㈠ 從圖像處理 想轉行到音頻處理 難嗎
沒錯，兩者都是多媒體技術部分的。兩者最大的區別在於圖像處理是二維的，音頻則更多的是一維的。（這么表達似乎不太准確，我的意思是在某一時間上跟坐標x,y都有關系，而聲音在某一時間則一般只與幅度有關，與位置無關）。
既然你是學圖像處理的，那這方面原理我也不多講，那我側重講一下聲音處理方面的。一般來講，聲音與圖像都是時變的，從這一方面講圖像處理要難於聲音處理。（圖像要研究的是時間與空間的關系，不僅要研究一副圖像，而且要研究圖像間的關系。數據量明顯要比聲音的要大）
從數據壓縮角度看，聲音處理最重要的最基礎的是線形預測編碼（lpc），當然還有許多編碼。圖像處理的編碼最重要的則是變換編碼與小波變換編碼。不過發展到現在，只能說這些編碼是理論上的基礎，實際上要得到滿意的效果做的其它輔助工作的復雜度都超過了演算法本身。
聲音的處理技術現在基本完善了，有待發展的則是怎樣語音的重現。（即語音合成、語音識別等）聲音的處理更大的依賴於所提出的模型，不同的聲音模型效果差別非常大。（而圖像處理則沒有）
學聲音處理，除了找適當的教材外，實驗很重要。首先要明白原理，然後用matlab實現最基本的演算法。這些對於你的工作是必須的，即是基本功部分。至於進一步的學習則要看你工作的方向，畢竟聲音處理方向是很多的。（所以當務之急是學習聲音的模型、編碼原理等內容）
（說實話，圖像視頻處理無論在數據量以及技術上的要求比聲音方面要多的多……只是聲音處理的發展有待新理論的提出才能跟好的發展。在現階段，有圖像的基礎，聲音處理入門比較簡單）
要求的知識：信號與系統的知識，高等數學知識，c語言
如果有下面的知識則更好：數據壓縮編碼，隨機過程，濾波器設計，匯編語言
推薦教材：《現代語音處理技術及應用》
作/譯者：張雄偉
出版社：機械工業出版社
下面列出聲音處理的重點：
1、語音信號處理基礎 （語音的波形及特性 ，語音信號的簡化數字模型）
2、語音信號的時域分析（語音短時分析技術，即短時平均過零率，短時自相關分析， 語音端點檢測與 基音周期估計）
3、語音信號的變換分析（頻域分析與同態分析是重點，語音信號的非線性處理）
4、語音信號線性預測分析，這一知識點非常的重要。（LP分析的基本原理，LP正則方程的自相關解法和自協方差解法，線譜對LSP分析）
5、矢量量化
6、語音編碼 （混合激勵線性預測MELP）
7、語音識別（動態時間規整，隱馬爾可夫模型， 說話人識別）
8、語音合成（文-語轉換系統）
9、語音增強
10、 語音處理的實時實現，這部分要採用硬體，即用專用的DSP晶元完成編程操作，需要一定的匯編基礎。（不過現在基本都可以用C語言）
㈡ 語音壓縮與BPSK調制解調傳輸要求
這個是課程設計吧。
程序有點大，也比較專業，估計的學過通信類課程的才能做。
不過我覺得難度還可以，原理並不復雜（C語言對音效卡、WAV文件操作那部分教材上沒有，網上很多這樣的資料），很適合自己鑽研。
要是不嫌麻煩自己做出來的話對自己提高會很大。
㈢ 為什麼線性方法,隨機方法以及混沌的處理方法三種語言信號的處理方法都能作為數字語音信號的處理方法
你可以分別了解一下他們的原理.
線性結構可以這樣理解：這種結構里的東西是一個挨著一個是，象排隊一樣，想要查找，就要從頭到尾找。
而節點指的是某個對象，在整體中把這個對象看做一個點，如果其他對象（節點）和它本身有一定的關系的話，就用線來把他們連接起來。
蒙特卡羅(Monte Carlo)方法，或稱計算機隨機模擬方法，是一種基於"隨機數"的計算方法。這一方法源於美國在第一次世界大戰進研製原子彈的"曼哈頓計劃"。該計劃的主持人之一、數學家馮?諾伊曼用馳名世界的賭城-摩納哥的Monte Carlo-來命名這種方法，為它蒙上了一層神秘色彩。
Monte Carlo方法的基本思想很早以前就被人們所發現和利用。早在17世紀，人們就知道用事件發生的"頻率"來決定事件的"概率"。19世紀人們用投針試驗的方法來決定圓周率π。本世紀40年代電子計算機的出現，特別是近年來高速電子計算機的出現，使得用數學方法在計算機上大量、快速地模擬這樣的試驗成為可能。
考慮平面上的一個邊長為1的正方形及其內部的一個形狀不規則的"圖形"，如何求出這個"圖形"的面積呢？Monte Carlo方法是這樣一種"隨機化"的方法：向該正方形"隨機地"投擲N個點落於"圖形"內，則該"圖形"的面積近似為M/N。
可用民意測驗來作一個不嚴格的比喻。民意測驗的人不是征詢每一個登記選民的意見，而是通過對選民進行小規模的抽樣調查來確定可能的優勝者。其基本思想是一樣的。
科技計算中的問題比這要復雜得多。比如金融衍生產品（期權、期貨、掉期等）的定價及交易風險估算，問題的維數（即變數的個數）可能高達數百甚至數千。對這類問題，難度隨維數的增加呈指數增長，這就是所謂的"維數的災難"(Course Dimensionality)，傳統的數值方法難以對付（即使使用速度最快的計算機）。Monte Carlo方法能很好地用來對付維數的災難，因為該方法的計算復雜性不再依賴於維數。以前那些本來是無法計算的問題現在也能夠計算量。為提高方法的效率，科學家們提出了許多所謂的"方差縮減"技巧。
另一類形式與Monte Carlo方法相似，但理論基礎不同的方法-"擬蒙特卡羅方法"(Quasi-Monte Carlo方法)-近年來也獲得迅速發展。我國數學家華羅庚、王元提出的"華-王"方法即是其中的一例。這種方法的基本思想是"用確定性的超均勻分布序列(數學上稱為Low Discrepancy Sequences)代替Monte Carlo方法中的隨機數序列。對某些問題該方法的實際速度一般可比Monte Carlo方法提出高數百倍，並可計算精確度。
http://www.chinainfo.gov.cn/data/200108/1_20010830_13234.html
在建立以上實施整合管理體系企業的績效模糊綜合評價模型和引入模糊數學理論的基礎上，我們可以開始對企業績效的指標進行下列步驟的分析，最終得到企業管理體系整合績效評價等級。
步驟一：依據所建立的企業績效綜合評價指標體系，使用層次分析法計算，獲得首層各個評價方面的權重 wA、wB、wC和wD，並得到二層三個方面的各個指標的權重 wij(i=A、B、C、D, j=1,2,…10)。
步驟二： 根據的實施質量、環境和職業健康安全整合管理體系的企業實際情況和對評定指標的模糊集規定，請專家評審團對四個方面指標的各個分指標進行評定，列出評定表。
步驟三： 首先對於財務評價評價指標，用 ri 表示專家對於這個方面的影響企業績效評價等級的各個指標 i 的評定等級，wi 表示該項指標的權重等級（i=1,2…10）。按照表 4-8 和表 4-10 所列出的參數確定其各自的隸屬函數 f(x)。對每一項 f(x)，用積分法計算其累積函數 F(x)，並計算 F(x)的最大值 max(F(x))。假設 x 服從β分布，應用蒙特卡羅模擬方法，對每一項所求出的 F(x)，隨機生成一個均勻隨機數，其生成范圍為[0, max(F(x))]，然後令 F(x)=所生成的隨機數，這樣可以反解得到一個 x，這樣得到的 x 是一個隨機值，代表其模糊集合。這樣就可以得到一組隨機的 x 值，分別代表專家評審的各項因素的權重和評定等級的隨機模擬值。
步驟四：按下面的公式(1)計算企業績效評價等級在財務評價指標方面的等級 R 其 ri、wi 分別為上一步中所計算的 x 值。
R= (1)
R值代表企業績效評價等級在管理者及員工評價方面的綜合等級,指數β用公式(2)計算:
β = (2)
至此完成了一步迭代計算．
步驟五：大量重復計算步驟二和步驟三，為了得到理想結果所需的循環次數或模擬次數可以通過試算程序來估計.基於專家所進行的試驗，模擬 1000 次結果比較理想，該蒙特卡羅模擬可由在個人計算機上運行的 VB 程序運行，速度很快。
步驟六：確定步驟三所得的 R 的最小值、最大值、平均值和標准偏差，然後根據所選用的 5 點尺度進行歸一化，歸一化後的上述 4 個參數分別用 a、b、μ、σ來表示。然後，將這幾個參數代入β-M 隸屬函數，如下所示：
g(x)=C(x-a)a(b-x)β (3)
C= aaββ[ ]a+β –1 (4)
a=P2 (5)
β= (6)
p= (7)
q= (8)
這里 g(x)定義了代表專家對於影響指標的綜合評價的模糊數字。β-M 隸屬函數是一個隸屬函數，而不是一個概率密度函數。然而，它具備β概率密度分布函數的理想性質，即它是一個有界函數，可以被偏移至右邊，偏移至左邊，或表示成對稱形式。在β-M 函數的現有形式中，參數α和β是非整數，並不需要復雜計算，這是一個優勢。
步驟七：計算衡量專家對於影響指標的綜合評價模糊數字的實用數。按上述步驟得到了關於每個方面的影響指標等級的模糊集合，但沒有直接計算模糊數字的辦法。因此需要一個實用數來表示影響企業績效評價等級的百分比，該實用數包含模糊性，採用圖 4-3 所示的實用數模型：
1.0
g(x) AL AR
0 a b 1.0 x
β-M隸屬函數
按下面的公式計算企業績效綜合評價在財務評價方面的評價值 LA：
LA=( AL– AR+1)/2 (9)
這里 AR是非模糊實數，AL是以坐標域為界，位於所得到模糊集隸屬函數左側的區域面積，AR是右側的區域面積。R 的數值分布在 0~1 范圍內。
步驟八：對於管理者及員工評價方面、顧客評價方面、社會環境評價方面的指標，按照以上步驟三到步驟七所示，分別計算 LB、 LC和LD。
步驟九：按照財務評價、管理者及員工評價、顧客評價及社會環境評價的權重（wA，wB，wC，wD）,計算最後的企業績效評價等級指數：
EPEI＝wALA＋wBLB＋wCLC+wDLD (10)
四 企業實施管理體系整合績效評價模型的計算機實現
根據上文提到的計算方法與步驟可以編寫相應的計算機程序，自動評定待評企業的管理體系整合績效綜合評價等級。該企業績效綜合評價模型的計算過程所示,通過使用 Visual Basic 6.0 以及 Matlab 5.3 ，可以設計和實現該企業績效綜合評價模型。
步驟一：只需在 VB 程序中輸入財務評價方面的各個評價指標的權重等級（wi）與評價等級（ri）,就能利用該程序自動得到計算 R 的最小值 a、最大值 b、平均值μ和標准偏差σ；
步驟二：將所得的 a、b、μ、σ輸入到已設定好的 EXCEL 表中，可得α、β以及 C 值；
步驟三：在 Matlab 程序中輸入所得的 R 的最小值 a、最大值 b、α、β以及C 值,得到企業績效綜合評價在財務評價方面的評價值 LA，按照以上步驟分別得到 LB、 LC、LD；
步驟四：將所得的 LA、LB、 LC、LD 代入公式（10）中得到企業績效評價等級指數 EPEI。
http://www.madio.net/Article/Class3/Class12/200509/1049.html
蒙特卡羅(Monte Carlo)方法，或稱計算機隨機模擬方法，是一種基於"隨機數"的計算方法。這一方法源於美國在第一次世界大戰進研製原子彈的"曼哈頓計劃"。該計劃的主持人之一、數學家馮?諾伊曼用馳名世界的賭城-摩納哥的Monte Carlo-來命名這種方法，為它蒙上了一層神秘色彩。
Monte Carlo方法的基本思想很早以前就被人們所發現和利用。早在17世紀，人們就知道用事件發生的"頻率"來決定事件的"概率"。19世紀人們用投針試驗的方法來決定圓周率π。本世紀40年代電子計算機的出現，特別是近年來高速電子計算機的出現，使得用數學方法在計算機上大量、快速地模擬這樣的試驗成為可能。
考慮平面上的一個邊長為1的正方形及其內部的一個形狀不規則的"圖形"，如何求出這個"圖形"的面積呢？Monte Carlo方法是這樣一種"隨機化"的方法：向該正方形"隨機地"投擲N個點落於"圖形"內，則該"圖形"的面積近似為M/N。
可用民意測驗來作一個不嚴格的比喻。民意測驗的人不是征詢每一個登記選民的意見，而是通過對選民進行小規模的抽樣調查來確定可能的優勝者。其基本思想是一樣的。
科技計算中的問題比這要復雜得多。比如金融衍生產品（期權、期貨、掉期等）的定價及交易風險估算，問題的維數（即變數的個數）可能高達數百甚至數千。對這類問題，難度隨維數的增加呈指數增長，這就是所謂的"維數的災難"(Course Dimensionality)，傳統的數值方法難以對付（即使使用速度最快的計算機）。Monte Carlo方法能很好地用來對付維數的災難，因為該方法的計算復雜性不再依賴於維數。以前那些本來是無法計算的問題現在也能夠計算量。為提高方法的效率，科學家們提出了許多所謂的"方差縮減"技巧。
另一類形式與Monte Carlo方法相似，但理論基礎不同的方法-"擬蒙特卡羅方法"(Quasi-Monte Carlo方法)-近年來也獲得迅速發展。我國數學家華羅庚、王元提出的"華-王"方法即是其中的一例。這種方法的基本思想是"用確定性的超均勻分布序列(數學上稱為Low Discrepancy Sequences)代替Monte Carlo方法中的隨機數序列。對某些問題該方法的實際速度一般可比Monte Carlo方法提出高數百倍，並可計算精確度。
http://www.chinainfo.gov.cn/data/200108/1_20010830_13234.html
在建立以上實施整合管理體系企業的績效模糊綜合評價模型和引入模糊數學理論的基礎上，我們可以開始對企業績效的指標進行下列步驟的分析，最終得到企業管理體系整合績效評價等級。
步驟一：依據所建立的企業績效綜合評價指標體系，使用層次分析法計算，獲得首層各個評價方面的權重 wA、wB、wC和wD，並得到二層三個方面的各個指標的權重 wij(i=A、B、C、D, j=1,2,…10)。
步驟二： 根據的實施質量、環境和職業健康安全整合管理體系的企業實際情況和對評定指標的模糊集規定，請專家評審團對四個方面指標的各個分指標進行評定，列出評定表。
步驟三： 首先對於財務評價評價指標，用 ri 表示專家對於這個方面的影響企業績效評價等級的各個指標 i 的評定等級，wi 表示該項指標的權重等級（i=1,2…10）。按照表 4-8 和表 4-10 所列出的參數確定其各自的隸屬函數 f(x)。對每一項 f(x)，用積分法計算其累積函數 F(x)，並計算 F(x)的最大值 max(F(x))。假設 x 服從β分布，應用蒙特卡羅模擬方法，對每一項所求出的 F(x)，隨機生成一個均勻隨機數，其生成范圍為[0, max(F(x))]，然後令 F(x)=所生成的隨機數，這樣可以反解得到一個 x，這樣得到的 x 是一個隨機值，代表其模糊集合。這樣就可以得到一組隨機的 x 值，分別代表專家評審的各項因素的權重和評定等級的隨機模擬值。
步驟四：按下面的公式(1)計算企業績效評價等級在財務評價指標方面的等級 R 其 ri、wi 分別為上一步中所計算的 x 值。
R= (1)
R值代表企業績效評價等級在管理者及員工評價方面的綜合等級,指數β用公式(2)計算:
β = (2)
至此完成了一步迭代計算．
步驟五：大量重復計算步驟二和步驟三，為了得到理想結果所需的循環次數或模擬次數可以通過試算程序來估計.基於專家所進行的試驗，模擬 1000 次結果比較理想，該蒙特卡羅模擬可由在個人計算機上運行的 VB 程序運行，速度很快。
步驟六：確定步驟三所得的 R 的最小值、最大值、平均值和標准偏差，然後根據所選用的 5 點尺度進行歸一化，歸一化後的上述 4 個參數分別用 a、b、μ、σ來表示。然後，將這幾個參數代入β-M 隸屬函數，如下所示：
g(x)=C(x-a)a(b-x)β (3)
C= aaββ[ ]a+β –1 (4)
a=P2 (5)
β= (6)
p= (7)
q= (8)
這里 g(x)定義了代表專家對於影響指標的綜合評價的模糊數字。β-M 隸屬函數是一個隸屬函數，而不是一個概率密度函數。然而，它具備β概率密度分布函數的理想性質，即它是一個有界函數，可以被偏移至右邊，偏移至左邊，或表示成對稱形式。在β-M 函數的現有形式中，參數α和β是非整數，並不需要復雜計算，這是一個優勢。
步驟七：計算衡量專家對於影響指標的綜合評價模糊數字的實用數。按上述步驟得到了關於每個方面的影響指標等級的模糊集合，但沒有直接計算模糊數字的辦法。因此需要一個實用數來表示影響企業績效評價等級的百分比，該實用數包含模糊性，採用圖 4-3 所示的實用數模型：
1.0
g(x) AL AR
0 a b 1.0 x
β-M隸屬函數
按下面的公式計算企業績效綜合評價在財務評價方面的評價值 LA：
LA=( AL– AR+1)/2 (9)
這里 AR是非模糊實數，AL是以坐標域為界，位於所得到模糊集隸屬函數左側的區域面積，AR是右側的區域面積。R 的數值分布在 0~1 范圍內。
步驟八：對於管理者及員工評價方面、顧客評價方面、社會環境評價方面的指標，按照以上步驟三到步驟七所示，分別計算 LB、 LC和LD。
步驟九：按照財務評價、管理者及員工評價、顧客評價及社會環境評價的權重（wA，wB，wC，wD）,計算最後的企業績效評價等級指數：
EPEI＝wALA＋wBLB＋wCLC+wDLD (10)
四 企業實施管理體系整合績效評價模型的計算機實現
根據上文提到的計算方法與步驟可以編寫相應的計算機程序，自動評定待評企業的管理體系整合績效綜合評價等級。該企業績效綜合評價模型的計算過程所示,通過使用 Visual Basic 6.0 以及 Matlab 5.3 ，可以設計和實現該企業績效綜合評價模型。
步驟一：只需在 VB 程序中輸入財務評價方面的各個評價指標的權重等級（wi）與評價等級（ri）,就能利用該程序自動得到計算 R 的最小值 a、最大值 b、平均值μ和標准偏差σ；
步驟二：將所得的 a、b、μ、σ輸入到已設定好的 EXCEL 表中，可得α、β以及 C 值；
步驟三：在 Matlab 程序中輸入所得的 R 的最小值 a、最大值 b、α、β以及C 值,得到企業績效綜合評價在財務評價方面的評價值 LA，按照以上步驟分別得到 LB、 LC、LD；
步驟四：將所得的 LA、LB、 LC、LD 代入公式（10）中得到企業績效評價等級指數 EPEI。
http://www.madio.net/Article/Class3/Class12/200509/1049.html方法
蒙特卡羅(Monte Carlo)方法，或稱計算機隨機模擬方法，是一種基於"隨機數"的計算方法。這一方法源於美國在第一次世界大戰進研製原子彈的"曼哈頓計劃"。該計劃的主持人之一、數學家馮?諾伊曼用馳名世界的賭城-摩納哥的Monte Carlo-來命名這種方法，為它蒙上了一層神秘色彩。
Monte Carlo方法的基本思想很早以前就被人們所發現和利用。早在17世紀，人們就知道用事件發生的"頻率"來決定事件的"概率"。19世紀人們用投針試驗的方法來決定圓周率π。本世紀40年代電子計算機的出現，特別是近年來高速電子計算機的出現，使得用數學方法在計算機上大量、快速地模擬這樣的試驗成為可能。
考慮平面上的一個邊長為1的正方形及其內部的一個形狀不規則的"圖形"，如何求出這個"圖形"的面積呢？Monte Carlo方法是這樣一種"隨機化"的方法：向該正方形"隨機地"投擲N個點落於"圖形"內，則該"圖形"的面積近似為M/N。
可用民意測驗來作一個不嚴格的比喻。民意測驗的人不是征詢每一個登記選民的意見，而是通過對選民進行小規模的抽樣調查來確定可能的優勝者。其基本思想是一樣的。
科技計算中的問題比這要復雜得多。比如金融衍生產品（期權、期貨、掉期等）的定價及交易風險估算，問題的維數（即變數的個數）可能高達數百甚至數千。對這類問題，難度隨維數的增加呈指數增長，這就是所謂的"維數的災難"(Course Dimensionality)，傳統的數值方法難以對付（即使使用速度最快的計算機）。Monte Carlo方法能很好地用來對付維數的災難，因為該方法的計算復雜性不再依賴於維數。以前那些本來是無法計算的問題現在也能夠計算量。為提高方法的效率，科學家們提出了許多所謂的"方差縮減"技巧。
另一類形式與Monte Carlo方法相似，但理論基礎不同的方法-"擬蒙特卡羅方法"(Quasi-Monte Carlo方法)-近年來也獲得迅速發展。我國數學家華羅庚、王元提出的"華-王"方法即是其中的一例。這種方法的基本思想是"用確定性的超均勻分布序列(數學上稱為Low Discrepancy Sequences)代替Monte Carlo方法中的隨機數序列。對某些問題該方法的實際速度一般可比Monte Carlo方法提出高數百倍，並可計算精確度。
http://www.chinainfo.gov.cn/data/200108/1_20010830_13234.html
在建立以上實施整合管理體系企業的績效模糊綜合評價模型和引入模糊數學理論的基礎上，我們可以開始對企業績效的指標進行下列步驟的分析，最終得到企業管理體系整合績效評價等級。
步驟一：依據所建立的企業績效綜合評價指標體系，使用層次分析法計算，獲得首層各個評價方面的權重 wA、wB、wC和wD，並得到二層三個方面的各個指標的權重 wij(i=A、B、C、D, j=1,2,…10)。
步驟二： 根據的實施質量、環境和職業健康安全整合管理體系的企業實際情況和對評定指標的模糊集規定，請專家評審團對四個方面指標的各個分指標進行評定，列出評定表。
步驟三： 首先對於財務評價評價指標，用 ri 表示專家對於這個方面的影響企業績效評價等級的各個指標 i 的評定等級，wi 表示該項指標的權重等級（i=1,2…10）。按照表 4-8 和表 4-10 所列出的參數確定其各自的隸屬函數 f(x)。對每一項 f(x)，用積分法計算其累積函數 F(x)，並計算 F(x)的最大值 max(F(x))。假設 x 服從β分布，應用蒙特卡羅模擬方法，對每一項所求出的 F(x)，隨機生成一個均勻隨機數，其生成范圍為[0, max(F(x))]，然後令 F(x)=所生成的隨機數，這樣可以反解得到一個 x，這樣得到的 x 是一個隨機值，代表其模糊集合。這樣就可以得到一組隨機的 x 值，分別代表專家評審的各項因素的權重和評定等級的隨機模擬值。
步驟四：按下面的公式(1)計算企業績效評價等級在財務評價指標方面的等級 R 其 ri、wi 分別為上一步中所計算的 x 值。
R= (1)
R值代表企業績效評價等級在管理者及員工評價方面的綜合等級,指數β用公式(2)計算:
β = (2)
至此完成了一步迭代計算．
步驟五：大量重復計算步驟二和步驟三，為了得到理想結果所需的循環次數或模擬次數可以通過試算程序來估計.基於專家所進行的試驗，模擬 1000 次結果比較理想，該蒙特卡羅模擬可由在個人計算機上運行的 VB 程序運行，速度很快。
步驟六：確定步驟三所得的 R 的最小值、最大值、平均值和標准偏差，然後根據所選用的 5 點尺度進行歸一化，歸一化後的上述 4 個參數分別用 a、b、μ、σ來表示。然後，將這幾個參數代入β-M 隸屬函數，如下所示：
g(x)=C(x-a)a(b-x)β (3)
C= aaββ[ ]a+β –1 (4)
a=P2 (5)
β= (6)
p= (7)
q= (8)
這里 g(x)定義了代表專家對於影響指標的綜合評價的模糊數字。β-M 隸屬函數是一個隸屬函數，而不是一個概率密度函數。然而，它具備β概率密度分布函數的理想性質，即它是一個有界函數，可以被偏移至右邊，偏移至左邊，或表示成對稱形式。在β-M 函數的現有形式中，參數α和β是非整數，並不需要復雜計算，這是一個優勢。
步驟七：計算衡量專家對於影響指標的綜合評價模糊數字的實用數。按上述步驟得到了關於每個方面的影響指標等級的模糊集合，但沒有直接計算模糊數字的辦法。因此需要一個實用數來表示影響企業績效評價等級的百分比，該實用數包含模糊性，採用圖 4-3 所示的實用數模型：
1.0
g(x) AL AR
0 a b 1.0 x
β-M隸屬函數
按下面的公式計算企業績效綜合評價在財務評價方面的評價值 LA：
LA=( AL– AR+1)/2 (9)
這里 AR是非模糊實數，AL是以坐標域為界，位於所得到模糊集隸屬函數左側的區域面積，AR是右側的區域面積。R 的數值分布在 0~1 范圍內。
步驟八：對於管理者及員工評價方面、顧客評價方面、社會環境評價方面的指標，按照以上步驟三到步驟七所示，分別計算 LB、 LC和LD。
步驟九：按照財務評價、管理者及員工評價、顧客評價及社會環境評價的權重（wA，wB，wC，wD）,計算最後的企業績效評價等級指數：
EPEI＝wALA＋wBLB＋wCLC+wDLD (10)
四 企業實施管理體系整合績效評價模型的計算機實現
根據上文提到的計算方法與步驟可以編寫相應的計算機程序，自動評定待評企業的管理體系整合績效綜合評價等級。該企業績效綜合評價模型的計算過程所示,通過使用 Visual Basic 6.0 以及 Matlab 5.3 ，可以設計和實現該企業績效綜合評價模型。
步驟一：只需在 VB 程序中輸入財務評價方面的各個評價指標的權重等級（wi）與評價等級（ri）,就能利用該程序自動得到計算 R 的最小值 a、最大值 b、平均值μ和標准偏差σ；
步驟二：將所得的 a、b、μ、σ輸入到已設定好的 EXCEL 表中，可得α、β以及 C 值；
步驟三：在 Matlab 程序中輸入所得的 R 的最小值 a、最大值 b、α、β以及C 值,得到企業績效綜合評價在財務評價方面的評價值 LA，按照以上步驟分別得到 LB、 LC、LD；
步驟四：將所得的 LA、LB、 LC、LD 代入公式（10）中得到企業績效評價等級指數 EPEI。
http://www.madio.net/Article/Class3/Class12/200509/1049.html
㈣ C語言的signal函數指定的"信號處理函數"的參數是什麼含義
你可以查看《unix網路編程》這本書，回調函數裡面傳送過去的確實是信號量，這個信號量就是你使用signal注冊的的時候觸發的信號，這個信號一旦觸發就會去執行相應的回調函數。
㈤ 課題：把男人的聲音轉換成女人的聲音這個課題怎麼做，從哪裡入手步驟同時用C語言如何實現調用語音文
男聲女聲 的主要差別是振動頻率。女聲的頻率高，男聲的頻率低。
簡單轉換，把男聲錄音用2倍速度播出，就變女聲；把女聲錄音用一半速度播出，就變男聲。
換句話說，男聲錄音1分鍾長，你用30秒時間快速播完，就是女聲。
女聲錄音1分鍾長，你用2分鍾時間快速播完，就是男聲。
編程序，如果是電壓數字時間序列，你把dt 乘 2 或 除2 就轉化成功。
---
復雜轉換，要用濾波方法，獲取主音 和泛音 波譜，分別變換 主音 和泛音 波譜，再合成 時序。
㈥ 用C語言編程及作界面處理信號
#include<graphics.h>
#include<stdio.h>
#include<math.h>
#include<conio.h>
#include<dos.h>
float ar[512],ai[512];
float a[1025];
void testdata()
{
int i;
for(i=0;i<512;i++)
{
ar[i]=50*cos(i*3.14159/32)+60*cos(i*3.14159/16)+53*cos(i*3.14159/64)+24*cos(i*3.14159/8)+10*cos(i*3.14159/128);
ai[i]=0;
}
}
void fft(int nn,int t)
{
int n1,n2,i,j,k,l,m,s,l1;
float t1,t2,x,y;
float w1,w2,u1,u2,z;
float fsin[10]={0.000000,1.000000,0.707107,0.3826834,0.1950903,0.09801713,0.04906767,0.02454123,0.01227154,0.00613588,};
float fcos[10]={-1.000000,0.000000,0.7071068,0.9238796,0.9807853,0.99518472,0.99879545,0.9996988,0.9999247,0.9999812,};
switch(nn)
{
case 1024: s=10; break;
case 512: s=9; break;
case 256: s=8; break;
}
n1=nn/2; n2=nn-1;
j=1;
for(i=1;i<=nn;i++)
{
a[2*i]=ar[i-1];
a[2*i+1]=ai[i-1];
}
for(l=1;l<n2;l++)
{
if(l<j)
{
t1=a[2*j];
t2=a[2*j+1];
a[2*j]=a[2*l];
a[2*j+1]=a[2*l+1];
a[2*l]=t1;
a[2*l+1]=t2;
}
k=n1;
while (k<j)
{
j=j-k;
k=k/2;
}
j=j+k;
}
for(i=1;i<=s;i++)
{
u1=1;
u2=0;
m=(1<<i);
k=m>>1;
w1=fcos[i-1];
w2=t*fsin[i-1];
for(j=1;j<=k;j++)
{
for(l=j;l<nn;l=l+m)
{
l1=l+k;
t1=a[2*l1]*u1-a[2*l1+1]*u2;
t2=a[2*l1]*u2+a[2*l1+1]*u1;
a[2*l1]=a[2*l]-t1;
a[2*l1+1]=a[2*l+1]-t2;
a[2*l]=a[2*l]+t1;
a[2*l+1]=a[2*l+1]+t2;
}
z=u1*w1-u2*w2;
u2=u1*w2+u2*w1;
u1=z;
}
}
for(i=1;i<=nn/2;i++)
{
ar[i]=a[2*i+2]/nn;
ai[i]=-a[2*i+3]/nn;
a[i]=4*sqrt(ar[i]*ar[i]+ai[i]*ai[i]);
}
}
int main ()
{
int i;
int gdriver=DETECT,gmode;
initgraph(&gdriver,&gmode,"");
setfillstyle(SOLID_FILL,WHITE);
bar(0,0,639,479);
//模擬測試數據
testdata();
//波形顯示
setcolor(BLACK);
line(10,119,550,119); // x軸
line(10,10,10,239); // y軸
setcolor(BLUE);
for(i=0;i<511;i++)
line(i+10,119-ar[i],i+10+1,119-ar[i+1]);
//FFT
fft(512,-1);
//頻譜顯示
setcolor(BLACK);
line(10,459,550,459); // x軸
line(10,259,10,459); // y軸
setcolor(RED);
for(i=0;i<256;i++)
line(2*i+10,459-a[i],2*i+10,459);
getch();
closegraph();
return 0;
}
㈦ 數字信號處理和c語言程序設計這兩門學科那個更簡單好學一些
這是兩門課程，不是學科。
C 語言簡單，要求的基礎，有中學的學力即可。
數字信號處理，要求的基礎，一般是大三的學力。