#signal-processing Dépôts
Découvrez 88 dépôts GitHub open source actifs associés à #signal-processing, cumulant 132,400 étoiles au total (soit une moyenne de 1,504 étoiles par projet). Le projet en tête de ce thème est merbanan/rtl_433, avec 7,941 étoiles.
88 dépôts au total
Programme pour décoder les transmissions radio provenant d'appareils sur les bandes ISM (et d'autres fréquences)
Bibliothèque d'Analyse Audio Python : Extraction de Caractéristiques, Classification, Segmentation et Applications
Bibliothèque Python de filtrage de Kalman et d'estimation optimale. Implémente le filtre de Kalman, le filtre particulaire, le filtre de Kalman étendu, le filtre de Kalman unscented, g-h (alpha-beta), les moindres carrés, H infini, les lisseurs, et plus encore. Possède un livre d'accompagnement 'Kalman and Bayesian Filters in Python'.
Codec audio de pointe basé sur l'apprentissage profond prenant en charge l'audio mono 24 kHz et l'audio stéréo 48 kHz.
Une bibliothèque pour l'analyse audio et musicale, l'extraction de caractéristiques.
Une application Python qui détecte et met en évidence le rythme cardiaque d'un individu (en utilisant uniquement sa propre webcam) en temps réel.
NE TÉLÉCHARGEZ PAS CES FICHIERS DE GITHUB À MOINS QUE VOUS NE SACHIEZ CE QUE VOUS FAITES. (Voir ci-dessous.)
:musical_note: :rainbow: Visualisation musicale en temps réel avec bande LED utilisant Python et l'ESP8266 ou Raspberry Pi
NeuroKit2 : La boîte à outils Python pour le traitement des signaux neurophysiologiques
une bibliothèque de Transformée de Fourier Rapide (FFT) qui essaie de Garder ça Simple, Idiot
Super résolution audio polyvalente (n'importe quelle -> 48kHz) avec AudioSR.
BrainFlow est une bibliothèque destinée à obtenir, parser et analyser les données EEG, EMG, ECG et autres types de données provenant de biosenseurs.
Applications basées sur le CSI Wi-Fi (Channel State Information), telles que la localisation intérieure, la détection humaine
Répertoire pour la formation de modèles de séparation de sources musicales.
Une liste professionnelle d'articles, de tutoriels et d'enquêtes sur l'IA pour les séries temporelles dans les meilleures conférences et revues d'IA.
L'une des plus grandes bases de données crowdsourcées et indépendantes du fabricant de codes de télécommande infrarouge sur le web, et aspirant à devenir la plus complète et la plus précise
Bibliothèque d’extraction de caractéristiques de séries temporelles (TSFEL) : plus de 60 caractéristiques statistiques, temporelles, spectrales et fractales pour la classification et la régression de séries temporelles, ainsi que le traitement du signal en Python
Projet Raspberry Pi bare-metal qui fournit un échantillonnage pixel par pixel des vidéos RVB/YUV d'ordinateurs rétro et une conversion vers HDMI
Cadre de traitement de signal et de visualisation à haute performance accéléré par GPU qui fonctionne partout.
SoundFile est une bibliothèque audio basée sur libsndfile, CFFI et NumPy
Foire aux questions
Quel est le dépôt #signal-processing le plus populaire sur GitHub ?
Le projet #signal-processing open source le mieux classé sur GitHub est merbanan/rtl_433, avec 7,941 étoiles. Programme pour décoder les transmissions radio provenant d'appareils sur les bandes ISM (et d'autres fréquences)
Quels langages de programmation sont les plus utilisés dans les dépôts #signal-processing ?
Parmi les projets #signal-processing les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C, C++, Jupyter Notebook.
Comment le classement des dépôts #signal-processing est-il calculé ?
Nous suivons 88 dépôts open source actifs associés à #signal-processing (500+ étoiles), totalisant 132,400 étoiles, avec une moyenne de 1,504 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.