㈠ 从图像处理 想转行到音频处理 难吗
没错，两者都是多媒体技术部分的。两者最大的区别在于图像处理是二维的，音频则更多的是一维的。（这么表达似乎不太准确，我的意思是在某一时间上跟坐标x,y都有关系，而声音在某一时间则一般只与幅度有关，与位置无关）。
既然你是学图像处理的，那这方面原理我也不多讲，那我侧重讲一下声音处理方面的。一般来讲，声音与图像都是时变的，从这一方面讲图像处理要难于声音处理。（图像要研究的是时间与空间的关系，不仅要研究一副图像，而且要研究图像间的关系。数据量明显要比声音的要大）
从数据压缩角度看，声音处理最重要的最基础的是线形预测编码（lpc），当然还有许多编码。图像处理的编码最重要的则是变换编码与小波变换编码。不过发展到现在，只能说这些编码是理论上的基础，实际上要得到满意的效果做的其它辅助工作的复杂度都超过了算法本身。
声音的处理技术现在基本完善了，有待发展的则是怎样语音的重现。（即语音合成、语音识别等）声音的处理更大的依赖于所提出的模型，不同的声音模型效果差别非常大。（而图像处理则没有）
学声音处理，除了找适当的教材外，实验很重要。首先要明白原理，然后用matlab实现最基本的算法。这些对于你的工作是必须的，即是基本功部分。至于进一步的学习则要看你工作的方向，毕竟声音处理方向是很多的。（所以当务之急是学习声音的模型、编码原理等内容）
（说实话，图像视频处理无论在数据量以及技术上的要求比声音方面要多的多……只是声音处理的发展有待新理论的提出才能跟好的发展。在现阶段，有图像的基础，声音处理入门比较简单）
要求的知识：信号与系统的知识，高等数学知识，c语言
如果有下面的知识则更好：数据压缩编码，随机过程，滤波器设计，汇编语言
推荐教材：《现代语音处理技术及应用》
作/译者：张雄伟
出版社：机械工业出版社
下面列出声音处理的重点：
1、语音信号处理基础 （语音的波形及特性 ，语音信号的简化数字模型）
2、语音信号的时域分析（语音短时分析技术，即短时平均过零率，短时自相关分析， 语音端点检测与 基音周期估计）
3、语音信号的变换分析（频域分析与同态分析是重点，语音信号的非线性处理）
4、语音信号线性预测分析，这一知识点非常的重要。（LP分析的基本原理，LP正则方程的自相关解法和自协方差解法，线谱对LSP分析）
5、矢量量化
6、语音编码 （混合激励线性预测MELP）
7、语音识别（动态时间规整，隐马尔可夫模型， 说话人识别）
8、语音合成（文-语转换系统）
9、语音增强
10、 语音处理的实时实现，这部分要采用硬件，即用专用的DSP芯片完成编程操作，需要一定的汇编基础。（不过现在基本都可以用C语言）
㈡ 语音压缩与BPSK调制解调传输要求
这个是课程设计吧。
程序有点大，也比较专业，估计的学过通信类课程的才能做。
不过我觉得难度还可以，原理并不复杂（C语言对声卡、WAV文件操作那部分教材上没有，网上很多这样的资料），很适合自己钻研。
要是不嫌麻烦自己做出来的话对自己提高会很大。
㈢ 为什么线性方法,随机方法以及混沌的处理方法三种语言信号的处理方法都能作为数字语音信号的处理方法
你可以分别了解一下他们的原理.
线性结构可以这样理解：这种结构里的东西是一个挨着一个是，象排队一样，想要查找，就要从头到尾找。
而节点指的是某个对象，在整体中把这个对象看做一个点，如果其他对象（节点）和它本身有一定的关系的话，就用线来把他们连接起来。
蒙特卡罗(Monte Carlo)方法，或称计算机随机模拟方法，是一种基于"随机数"的计算方法。这一方法源于美国在第一次世界大战进研制原子弹的"曼哈顿计划"。该计划的主持人之一、数学家冯?诺伊曼用驰名世界的赌城-摩纳哥的Monte Carlo-来命名这种方法，为它蒙上了一层神秘色彩。
Monte Carlo方法的基本思想很早以前就被人们所发现和利用。早在17世纪，人们就知道用事件发生的"频率"来决定事件的"概率"。19世纪人们用投针试验的方法来决定圆周率π。本世纪40年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。
考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的"图形"，如何求出这个"图形"的面积呢？Monte Carlo方法是这样一种"随机化"的方法：向该正方形"随机地"投掷N个点落于"图形"内，则该"图形"的面积近似为M/N。
可用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见，而是通过对选民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。
科技计算中的问题比这要复杂得多。比如金融衍生产品（期权、期货、掉期等）的定价及交易风险估算，问题的维数（即变量的个数）可能高达数百甚至数千。对这类问题，难度随维数的增加呈指数增长，这就是所谓的"维数的灾难"(Course Dimensionality)，传统的数值方法难以对付（即使使用速度最快的计算机）。Monte Carlo方法能很好地用来对付维数的灾难，因为该方法的计算复杂性不再依赖于维数。以前那些本来是无法计算的问题现在也能够计算量。为提高方法的效率，科学家们提出了许多所谓的"方差缩减"技巧。
另一类形式与Monte Carlo方法相似，但理论基础不同的方法-"拟蒙特卡罗方法"(Quasi-Monte Carlo方法)-近年来也获得迅速发展。我国数学家华罗庚、王元提出的"华-王"方法即是其中的一例。这种方法的基本思想是"用确定性的超均匀分布序列(数学上称为Low Discrepancy Sequences)代替Monte Carlo方法中的随机数序列。对某些问题该方法的实际速度一般可比Monte Carlo方法提出高数百倍，并可计算精确度。
http://www.chinainfo.gov.cn/data/200108/1_20010830_13234.html
在建立以上实施整合管理体系企业的绩效模糊综合评价模型和引入模糊数学理论的基础上，我们可以开始对企业绩效的指标进行下列步骤的分析，最终得到企业管理体系整合绩效评价等级。
步骤一：依据所建立的企业绩效综合评价指标体系，使用层次分析法计算，获得首层各个评价方面的权重 wA、wB、wC和wD，并得到二层三个方面的各个指标的权重 wij(i=A、B、C、D, j=1,2,…10)。
步骤二： 根据的实施质量、环境和职业健康安全整合管理体系的企业实际情况和对评定指标的模糊集规定，请专家评审团对四个方面指标的各个分指标进行评定，列出评定表。
步骤三： 首先对于财务评价评价指标，用 ri 表示专家对于这个方面的影响企业绩效评价等级的各个指标 i 的评定等级，wi 表示该项指标的权重等级（i=1,2…10）。按照表 4-8 和表 4-10 所列出的参数确定其各自的隶属函数 f(x)。对每一项 f(x)，用积分法计算其累积函数 F(x)，并计算 F(x)的最大值 max(F(x))。假设 x 服从β分布，应用蒙特卡罗模拟方法，对每一项所求出的 F(x)，随机生成一个均匀随机数，其生成范围为[0, max(F(x))]，然后令 F(x)=所生成的随机数，这样可以反解得到一个 x，这样得到的 x 是一个随机值，代表其模糊集合。这样就可以得到一组随机的 x 值，分别代表专家评审的各项因素的权重和评定等级的随机模拟值。
步骤四：按下面的公式(1)计算企业绩效评价等级在财务评价指标方面的等级 R 其 ri、wi 分别为上一步中所计算的 x 值。
R= (1)
R值代表企业绩效评价等级在管理者及员工评价方面的综合等级,指数β用公式(2)计算:
β = (2)
至此完成了一步迭代计算．
步骤五：大量重复计算步骤二和步骤三，为了得到理想结果所需的循环次数或模拟次数可以通过试算程序来估计.基于专家所进行的试验，模拟 1000 次结果比较理想，该蒙特卡罗模拟可由在个人计算机上运行的 VB 程序运行，速度很快。
步骤六：确定步骤三所得的 R 的最小值、最大值、平均值和标准偏差，然后根据所选用的 5 点尺度进行归一化，归一化后的上述 4 个参数分别用 a、b、μ、σ来表示。然后，将这几个参数代入β-M 隶属函数，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)
这里 g(x)定义了代表专家对于影响指标的综合评价的模糊数字。β-M 隶属函数是一个隶属函数，而不是一个概率密度函数。然而，它具备β概率密度分布函数的理想性质，即它是一个有界函数，可以被偏移至右边，偏移至左边，或表示成对称形式。在β-M 函数的现有形式中，参数α和β是非整数，并不需要复杂计算，这是一个优势。
步骤七：计算衡量专家对于影响指标的综合评价模糊数字的实用数。按上述步骤得到了关于每个方面的影响指标等级的模糊集合，但没有直接计算模糊数字的办法。因此需要一个实用数来表示影响企业绩效评价等级的百分比，该实用数包含模糊性，采用图 4-3 所示的实用数模型：
1.0
g(x) AL AR
0 a b 1.0 x
β-M隶属函数
按下面的公式计算企业绩效综合评价在财务评价方面的评价值 LA：
LA=( AL– AR+1)/2 (9)
这里 AR是非模糊实数，AL是以坐标域为界，位于所得到模糊集隶属函数左侧的区域面积，AR是右侧的区域面积。R 的数值分布在 0~1 范围内。
步骤八：对于管理者及员工评价方面、顾客评价方面、社会环境评价方面的指标，按照以上步骤三到步骤七所示，分别计算 LB、 LC和LD。
步骤九：按照财务评价、管理者及员工评价、顾客评价及社会环境评价的权重（wA，wB，wC，wD）,计算最后的企业绩效评价等级指数：
EPEI＝wALA＋wBLB＋wCLC+wDLD (10)
四 企业实施管理体系整合绩效评价模型的计算机实现
根据上文提到的计算方法与步骤可以编写相应的计算机程序，自动评定待评企业的管理体系整合绩效综合评价等级。该企业绩效综合评价模型的计算过程所示,通过使用 Visual Basic 6.0 以及 Matlab 5.3 ，可以设计和实现该企业绩效综合评价模型。
步骤一：只需在 VB 程序中输入财务评价方面的各个评价指标的权重等级（wi）与评价等级（ri）,就能利用该程序自动得到计算 R 的最小值 a、最大值 b、平均值μ和标准偏差σ；
步骤二：将所得的 a、b、μ、σ输入到已设定好的 EXCEL 表中，可得α、β以及 C 值；
步骤三：在 Matlab 程序中输入所得的 R 的最小值 a、最大值 b、α、β以及C 值,得到企业绩效综合评价在财务评价方面的评价值 LA，按照以上步骤分别得到 LB、 LC、LD；
步骤四：将所得的 LA、LB、 LC、LD 代入公式（10）中得到企业绩效评价等级指数 EPEI。
http://www.madio.net/Article/Class3/Class12/200509/1049.html
蒙特卡罗(Monte Carlo)方法，或称计算机随机模拟方法，是一种基于"随机数"的计算方法。这一方法源于美国在第一次世界大战进研制原子弹的"曼哈顿计划"。该计划的主持人之一、数学家冯?诺伊曼用驰名世界的赌城-摩纳哥的Monte Carlo-来命名这种方法，为它蒙上了一层神秘色彩。
Monte Carlo方法的基本思想很早以前就被人们所发现和利用。早在17世纪，人们就知道用事件发生的"频率"来决定事件的"概率"。19世纪人们用投针试验的方法来决定圆周率π。本世纪40年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。
考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的"图形"，如何求出这个"图形"的面积呢？Monte Carlo方法是这样一种"随机化"的方法：向该正方形"随机地"投掷N个点落于"图形"内，则该"图形"的面积近似为M/N。
可用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见，而是通过对选民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。
科技计算中的问题比这要复杂得多。比如金融衍生产品（期权、期货、掉期等）的定价及交易风险估算，问题的维数（即变量的个数）可能高达数百甚至数千。对这类问题，难度随维数的增加呈指数增长，这就是所谓的"维数的灾难"(Course Dimensionality)，传统的数值方法难以对付（即使使用速度最快的计算机）。Monte Carlo方法能很好地用来对付维数的灾难，因为该方法的计算复杂性不再依赖于维数。以前那些本来是无法计算的问题现在也能够计算量。为提高方法的效率，科学家们提出了许多所谓的"方差缩减"技巧。
另一类形式与Monte Carlo方法相似，但理论基础不同的方法-"拟蒙特卡罗方法"(Quasi-Monte Carlo方法)-近年来也获得迅速发展。我国数学家华罗庚、王元提出的"华-王"方法即是其中的一例。这种方法的基本思想是"用确定性的超均匀分布序列(数学上称为Low Discrepancy Sequences)代替Monte Carlo方法中的随机数序列。对某些问题该方法的实际速度一般可比Monte Carlo方法提出高数百倍，并可计算精确度。
http://www.chinainfo.gov.cn/data/200108/1_20010830_13234.html
在建立以上实施整合管理体系企业的绩效模糊综合评价模型和引入模糊数学理论的基础上，我们可以开始对企业绩效的指标进行下列步骤的分析，最终得到企业管理体系整合绩效评价等级。
步骤一：依据所建立的企业绩效综合评价指标体系，使用层次分析法计算，获得首层各个评价方面的权重 wA、wB、wC和wD，并得到二层三个方面的各个指标的权重 wij(i=A、B、C、D, j=1,2,…10)。
步骤二： 根据的实施质量、环境和职业健康安全整合管理体系的企业实际情况和对评定指标的模糊集规定，请专家评审团对四个方面指标的各个分指标进行评定，列出评定表。
步骤三： 首先对于财务评价评价指标，用 ri 表示专家对于这个方面的影响企业绩效评价等级的各个指标 i 的评定等级，wi 表示该项指标的权重等级（i=1,2…10）。按照表 4-8 和表 4-10 所列出的参数确定其各自的隶属函数 f(x)。对每一项 f(x)，用积分法计算其累积函数 F(x)，并计算 F(x)的最大值 max(F(x))。假设 x 服从β分布，应用蒙特卡罗模拟方法，对每一项所求出的 F(x)，随机生成一个均匀随机数，其生成范围为[0, max(F(x))]，然后令 F(x)=所生成的随机数，这样可以反解得到一个 x，这样得到的 x 是一个随机值，代表其模糊集合。这样就可以得到一组随机的 x 值，分别代表专家评审的各项因素的权重和评定等级的随机模拟值。
步骤四：按下面的公式(1)计算企业绩效评价等级在财务评价指标方面的等级 R 其 ri、wi 分别为上一步中所计算的 x 值。
R= (1)
R值代表企业绩效评价等级在管理者及员工评价方面的综合等级,指数β用公式(2)计算:
β = (2)
至此完成了一步迭代计算．
步骤五：大量重复计算步骤二和步骤三，为了得到理想结果所需的循环次数或模拟次数可以通过试算程序来估计.基于专家所进行的试验，模拟 1000 次结果比较理想，该蒙特卡罗模拟可由在个人计算机上运行的 VB 程序运行，速度很快。
步骤六：确定步骤三所得的 R 的最小值、最大值、平均值和标准偏差，然后根据所选用的 5 点尺度进行归一化，归一化后的上述 4 个参数分别用 a、b、μ、σ来表示。然后，将这几个参数代入β-M 隶属函数，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)
这里 g(x)定义了代表专家对于影响指标的综合评价的模糊数字。β-M 隶属函数是一个隶属函数，而不是一个概率密度函数。然而，它具备β概率密度分布函数的理想性质，即它是一个有界函数，可以被偏移至右边，偏移至左边，或表示成对称形式。在β-M 函数的现有形式中，参数α和β是非整数，并不需要复杂计算，这是一个优势。
步骤七：计算衡量专家对于影响指标的综合评价模糊数字的实用数。按上述步骤得到了关于每个方面的影响指标等级的模糊集合，但没有直接计算模糊数字的办法。因此需要一个实用数来表示影响企业绩效评价等级的百分比，该实用数包含模糊性，采用图 4-3 所示的实用数模型：
1.0
g(x) AL AR
0 a b 1.0 x
β-M隶属函数
按下面的公式计算企业绩效综合评价在财务评价方面的评价值 LA：
LA=( AL– AR+1)/2 (9)
这里 AR是非模糊实数，AL是以坐标域为界，位于所得到模糊集隶属函数左侧的区域面积，AR是右侧的区域面积。R 的数值分布在 0~1 范围内。
步骤八：对于管理者及员工评价方面、顾客评价方面、社会环境评价方面的指标，按照以上步骤三到步骤七所示，分别计算 LB、 LC和LD。
步骤九：按照财务评价、管理者及员工评价、顾客评价及社会环境评价的权重（wA，wB，wC，wD）,计算最后的企业绩效评价等级指数：
EPEI＝wALA＋wBLB＋wCLC+wDLD (10)
四 企业实施管理体系整合绩效评价模型的计算机实现
根据上文提到的计算方法与步骤可以编写相应的计算机程序，自动评定待评企业的管理体系整合绩效综合评价等级。该企业绩效综合评价模型的计算过程所示,通过使用 Visual Basic 6.0 以及 Matlab 5.3 ，可以设计和实现该企业绩效综合评价模型。
步骤一：只需在 VB 程序中输入财务评价方面的各个评价指标的权重等级（wi）与评价等级（ri）,就能利用该程序自动得到计算 R 的最小值 a、最大值 b、平均值μ和标准偏差σ；
步骤二：将所得的 a、b、μ、σ输入到已设定好的 EXCEL 表中，可得α、β以及 C 值；
步骤三：在 Matlab 程序中输入所得的 R 的最小值 a、最大值 b、α、β以及C 值,得到企业绩效综合评价在财务评价方面的评价值 LA，按照以上步骤分别得到 LB、 LC、LD；
步骤四：将所得的 LA、LB、 LC、LD 代入公式（10）中得到企业绩效评价等级指数 EPEI。
http://www.madio.net/Article/Class3/Class12/200509/1049.html方法
蒙特卡罗(Monte Carlo)方法，或称计算机随机模拟方法，是一种基于"随机数"的计算方法。这一方法源于美国在第一次世界大战进研制原子弹的"曼哈顿计划"。该计划的主持人之一、数学家冯?诺伊曼用驰名世界的赌城-摩纳哥的Monte Carlo-来命名这种方法，为它蒙上了一层神秘色彩。
Monte Carlo方法的基本思想很早以前就被人们所发现和利用。早在17世纪，人们就知道用事件发生的"频率"来决定事件的"概率"。19世纪人们用投针试验的方法来决定圆周率π。本世纪40年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。
考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的"图形"，如何求出这个"图形"的面积呢？Monte Carlo方法是这样一种"随机化"的方法：向该正方形"随机地"投掷N个点落于"图形"内，则该"图形"的面积近似为M/N。
可用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见，而是通过对选民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。
科技计算中的问题比这要复杂得多。比如金融衍生产品（期权、期货、掉期等）的定价及交易风险估算，问题的维数（即变量的个数）可能高达数百甚至数千。对这类问题，难度随维数的增加呈指数增长，这就是所谓的"维数的灾难"(Course Dimensionality)，传统的数值方法难以对付（即使使用速度最快的计算机）。Monte Carlo方法能很好地用来对付维数的灾难，因为该方法的计算复杂性不再依赖于维数。以前那些本来是无法计算的问题现在也能够计算量。为提高方法的效率，科学家们提出了许多所谓的"方差缩减"技巧。
另一类形式与Monte Carlo方法相似，但理论基础不同的方法-"拟蒙特卡罗方法"(Quasi-Monte Carlo方法)-近年来也获得迅速发展。我国数学家华罗庚、王元提出的"华-王"方法即是其中的一例。这种方法的基本思想是"用确定性的超均匀分布序列(数学上称为Low Discrepancy Sequences)代替Monte Carlo方法中的随机数序列。对某些问题该方法的实际速度一般可比Monte Carlo方法提出高数百倍，并可计算精确度。
http://www.chinainfo.gov.cn/data/200108/1_20010830_13234.html
在建立以上实施整合管理体系企业的绩效模糊综合评价模型和引入模糊数学理论的基础上，我们可以开始对企业绩效的指标进行下列步骤的分析，最终得到企业管理体系整合绩效评价等级。
步骤一：依据所建立的企业绩效综合评价指标体系，使用层次分析法计算，获得首层各个评价方面的权重 wA、wB、wC和wD，并得到二层三个方面的各个指标的权重 wij(i=A、B、C、D, j=1,2,…10)。
步骤二： 根据的实施质量、环境和职业健康安全整合管理体系的企业实际情况和对评定指标的模糊集规定，请专家评审团对四个方面指标的各个分指标进行评定，列出评定表。
步骤三： 首先对于财务评价评价指标，用 ri 表示专家对于这个方面的影响企业绩效评价等级的各个指标 i 的评定等级，wi 表示该项指标的权重等级（i=1,2…10）。按照表 4-8 和表 4-10 所列出的参数确定其各自的隶属函数 f(x)。对每一项 f(x)，用积分法计算其累积函数 F(x)，并计算 F(x)的最大值 max(F(x))。假设 x 服从β分布，应用蒙特卡罗模拟方法，对每一项所求出的 F(x)，随机生成一个均匀随机数，其生成范围为[0, max(F(x))]，然后令 F(x)=所生成的随机数，这样可以反解得到一个 x，这样得到的 x 是一个随机值，代表其模糊集合。这样就可以得到一组随机的 x 值，分别代表专家评审的各项因素的权重和评定等级的随机模拟值。
步骤四：按下面的公式(1)计算企业绩效评价等级在财务评价指标方面的等级 R 其 ri、wi 分别为上一步中所计算的 x 值。
R= (1)
R值代表企业绩效评价等级在管理者及员工评价方面的综合等级,指数β用公式(2)计算:
β = (2)
至此完成了一步迭代计算．
步骤五：大量重复计算步骤二和步骤三，为了得到理想结果所需的循环次数或模拟次数可以通过试算程序来估计.基于专家所进行的试验，模拟 1000 次结果比较理想，该蒙特卡罗模拟可由在个人计算机上运行的 VB 程序运行，速度很快。
步骤六：确定步骤三所得的 R 的最小值、最大值、平均值和标准偏差，然后根据所选用的 5 点尺度进行归一化，归一化后的上述 4 个参数分别用 a、b、μ、σ来表示。然后，将这几个参数代入β-M 隶属函数，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)
这里 g(x)定义了代表专家对于影响指标的综合评价的模糊数字。β-M 隶属函数是一个隶属函数，而不是一个概率密度函数。然而，它具备β概率密度分布函数的理想性质，即它是一个有界函数，可以被偏移至右边，偏移至左边，或表示成对称形式。在β-M 函数的现有形式中，参数α和β是非整数，并不需要复杂计算，这是一个优势。
步骤七：计算衡量专家对于影响指标的综合评价模糊数字的实用数。按上述步骤得到了关于每个方面的影响指标等级的模糊集合，但没有直接计算模糊数字的办法。因此需要一个实用数来表示影响企业绩效评价等级的百分比，该实用数包含模糊性，采用图 4-3 所示的实用数模型：
1.0
g(x) AL AR
0 a b 1.0 x
β-M隶属函数
按下面的公式计算企业绩效综合评价在财务评价方面的评价值 LA：
LA=( AL– AR+1)/2 (9)
这里 AR是非模糊实数，AL是以坐标域为界，位于所得到模糊集隶属函数左侧的区域面积，AR是右侧的区域面积。R 的数值分布在 0~1 范围内。
步骤八：对于管理者及员工评价方面、顾客评价方面、社会环境评价方面的指标，按照以上步骤三到步骤七所示，分别计算 LB、 LC和LD。
步骤九：按照财务评价、管理者及员工评价、顾客评价及社会环境评价的权重（wA，wB，wC，wD）,计算最后的企业绩效评价等级指数：
EPEI＝wALA＋wBLB＋wCLC+wDLD (10)
四 企业实施管理体系整合绩效评价模型的计算机实现
根据上文提到的计算方法与步骤可以编写相应的计算机程序，自动评定待评企业的管理体系整合绩效综合评价等级。该企业绩效综合评价模型的计算过程所示,通过使用 Visual Basic 6.0 以及 Matlab 5.3 ，可以设计和实现该企业绩效综合评价模型。
步骤一：只需在 VB 程序中输入财务评价方面的各个评价指标的权重等级（wi）与评价等级（ri）,就能利用该程序自动得到计算 R 的最小值 a、最大值 b、平均值μ和标准偏差σ；
步骤二：将所得的 a、b、μ、σ输入到已设定好的 EXCEL 表中，可得α、β以及 C 值；
步骤三：在 Matlab 程序中输入所得的 R 的最小值 a、最大值 b、α、β以及C 值,得到企业绩效综合评价在财务评价方面的评价值 LA，按照以上步骤分别得到 LB、 LC、LD；
步骤四：将所得的 LA、LB、 LC、LD 代入公式（10）中得到企业绩效评价等级指数 EPEI。
http://www.madio.net/Article/Class3/Class12/200509/1049.html
㈣ C语言的signal函数指定的"信号处理函数"的参数是什么含义
你可以查看《unix网络编程》这本书，回调函数里面传送过去的确实是信号量，这个信号量就是你使用signal注册的的时候触发的信号，这个信号一旦触发就会去执行相应的回调函数。
㈤ 课题：把男人的声音转换成女人的声音这个课题怎么做，从哪里入手步骤同时用C语言如何实现调用语音文
男声女声 的主要差别是振动频率。女声的频率高，男声的频率低。
简单转换，把男声录音用2倍速度播出，就变女声；把女声录音用一半速度播出，就变男声。
换句话说，男声录音1分钟长，你用30秒时间快速播完，就是女声。
女声录音1分钟长，你用2分钟时间快速播完，就是男声。
编程序，如果是电压数字时间序列，你把dt 乘 2 或 除2 就转化成功。
---
复杂转换，要用滤波方法，获取主音 和泛音 波谱，分别变换 主音 和泛音 波谱，再合成 时序。
㈥ 用C语言编程及作界面处理信号
#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);
//模拟测试数据
testdata();
//波形显示
setcolor(BLACK);
line(10,119,550,119); // x轴
line(10,10,10,239); // y轴
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);
//频谱显示
setcolor(BLACK);
line(10,459,550,459); // x轴
line(10,259,10,459); // y轴
setcolor(RED);
for(i=0;i<256;i++)
line(2*i+10,459-a[i],2*i+10,459);
getch();
closegraph();
return 0;
}
㈦ 数字信号处理和c语言程序设计这两门学科那个更简单好学一些
这是两门课程，不是学科。
C 语言简单，要求的基础，有中学的学力即可。
数字信号处理，要求的基础，一般是大三的学力。