处理算法
数字信号的产生(15)-ARMA(p,q)模型数据产生
绘制ARMA模型波形：
一个基于C++的FFT实现方法—librow 推荐
通过 Qtiplot 绘制数据图形：
数字信号的产生(14)-泊松分布随机数
利用Python绘制理想分布：
数字信号的产生(13)-二项式分布随机数
****二项式分布生成数据：****
数字信号的产生(12)-伯努利+高斯分布随机数
****伯努利-高斯分布图：****
数字信号的产生(11)-伯努利分布随机数
****伯努利分布生成结果：****
数字信号的产生(10)-爱尔朗分布随机数
逆变换法产生爱尔朗分布随机变量x：
数字信号的产生(9)-韦伯分布随机数
韦伯（威布尔）分布：
数字信号的产生(8)-柯西分布随机数
柯西分布：
数字信号的产生(7)-对数正态分布随机数
数据生成结果：
数字信号的产生(6)-瑞利分布随机数
瑞利分布生成方法：
数字信号的产生(5)-拉普拉斯分布随机数
拟合拉普拉斯随机数分布：
数字信号的产生(4)-指数分布随机数
求逆法是基于概率积分反变换原则，是许多种离散分布中获取采样值的基本方法。
求逆法基本步骤如下：
（1）计算需要的随机变量X的概率分布函数F(X)；
（2）在X的取值范围内，置F(X) = R。由于X是一个随机变量，因此R也是一个随机变量，可以证明，R是区间(0,1)上的均匀分布。
（3）解方程F(X)=R ，用R来表示X，即求F(X)的逆。
（4）已知(0,1)上均匀分布的随机数R1, R2, R3, R4, Ri … 根据Xi=FX-1(Ri)计算所要的随机变量。
常用算法总结（1）—枚举算法
前几天看到一本书《常用算法深入学习实录》，当时就想，是否可以考虑基于这本书的框架构建个人对于常用算法的一个总结呢？因此，便有了这一系列的博文。尽管博文中的整个算法结构来源于此书，但实际操作中对于算法中个人认为不太好的地方，做了一定的修改。
枚举算法，就是将所有可能的答案列举出来，然后通过一定的条件判断得出答案是否符合预设，根据判定的结果，保留合适的，否则丢弃。也是在处理问题时，人们最先可能想到的一种算法。
任意函数表示为阶跃函数的积分 推荐
任意函数表示为冲激函数的积分 推荐
数字信号处理算法(3)-实序列快速傅立叶变换 推荐
输入序列x(n)的频谱，如下图所示：
数字信号处理算法(2)-快速傅里叶变换(FFT) 推荐
数字信号处理算法(1)-离散傅里叶变换 推荐
Qtiplot信号变换分析：
数字信号的产生(3)-高斯白噪声的产生 推荐
利用Debian下的Qtiplot软件工具，对数据进行处理及分析：
数字信号的产生(1)-混合同余法产生均匀随机数 推荐
有关《数字信号处理C语言算法》这个系列，由于原书大多只提供算法公式，对于公式背后的原理，并没有细讲解，所以，自己不得不参考很多书籍，有些地方甚至改了4遍，仍不满意。为了使这个系列具有很强的专业性和实用性，有关文章只有很成熟时，才会发表在博文中，因此，更新会比较慢。
这个系列的文章，本来是准备在Debian7系统下完成的，但由于缺少相应的公式编辑器，所以选择Win7，Debian7下只做部分算法的验证部分；当 然，公式的验证也可采用Excel，Origin等工具，不会有任何差异；如果只是用于C/C++普通编程，在Win7下建议使用eclipse for c/c++ ；使用Debian7的朋友，系统自带vim就是很好的工具。
OpenCV实现任意图像像素矩阵获取 推荐
创建储存文件cal.txt,利用行列扫描的方式，实现数据的输出：
