlabel('采样点 n'); ylabel('音量 n'); y1=fft(x1); %做length(x1)点的FFT y1=fftshift(y1);%频率分量将会移到坐标中心 subplot(212); plot(abs(y1));%画出原始语音信号的频谱图，这里保证了x轴的点数必须和y轴点数一致 title('原始语音信号的频谱'); grid on; [y,fs]=audioread('小提琴.wma'); %读取音乐信号 size(y) %看音乐信号是双列还是单列 y1=y(:,1); %取单列 fs=fs %获取音乐信号的抽样率 N=length(y1); %音乐信号的长度 Fy1=fft(y1,N); %对信号做快速傅里叶变换 w=2/N[0:N-1]; figure %画音乐信号的波形和频谱 subplot(2,1,1);plot(y1); grid on title('音乐信号的波形') xlabel('time/s') ylabel('Magnitude') subplot(2,1,2);plot(w,abs(Fy1)); grid on title('音乐信号的频谱') xlabel('Frequency/pi') ylabel('Magnitude') sound(y1,1/2fs) %以抽样率1/2fs播放音乐信号

这段代码是用MATLAB实现的音频处理程序，主要包括以下功能： 1. 读取音频文件并播放。 2. 绘制原始语音信号的时域图形和频谱...此外，在播放音频文件时，需要根据采样率设置合适的播放速度，否则可能会导致音频变形。

解释以下代码%实验要求二：DCT系数的计算与并恢复 clear all; clc; close all; f=50; % 信号频率 fs=1000; % 采样频率 N=1000; % 样点总数 n=0:N-1; xn=cos(2pifn/fs); % 构成余弦序列 y=dct(xn) ; % 离散余弦变换 num=find(abs(y)<5); % 寻找余弦变换后幅值小于5的区间 y(num)=0; % 对幅值小于5的区间的幅值都置为0 zn=idct(y); % 离散余弦逆变换 subplot 211; plot(n,xn,'k'); % 绘制xn的图 title('(a)原始信号'); xlabel(['样点' 10 ]); ylabel('幅值'); subplot 212; plot(n,zn,'k'); % 绘制zn的图 title('(b)重建信号'); xlabel(['样点' 10 ]); ylabel('幅值'); % 计算重建率 rp=100-norm(xn-zn)/norm(xn)100

这段代码是用于进行离散余弦变换（DCT）和离散余弦逆变换（IDCT），并且通过寻找余弦变换后幅值小于5的区间，将这些区间的幅值置为0，从而实现信号的压缩。具体来说，首先生成一个频率为50Hz的余弦信号，并将其离散...

解析下面这段代码%实验要求一：倒谱计算与显示 clear all; clc; close all; [y,fs]=audioread('dbg202012903704_1.wav'); y=y(1:1000); N=1024; % 采样频率和FFT的长度 len=length(y); time=(0:len-1)/fs; % 时间刻度 figure(1), subplot 311; plot(time,y,'k'); % 画出信号波形 title('(a)信号波形'); axis([0 max(time) -1 1]); ylabel('幅值'); xlabel(['时间/s' 10]); grid; nn=1:N/2; ff=(nn-1)*fs/N; % 计算频率刻度 z=Nrceps(y); %求取倒谱 figure(1), subplot 312; plot(time,z,'k'); % 画出倒谱图 title('(b)信号倒谱图'); axis([0 time(512) -0.2 0.2]); grid; ylabel('幅值'); xlabel(['倒频率/s' 10]); yc=cceps(y); yn=icceps(yc); figure(1), subplot 313; plot(time,yn,'k'); % 画出倒谱图 title('(c)恢复信号'); axis([0 max(time) -1 1]); ylabel('幅值'); xlabel(['时间/s' 10]); grid;

：读取音频文件dbg202012903704_1.wav，并返回采样率fs和音频信号y。 3. y=y(1:1000);：将音频信号截取前1000个样本，方便后面进行处理。 4. N=1024;：FFT的长度。 5. len=length(y); time=(0:len-1)...

clc;clear;close all % 读入音频文件 [y, Fs] = audioread('fadongji3500_zhujiashi.wav'); % 设置参数 N = 1024; % 帧长 M = 512; % 帧移 L = 4; % 阵元数量 mu = 0.01; % 步长 max_iter = 100; % 最大迭代次数 % 初始化变量 w = zeros(NL, 1); % 滤波器系数 P = eye(NL); % 误差协方差矩阵 % 分帧处理 y_frame = buffer(y, N, N-M, 'nodelay'); y_frame = y_frame(:, 1:end-1); y_frame = y_frame .* repmat(hamming(N), 1, size(y_frame, 2)); % 多通道主动降噪 for i = 1:size(y_frame, 2) x = y_frame(:, i); % 当前帧 % 构建阵列输出 X = zeros(NL, 1); for j = 1:L X((j-1)N+1:jN) = x; end y_hat = w'X; % 预测输出 e = x-y_hat; % 计算误差 P = (1/mu)(P-(PXX'P)/(mu+X'PX)); % 更新误差协方差矩阵 w = w+PXe'; % 更新滤波器系数 end % 输出降噪后的音频文件 y_denoised = filter(w, 1, y); audiowrite('output.wav', y_denoised, Fs);对此程序的每一步进行详细解释

Fs是采样率。 3. N = 1024; M = 512; L = 4; mu = 0.01; max_iter = 100：这些代码定义了一些参数，包括帧长N、帧移M、阵元数量L、步长mu和最大迭代次数max_iter。 4. w = zeros(NL, 1); P = eye(NL)：这些代码...

使用matlab将拼音scb转为ascii码，做PSK调制，采样率:40khz,码率：1000Baud,载波频率：10khz

t = (0:T/fs:T*(length(phi)-1))'; % 时间向量 s = cos(2*pi*fc*t + phi); % 调制信号 % 绘制调制信号波形图 figure; plot(t, s); xlabel('Time(s)'); ylabel('Amplitude'); title('BPSK Modulated Signal'); ...

相关推荐

用MATLAB来仿真FIR滤波器 1、矩形窗程序： clear all; N=64; w ....doc

clear-all.zip_All Clear

clear-all.rar_All Clear

使用matlab将拼音scb转为ascii码，做PSK调制，采样率:40khz,码率：1000Baud,载波频率：10khz

最新推荐

k8s1.16的jenkins部署java项目cicd(cd手动)-kubernetes安装包和详细文档笔记整理

sja1311.x86_64.tar.gz

zigbee-cluster-library-specification

管理建模和仿真的文件

MATLAB柱状图在信号处理中的应用：可视化信号特征和频谱分析

用Spring boot和vue写一个登录注册界面

JSBSim Reference Manual

"互动学习：行动中的多样性与论文攻读经历"

MATLAB柱状图在数据分析中的作用：从可视化到洞察

命名ACL和拓展ACL标准ACL的具体区别