开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

通过麦克风(AVAudioPCMBuffer和快速傅立叶变换)查找平均语音频率/范围

通过麦克风(AVAudioPCMBuffer和快速傅立叶变换)查找平均语音频率/范围是一种音频信号处理技术，用于分析语音信号的频率成分。下面是对该问题的完善且全面的答案：

概念：通过麦克风(AVAudioPCMBuffer和快速傅立叶变换)查找平均语音频率/范围是一种利用麦克风采集的音频数据进行频域分析的方法。AVAudioPCMBuffer是iOS平台上的一个音频数据缓冲区对象，而快速傅立叶变换(FFT)是一种常用的信号处理算法，用于将时域信号转换为频域信号。

分类：该方法属于音频信号处理领域，具体是基于频域分析的技术。

优势：通过麦克风(AVAudioPCMBuffer和快速傅立叶变换)查找平均语音频率/范围的优势包括：

非侵入性：该方法可以在不干扰语音信号的情况下进行频域分析，不需要对语音信号进行修改或损失。
实时性：通过麦克风采集的音频数据可以实时进行频域分析，可以用于实时语音处理应用。
精确性：快速傅立叶变换算法可以高效地计算频域信息，能够准确地获取语音信号的频率成分。

应用场景：通过麦克风(AVAudioPCMBuffer和快速傅立叶变换)查找平均语音频率/范围的应用场景包括：

语音识别：通过分析语音信号的频率成分，可以用于语音识别系统中的特征提取和模式匹配。
声音效果处理：可以根据语音信号的频率范围进行声音效果的调整，如均衡器、降噪、增益等处理。
语音分析：可以用于分析语音信号的特征，如音调、音色等，用于语音分析、情感识别等应用。

推荐的腾讯云相关产品和产品介绍链接地址：腾讯云提供了一系列与音视频处理相关的产品和服务，以下是其中几个推荐的产品：

腾讯云音视频处理（https://cloud.tencent.com/product/mps）：提供了丰富的音视频处理功能，包括音频转码、音频剪辑、音频混音等，可以满足音视频处理的需求。
腾讯云语音识别（https://cloud.tencent.com/product/asr）：提供了高精度的语音识别服务，可以将语音转换为文本，支持多种语言和领域的识别。
腾讯云语音合成（https://cloud.tencent.com/product/tts）：提供了自然流畅的语音合成服务，可以将文本转换为语音，支持多种语言和声音风格。

通过使用腾讯云的音视频处理、语音识别和语音合成等产品，可以实现对通过麦克风采集的音频数据进行频域分析，并应用于各种音视频处理和语音相关的应用场景。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

【数字图像】数字图像傅立叶变换的奇妙之旅

数字图像傅立叶变换一、研究目的深化对DFT算法原理和基本性质的理解：通过使用快速傅立叶变换（FFT）实现数字图像的傅立叶变换，旨在加深对DFT算法原理的理解。...然后通过fftshift函数进行中心化，将频谱的零频率分量移到频谱的中心位置。最后，使用log函数对频谱的幅度进行对数变换，以便更好地显示频谱的动态范围。...这段代码的目的是展示图像频谱分析的过程，通过傅立叶变换和二维离散余弦变换，可以将图像从空间域转换到频率域，并通过频谱分析来了解图像的频率特征。...傅立叶变换将图像从时域转换到频域，频谱图显示了图像中不同频率分量的强度信息。在频谱图中，原点代表零频率或直流分量，即图像中的均值或平均亮度。...频率和变换率直接相关，可以将傅立叶变换的频率与图像中的强度变换模式联系起来。变化最慢的频率成分 (u = v = 0) 对应一幅图像的平均灰度级。

2941 0

Android上实现频域均衡器

而且包含了视频播放器和音频播放器（不再本次讨论范围了）。...下面详细介绍一下FFT的实现: FFT是快速傅立叶算法的简称，要了解FFT，需要先介绍DFT，即离散傅立叶算法。这里有一张DFT时域频域转化的图： ? 左边是时域的波形，右边是时域的数据。...这里我简化一下输入和输出：其中x(n)是输入的short数组，X(k)是DFT输出的频域数组，n的范围是[0 , N)，k的范围是[0 , N)....四、总结本篇文章主要介绍了将录音从时域数据转化成频域数据的方法，所有代码和具体实现都是基于Android的，其中FFT的代码源于互联网，FFT的讲解部分多半源于K.R.Rao的《快速傅里叶变换:算法与应用...参考文献：【1】https://www.cnblogs.com/luoqingyu/p/5930181.html 【2】 K.R.Rao 等著，万帅等译《快速傅里叶变换:算法与应用》【3】https

1.8K2 0

机器学习中的音频特征：理解Mel频谱图

傅立叶变换音频信号由几个单频声波组成。在一段时间内对信号进行采样时，我们仅捕获得到的幅度。傅立叶变换是一个数学公式，它使我们可以将信号分解为单个频率和频率幅度。换句话说，它将信号从时域转换到频域。...这是可能的，因为每个信号都可以分解为一组正弦波和余弦波，它们加起来等于原始信号。这是一个著名的定理，称为傅立叶定理。快速傅立叶变换（FFT）是一种可以有效计算傅立叶变换的算法。它广泛用于信号处理。...频谱图快速傅立叶变换是一种功能强大的工具，可让我们分析信号的频率成分，但是如果信号的频率成分随时间变化，该怎么办？大多数音频信号（例如音乐和语音）就是这种情况。这些信号称为非周期性信号。...您可能会想，“嘿，我们不能通过对信号的多个窗口部分执行FFT来计算多个频谱吗？” 是! 这正是完成的工作，称为短时傅立叶变换。FFT是在信号的重叠窗口部分上计算的，我们得到了所谓的频谱图。哇！...这是因为人类只能感知到非常小的集中频率和幅度范围。

5.3K2 1

Android FFmpeg系列06--音频可视化

引言音频可视化，就是将声音的变化以视觉的方式呈现出来我们在上篇文章中通过FFmpeg解码了本地mp4文件的音频码流为PCM数据，并通过AudioTrack进行播放 Android FFmpeg...PCM数据做傅立叶变换（信号从时域转换为频域） PCM数据是时间离散的，需要用离散傅立叶变换（DFT）其中N为时域离散信号的点数，n为时域离散信号的编号（取值范围为0~N-1），m为频域信号的编号...（取值范围为0~N-1），频域信号的点数也为N 因此离散傅里叶变换的输入为N个离散的点（时域信号），输出为N个离散的点（频域信号，频域信号的每个点都用一个复数表示） DFT的特性（来自参考1）直接采用公式计算长度为...N的序列的DFT，时间复杂度是非常高的实际应用中我们一般采用快速傅立叶变换（FFT），支持FFT的开源库也非常多，比如Ne10 Ne10的编译与使用 Visualizer 从前面的内容我们可以知道音频可视化涉及的知识点是非常多的...，用于快速实现音频可视化一般使用方式如下：首先获取RECORD_AUDIO的权限（主要是为了保护某些语音信息的隐私，比如语音邮件）用audio sessioin ID创建Visualizer

1.8K3 1

音频知识（二）--MFCCs

同态处理是一种设法将非线性问题转化为线性问题来进行处理的方法，它能将两个通过乘法或卷积合成的信号分开。语音信号x(n)就可以看作是声门激励信号x1(n)和声道冲激响应x2(n)的卷积。...算法过程：信号 -> 傅立叶变换 -> 取绝对值 -> 取对数 -> 相位展开 -> 逆傅立叶变换 -> 倒频谱。...必须注意的是：这 20 个三角带通滤波器在'梅尔刻度'的频率上是平均分布的。梅尔频率代表一般人耳对于频率的感受度，由此也可以看出人耳对于频率 f 的感受是呈对数变化的。...实现：频域转换频域转换就是上文中提到对傅立叶变换了。这里称为短时傅立叶变换（STFT），本文就不做更多介绍。目的就是将信号从时域转换倒频域。...功率谱对语音信号的频谱取模平方，得到语音信号的谱线能量提取mel刻度计算Mel滤波器组，将功率谱通过一组Mel刻度(通常取40个滤波器，nfilt=40)的三角滤波器(triangular filters

4.1K9 1

【Excel系列】Excel数据分析：时间序列预测

Excel中的傅立叶分析是求解离散型快速傅立叶变换和逆变换。快速傅利叶变换（Fast Fourier Transform, FFT），是离散傅利叶变换的快速算法，也可用于计算离散傅利叶变换的逆变换。...20.3 傅利叶分析工具应用操作步骤（1）输入数据并中心化：时间、时间序号t、观测值xt、中心化(减x平均值）、求频率fi(=i/N)。（2）由傅立叶分析工具求中心化数据序列的傅立叶变换。...（3）IMREAL和IMAGINARY提取实部和虚部，按公式5计算频率强度（或由IMCONJUGATE求得共轭复数，再由IMPRODUCT求得两共轭复数乘积，得频率强度。...图 20-1 时间序列观测值及其图形由图可见，序列显现周期性变化，在整个时期范围内，周期为4.下面利用傅立叶分析工具进行频谱分析。...图 20-2 傅立叶变换及频率强度计算过程（2）从“数据”选项卡选择“数据分析”｜选择“傅利叶分析”弹出对话框并设置如图 20-3： ?

6.3K9 0

《信号与系统》很难？也许你应该看看这篇文章

对于第一个问题，我们考虑，语音信号是个时间频率信号(所以对应的F变换就表示时间频率)把语音信号分解为若干个不同频率的单音混合体(周期函数的复利叶级数展开，非周期的区间函数，可以看成补齐以后的周期信号展开...我们让输入脉冲信号I通过一个设备X，输出信号为原始的语音O，那么I(*)X=O，这里(*)表示卷积。...，所以实际中不存在)，做出这样的一个信号处理设备，我们就可以通过输入的脉冲序列得到几乎理想的原始的语音。...离散的F变换，很容易理解---- 连续信号通过一个周期采样滤波器，也就是频率域和一堆脉冲相乘。时域取样对应频域周期延拓。为什么? 反过来容易理解了，时域的周期延拓对应频率域的一堆脉冲。...由于时频都是离散的，所以在做变换的时候，不需要写出冲击函数的因子离散傅立叶变换到快速傅立叶变换----由于离散傅立叶变换的次数是O(N^2)，于是我们考虑把离散序列分解成两两一组进行离散傅立叶变换，变换的计算复杂度就下降到了

1.9K3 0

从灯泡振动中恢复声音的侧信道攻击

可视麦克风通过使用无源高频摄像机（与间谍无关的设备）恢复语音，但仅限于以高音量（平均音量为 95 dB）恢复语音，这超出了虚拟会议的音量（此类会议的平均音量为 75 dB）。...平均峰峰差是通过计算每 700 次连续测量之间的峰差（从一秒的采样中收集）并平均结果来计算的。下图显示了作为平均峰值差函数的频率响应，显示的结果揭示了三个见解。...2) 语音增强：语音增强是通过提高语音信号的清晰度和整体感知质量来优化语音质量。通过将 opt(t) 的值标准化到 [-1,1] 的范围来增强语音信号。...由Lamphone 恢复的语音的平均清晰度比使用可视麦克风时恢复的语音的平均清晰度高0.1（更好）。...4) 可视麦克风恢复的语音的平均 NIST-SNR 比使用 Lamphone 恢复的语音的平均 NIST-SNR 高 17.1（更好）。

1.5K4 1

全面解析傅立叶变换（非常详细）

第二章、实数形式离散傅立叶变换（Real DFT）上一章，我们看到了一个实数形式离散傅立叶变换的例子，通过这个例子能够让我们先对傅立叶变换有一个较为形象的感性认识，现在就让我们来看看实数形式离散傅立叶变换的正向和逆向是怎么进行变换的...、b两图跟c、d两图相乘后的结果，图e所有点的平均值是0.5，说明信号a含有振幅为1的正弦信号c，但图f所有点的平均值是0，则说明信号b不含有信号d。...第二种方法：相应地，我也可以通过把输入信号和每一种频率的正余弦信号进行相乘（关联操作），从而得到原始信号与每种频率的关联程度（即总和大小），这个结果便是我们所要的傅立叶变换结果，下面两个等式便是我们所要的计算方法...但要记住，这只是在实域上的离散傅立叶变换，其中虽然也用到了复数的形式，但那只是个替代的形式，并无实际意义，现实中一般使用的是复数形式的离散傅立叶变换，且快速傅立叶变换是根据复数离散傅立叶变换来设计算法的...我们知道傅立叶变换的结果是由两部分组成的，使用复数形式可以缩短变换表达式，使得我们可以单独处理一个变量（这个在后面的描述中我们就可以更加确切地知道），而且快速傅立叶变换正是基于复数形式的，所以几乎所有描述的傅立叶变换形式都是复数的形式

4.3K3 0

影视后期丨Adobe Audition安装教程-AU软件全版本下载地址 +干货分享

作为压缩器和限制器时，可减少动态范围，产生一致的音量。作为扩展器时，它通过减小低电平信号的电平来增加动态范围。a....：指定要修复的最短被“削波”采样的长度插值法：“三次方”表示用样条曲线来重新创建已剪切音频的频率内容，FFT表示用快速傅里叶变换来重新创建已剪切的音频c....Pass Filter）为低通滤波器，表示是否过滤掉高频/低频波段常量：切换Q值/宽度，超静音可消除噪音和失真范围：切换显示范围（30dB/90dB）5、调制① 和声（通过少量反馈添加多个短延迟）模拟多个语音或乐器...提取：需提取音频的位置频率范围：需提取音频的频率范围中心和侧边声道电平：指定信号中想要提取/删除的量高级选项FFT 大小：快速傅立叶变换大小（低设置可提高处理速度，高设置可提高品质）叠加：定义叠加的 FFT...”后面“伸缩与变调”中的“伸缩”将不可调）伸缩与变调：缩短或延长音频，上调或下调音频的音调高级(iZotope)声码器模式：以声码方式处理独奏乐器或人声：更快速地处理独奏表演保持语音特性：保持语音的真实性共振变换

2.9K2 0

面试官让你使用 scipy.fft 进行Fourier Transform，你会吗

傅立叶变换在许多应用中都很有用。例如，Shazam和其他音乐识别服务使用傅立叶变换来识别歌曲。 JPEG 压缩使用傅立叶变换的变体来去除图像的高频分量。...语音识别使用傅立叶变换和相关变换从原始音频中恢复口语。通常，如果您需要查看信号中的频率，则需要进行傅立叶变换。如果在时域中处理信号很困难，那么使用傅立叶变换将其移动到频域中是值得尝试的。...的快速傅立叶变换（FFT）是用于计算离散傅立叶变换（DFT）的算法，而DFT是变换本身。您将在scipy.fft库中看到的另一个区别是不同类型的输入之间的区别。...跳到使用快速傅立叶变换 (FFT) 部分以了解复数和实数。另外两个变换与 DFT 密切相关：离散余弦变换 (DCT)和离散正弦变换 (DST)。您将在离散余弦和正弦变换部分中了解这些内容。...当您计算傅立叶变换时，您假装正在计算它的函数是无限的。完整的傅立叶变换 (DFT) 假设输入函数无限重复。然而，DCT 和 DST 假设函数是通过对称扩展的。

1.2K3 0

大话信号与系统 — 奇文共欣赏

对于第一个问题，我们考虑，语音信号是个时间频率信号(所以对应的F变换就表示时间频率)把语音信号分解为若干个不同频率的单音混合体(周期函数的复利叶级数展开，非周期的区间函数，可以看成补齐以后的周期信号展开...我们让输入脉冲信号I通过一个设备X，输出信号为原始的语音O，那么I(*)X=O，这里(*)表示卷积。...那么傅立叶变换，那个令人难以理解的转换公式是什么含义呢? 我们可以看一下它和复数域傅立叶级数的关系。...同理，各个频率分量之间无限的接近，因为f很小，级数中的f，2f，3f之间几乎是挨着的，最后挨到了一起，和卷积一样，这个复数频率空间的级数求和最终可以变成一个积分式：傅立叶级数变成了傅立叶变换。...注意有个概念的变化：离散的频率，每个频率都有一个”权”值，而连续的F域，每个频率的加权值都是无穷小(面积=0)，只有一个频率范围内的”频谱”才对应一定的能量积分。

8672 1

独家｜OpenCV 1.7 离散傅里叶变换

下面是dft（）的应用示例程序：代码详解 傅立叶变换可以将图像分解成正弦和余弦分量。也就是说，它将图像从空间域变换到频率域。其主要思想为：任何函数均可以用无限多个正弦和余弦函数之和来精确近似。...傅立叶变换正是这一想法的实现。...数学上，一张二维图像的傅里叶变换可表示如下：这里，f是图像在空间域的图像值， F是图像在频率域的图像值，转换后的结果为复数，可以通过并且可以用实数图和复数图进行表示，也可以用幅度和相位图进行表示。...因此，为获得最优的性能，可以通过调整图像的边界值来获得便于快速计算的图像尺寸。...此外，频率域范围比其对应的空间域范围要大得多，所以至少要用浮点（float format）的格式来存储傅里叶变换的结果。

9483 0

如何教机器更好地理解人类情感？

比如说，一个说话的人不仅通过他的言语，还有他说话的节奏，语调，脸部表情，和身体语言来表达自己。...最初，我认为使用短时傅立叶变换来提取频率信息。然而，一些研究的主题表明，傅立叶变换是相当有缺陷的，当涉及到语音识别应用。傅立叶变换的原因，虽然是一个极好的声音物理表现，但并不代表人类如何感知声音。...语音识别应用的标准实践是在20Hz-20KHz之间应用26个频率箱，并且仅使用前13个进行分类。最有用的信息是在较低的频率范围内，并且包括更高的频率范围常常导致较差的性能。...原始音频，甚至短时傅立叶变换，几乎完全没有用。当我学会了艰难的方式，适当的缩放可以使模型或打破模型。未能消除沉默是另一个简单的陷阱。...一旦音频被正确地转换为信息特征，建立和训练一个深度学习模型就比较容易了。为了包装，建立一个分类模型的语音情感检测是一个具有挑战性但有益的经验。在不久的将来，我可能会重温这个项目，以扩大它。

7401 0

信号处理(四)

原始函数和傅立叶函数的平方积分是一样的，简单解释就是能量守恒： image.png 用F表示傅立叶变换，那么还有如下性质： image.png...有了上述几个性质，我们就可以快速知道某个函数的傅立叶函数，比如某个函数就可以看成是一系列缩放和扩张的结果。原始函数的平均值等于F{f}(0),也就是傅立叶变换在频域等于0时候的值。...如果原始函数是实函数，对应的傅立叶函数就是偶函数，如果原始函数是偶函数，对应的傅立叶函数就是实函数卷积和傅立叶变换卷积和傅立叶的关系可以用2个优雅的公式表示： image.png image.png...如果没有卷积，那采样过程就是原始信号乘以一个脉冲序列，在频域就可以表示成原始信号和脉冲序列各自傅立叶的卷积：图片 image.png 现在就可以看出来，如果原始信号频率是采样频率的整数倍，那么采样结果是完全区分不出来的...比如用盒子滤波器重建，实际上就是原始信号的傅里叶和盒子信号傅立叶的乘积，由于盒子滤波器也有其他信号的频谱，因此也会将其他信号的频率加上。

5371 0

从傅立叶变换到Gabor滤波器

1 傅里叶变换傅里叶变换是一个线性的积分变换，从时域到频域，傅立叶变换分为连续傅立叶变换、傅立叶级数、离散时域傅立叶变换、离散傅立叶变换（DFT）.原理即是将输入的长度为N信号分解为N/2+1 正余弦...，通过正交的原理。...最后的积分结果是一个只关于W的函数,也就是说是一个关于角频率的函数。这样就实现了时域到频域的转换。通过傅里叶变换，我们能将任何波分解为不同频率波的叠加。...假设我们这时有了一个信号的频率域：fin(f)，那么我们直接用频率域的Gabor核 Gabor^ 与其相乘，就实现了对 f0 频率邻域范围内的滤波效果：输入信号频率离这个 Gabor 核的 f0 越远，...gabor特征：用 Gabor 核和输入信号卷积就可以得到输入信号在某频率邻域附近的响应结果响应结果来实现频域滤波，又可以用它来描述信号的频率信息。

2.1K8 1

音频知识（一）

音调主要和声波的频率有关。但是音调和频率并不是成正比的关系，它还与声音的强度及波形有关。音色：是人耳对各种频率、各种强度的声波的综合反应。声音的特性，和发声物体本身材料、结构有关。 2....比如16bit音频指量化级别为16位，取值范围-32768,32767，一共有65536个值。编码：按照一定的格式记录采样和量化后的数据。...令再令F（ωt）为f(t) 的傅立叶变换就可以将公式8变换为根据上面的定义，步长，依据积分的黎曼和表达式(积分可以视为将曲线分为很小的区间然后求和) \int^{b}_{a...}f(t)dt = ∫baf(t)dt=\int^{b}_{a}f(t)dt = 那么公式可以变化为最后令公式12和9就是傅立叶变换的公式了～ 2.3 离散傅立叶变换(Discrete...DFT是将FT的积分转换为求和形式，FT内是令步长 ,我们把带入到公式10 令，对13和9进行变化，得到DFT变化公式 2.4 快速傅立叶变换（FFT） DFT与FFT其实是做同样的事情

3.1K5 1

OpenCV系列之傅里叶变换 | 三十

作者：磐怼怼转自：深度学习与计算机视觉未经允许不得二次转载目标在本节中，我们将学习使用OpenCV查找图像的傅立叶变换利用Numpy中可用的FFT函数 傅立叶变换的某些应用程序我们将看到以下函数...：cv.dft()，cv.idft()等理论 傅立叶变换用于分析各种滤波器的频率特性。...对于图像，使用2D离散傅里叶变换(DFT)查找频域。一种称为快速傅立叶变换(FFT)的快速算法用于DFT的计算。关于这些的详细信息可以在任何图像处理或信号处理教科书中找到。请参阅其他资源部分。...因此，可以说边缘和噪声是图像中的高频内容。如果幅度没有太大变化，则它是低频分量。（一些链接已添加到“其他资源”，其中通过示例直观地说明了频率变换）。现在，我们将看到如何找到傅立叶变换。...Numpy中的傅里叶变换首先，我们将看到如何使用Numpy查找傅立叶变换。Numpy具有FFT软件包来执行此操作。np.fft.fft2()为我们提供了频率转换，它将是一个复杂的数组。

1.5K3 0

用深度学习构建声乐情感传感器

例如，说话者不仅通过语言进行交流，还通过韵律，语调，面部表情和肢体语言进行交流。这就是为什么更喜欢亲自举行商务会议而不是电话会议，以及为什么电话会议或发短信会优先考虑电话会议。越接近通信带宽就越多。...语音识别软件近年来发展很快。这项技术现在可以很好地识别语音并将它们拼接在一起以重现口语单词和句子。但是，简单地将语音翻译成文本并不能完全封装说话者的信息。...最初想过使用短时傅里叶变换来提取频率信息。然而对该主题的一些研究表明，傅立叶变换在语音识别应用方面存在很大缺陷。之所以傅立叶变换，虽然声音的优秀物理表现，并不代表人类感知声音的方式。 ?...要从音频中导出MFCC，需要决定使用多少频率区以及分段的时间步宽。这些决定决定了输出MFCC数据的粒度。语音识别应用的标准做法是在20Hz-20kHz之间应用26个频率箱，并且仅使用前13个用于分类。...最有用的信息是在较低频率范围内，并且包括较高频率范围通常会导致较差的性能。对于时间步长，通常在10到100毫秒之间的值。选择使用25毫秒。 ? Mel滤波器组用于存储音频内容。

1.2K3 0

信号与频谱

在通信领域，无论是的GPS、手机语音、收音机、互联网通信，我们发送和接收的都是信号。最近，深圳地铁通信系统疑似与WiFi信号冲突，也就是地铁的天线收到了WiFi的信号，而误把该信号当作地铁通信信号。...傅立叶变换 (Fourier Transform) 简谐波虽然简单，但对信号处理具有重要意义。傅立叶是一名工程师，他发现，任何信号实际上都可以通过简谐波相加近似得到。...比如说，如果信号f(x)是周期性的，我们可以将它变换成： ? 也就是说，一个信号可以看做许多简谐波的和。上面的a,b是可以通过原信号求得的参数为: ? ?...频谱(frequency spectrum) 通过傅立叶变换，我们可以得到一个信号f(t)的不同频率的简谐波分量。每个分量的振幅，代表了该分量的强弱。将各个频率分量的强弱画出来，可以得到信号的频谱。...总结信号可以分解为不同频率的简谐波分量。这有助于我们更好的理解复杂的信号。傅立叶变换是信号处理(以及图像处理)的基础工具。通过傅里叶变换，我们可以获得信号的频谱。

1.2K9 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭