<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Andius的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Andius</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Andius]]></copyright><item><title><![CDATA[Pitch Analyzer Benchmark on rk3588]]></title><link>https://blog.csdn.net/Andius/article/details/162047763</link><guid>https://blog.csdn.net/Andius/article/details/162047763</guid><author>Andius</author><pubDate>Wed, 17 Jun 2026 00:13:27 +0800</pubDate><description><![CDATA[项目上传至https://github.com/LeventureQys/PitchAnalyzer_Benchmark。]]></description><category></category></item><item><title><![CDATA[[旧日谈]再考IIR与FIR滤波器对相位影响的定量分析]]></title><link>https://blog.csdn.net/Andius/article/details/162018642</link><guid>https://blog.csdn.net/Andius/article/details/162018642</guid><author>Andius</author><pubDate>Tue, 16 Jun 2026 01:45:14 +0800</pubDate><description><![CDATA[先前我有写过一个简单的文章分析过两种滤波器对音频相位的影响，但是我只是知其然不知其所以然。对于音频，我虽然知道相位是一个很重要的概念，但是我始终不知道相位对实际音频的印象是什么水平的。这个问题在这些年的开发过程中始终萦绕在心头。虽然不做音频了，但是我仍然对这个问题保持好奇，综上，这也是为什么有了这个文章。假设我们有一个 1kHz 的正弦信号，经过一个低通滤波器之后，输出还是 1kHz 的正弦信号，幅度变小了——这很好理解，滤波器嘛，该衰减的衰减。但仔细看输出波形，会发现它相对于输入信号产生了一个时间上的延迟]]></description><category></category></item><item><title><![CDATA[[工程笔记]OpenGL 数字字体渲染异常考]]></title><link>https://blog.csdn.net/Andius/article/details/161392664</link><guid>https://blog.csdn.net/Andius/article/details/161392664</guid><author>Andius</author><pubDate>Mon, 25 May 2026 14:24:06 +0800</pubDate><description><![CDATA[事情是这样的：我在把一个模块从 Python 往 C++ 迁移。传感器热力图上面要叠一层文字标注——把每个 cell 的数值画在上面。Python 版本跑得好好的，C++ 版本一跑，数字直接歪了。不是一般的歪。1——竖线看起来像是波浪形的，一段粗一段细，最窄的地方几乎断掉，最宽的地方又莫名胖一圈。整体感觉这根竖线在"抖动"，完全没有一个印刷体数字该有的干练。4——竖线和横线交汇的那个角直接糊了。本来应该是一个锐利的直角，这边渲染出来是一小团色块，分不清横笔画的起止。]]></description><category></category></item><item><title><![CDATA[[RL]强化学习指导搭建IC2E核反应堆]]></title><link>https://blog.csdn.net/Andius/article/details/159653229</link><guid>https://blog.csdn.net/Andius/article/details/159653229</guid><author>Andius</author><pubDate>Mon, 30 Mar 2026 18:20:00 +0800</pubDate><description><![CDATA[IC2E的核反应堆设计本质上是一个组合优化问题。你有一个9×6的网格，54个位置，每个位置可以放18种不同的组件（包括空槽位）。理论上有18^54种可能的配置，这个数字大到宇宙中的原子都数不过来。但问题是，这些配置里99.99%都是垃圾——要么发电量低得可怜，要么直接爆炸。我们要找的是那0.01%既能高效发电，又不会炸的设计。环境设计比算法更重要。V1版本用了复杂的动作空间，试了各种算法和超参数，怎么调都不行。V2版本简化了动作空间，用默认参数就能训练出不错的模型。动作空间是否合理？]]></description><category></category></item><item><title><![CDATA[ONNX - 它到底快在哪，又慢在哪]]></title><link>https://blog.csdn.net/Andius/article/details/159166236</link><guid>https://blog.csdn.net/Andius/article/details/159166236</guid><author>Andius</author><pubDate>Tue, 17 Mar 2026 15:08:33 +0800</pubDate><description><![CDATA[ONNX（Open Neural Network Exchange）本质上是一种模型的中间表示格式（IR），类似于编译器里的 LLVM IR。用 PyTorch 训练完一个模型之后，模型的计算逻辑是用 Python 描述的，跑推理的时候要经过 Python 解释器、PyTorch 的调度器、再到底层的 CUDA kernel。这条链路很长，开销不小。]]></description><category></category></item><item><title><![CDATA[[TouhouRL]1. The Begining of Touhou Project RL，从简单贪吃蛇游戏的侵入式强化学习开始]]></title><link>https://blog.csdn.net/Andius/article/details/158807262</link><guid>https://blog.csdn.net/Andius/article/details/158807262</guid><author>Andius</author><pubDate>Sun, 08 Mar 2026 15:01:09 +0800</pubDate><description><![CDATA[这个项目用的算法叫游戏本体可以说相当简单，这里制作了一个简单的游戏。]]></description><category></category></item><item><title><![CDATA[SOLA同步叠加相加运算 - 计算模型]]></title><link>https://blog.csdn.net/Andius/article/details/155013042</link><guid>https://blog.csdn.net/Andius/article/details/155013042</guid><author>Andius</author><pubDate>Wed, 19 Nov 2025 09:14:55 +0800</pubDate><description><![CDATA[hnn01...Lh​−1xnn01...Lx​−1其中重叠区域长度为Loverlap​。]]></description><category></category></item><item><title><![CDATA[复习两个与噪声有关的参数：SI-SDR和PESQ]]></title><link>https://blog.csdn.net/Andius/article/details/152053637</link><guid>https://blog.csdn.net/Andius/article/details/152053637</guid><author>Andius</author><pubDate>Wed, 24 Sep 2025 23:39:49 +0800</pubDate><description><![CDATA[比值∣∣s∣∣2∣∣e∣∣2∣∣e∣∣2∣∣s∣∣2​是​​信扰比​​。SDR 值（以分贝 dB 表示）越高，说明信号失真越小。PESQ 的计算流程可以简化为：​​电平与时间对齐​​ -> ​​FFT 转到频域​​ -> ​​巴克尺度滤波（模拟人耳）​​ -> ​​计算瞬时响度​​ -> ​​计算对称与非对称扰动​​ -> ​​时间/频率聚合​​ -> ​​通过心理声学模型映射到主观MOS分数​​。]]></description><category></category></item><item><title><![CDATA[开发Qt程序时，为什么是CMake？]]></title><link>https://blog.csdn.net/Andius/article/details/148841592</link><guid>https://blog.csdn.net/Andius/article/details/148841592</guid><author>Andius</author><pubDate>Mon, 23 Jun 2025 10:46:22 +0800</pubDate><description><![CDATA[我只说三个原因：一、Qt Group事实上已经放弃了QMake作为官方的编译工具，仅保留维护更新二、CMake是大部分C++库编译脚本的事实标准三、VS对QMake的支持几乎为零，Qt + VS的Qt插件支持，但是这个插件也几乎停止更新了。CMake有VS的支持。我可以列出一大堆CMake比QMake更优越的理由，但是工程中使用CMake只需要上面三个理由就好了。]]></description><category></category></item><item><title><![CDATA[开发Windows C++应用的时候，我们在说什么？]]></title><link>https://blog.csdn.net/Andius/article/details/148802064</link><guid>https://blog.csdn.net/Andius/article/details/148802064</guid><author>Andius</author><pubDate>Sat, 21 Jun 2025 00:53:25 +0800</pubDate><description><![CDATA[未来可以想见要面对的新人开发可能会越来越多，但是我又不足以有全部的精力告诉各位，每一个开发的细节和编译的过程，而这些内容往往很难在书本上介绍到。对于一名刚刚入行的开发人员来说，我想你有必要知道一些《C++ Primer》、《Effective C++》这样的编程圣经之外看不到的东西。这些知识对于很多开发大能来说显而易见，但是对于一个刚入行的人来说，却是看不见摸不着的一道坎。]]></description><category></category></item><item><title><![CDATA[[奇技淫巧]CMake-VS文件夹分类存档]]></title><link>https://blog.csdn.net/Andius/article/details/146396538</link><guid>https://blog.csdn.net/Andius/article/details/146396538</guid><author>Andius</author><pubDate>Thu, 20 Mar 2025 14:34:03 +0800</pubDate><description><![CDATA[【代码】[奇技淫巧]CMake-VS文件夹分类存档。]]></description><category></category></item><item><title><![CDATA[[旧日谈]基于IEEE754的快速EXP函数估计算法]]></title><link>https://blog.csdn.net/Andius/article/details/146073908</link><guid>https://blog.csdn.net/Andius/article/details/146073908</guid><author>Andius</author><pubDate>Thu, 06 Mar 2025 16:28:26 +0800</pubDate><description><![CDATA[首先我们来转换一下exp函数表达式，令其更趋向于我们所需要的表达法。我们需要求的式为exp(x)=exsexp(x)=e^xsexp(x)=exs我们观察此式exe^xex则有
eln⁡(ax)=axe^{\ln(a^x)}=a^xeln(ax)=ax这里令a=2,则有
eln⁡(2)∗b=2be^{\ln(2)*b}=2^beln(2)∗b=2b令x=ln⁡(2)∗bx=\ln(2)*bx=ln(2)∗b,则有:
ex=2x/ln⁡(2)e^x=2^{x/\ln(2)}ex=2x/ln(2)记住这个推论，]]></description><category></category></item><item><title><![CDATA[[旧日谈]快速幂运算 - 算法及设计]]></title><link>https://blog.csdn.net/Andius/article/details/145531258</link><guid>https://blog.csdn.net/Andius/article/details/145531258</guid><author>Andius</author><pubDate>Sun, 09 Feb 2025 13:25:12 +0800</pubDate><description><![CDATA[快速幂运算本身是一个非常简单而且强大的工具，其强大之处在于借用了内存存储int类型数据的方式，用一种非常巧妙的方式极大地降低了运算的复杂度。首先我们知道，在计算机中，存储数字使用的是很多个二进制数字来表示的，这一块我不深究，只是举个例子，以整型数字为例：b2k1​2k2​....2k1​那么aba2k1​∗a2k2​∗....∗a2kn​这样我们就知道了，可以以平方和位移操作的方式，比直接手算更加高效地计算a2k。]]></description><category></category></item><item><title><![CDATA[[旧日谈]音频领域中，比FFT更快的RealFFT-算法及代码]]></title><link>https://blog.csdn.net/Andius/article/details/145512402</link><guid>https://blog.csdn.net/Andius/article/details/145512402</guid><author>Andius</author><pubDate>Sat, 08 Feb 2025 11:40:23 +0800</pubDate><description><![CDATA[我们知道FFT需要使用蝶式的方式计算，但是实际上，我们在开发音频的过程中，所有的数字都是实数，所以可能我们并不需要使用到这么多的计算次数，就可以实现FFT，具体做法接下来我会给出推导和证明。]]></description><category></category></item><item><title><![CDATA[[WASAPI]音频API:从Qt MultipleMedia走到WASAPI，相似与不同]]></title><link>https://blog.csdn.net/Andius/article/details/144703168</link><guid>https://blog.csdn.net/Andius/article/details/144703168</guid><author>Andius</author><pubDate>Tue, 24 Dec 2024 21:18:40 +0800</pubDate><description><![CDATA[最近在学习有关Windows上的音频驱动相关的知识，在正式开始说WASAPI之前，我想先说一说Qt的Multiple Media，为什么呢？因为Qt的MultipleMedia实际上是WASAPI的一层封装，它在是线上替我做了很多事，就好像在Microsoft的文档上会推荐你先学习Windows.Media.Capture，然后再看low level的WASAPI。]]></description><category></category></item><item><title><![CDATA[2024年度总结 - 前路是光明的，道路是艰难的]]></title><link>https://blog.csdn.net/Andius/article/details/144405903</link><guid>https://blog.csdn.net/Andius/article/details/144405903</guid><author>Andius</author><pubDate>Wed, 11 Dec 2024 17:20:05 +0800</pubDate><description><![CDATA[今年的工作算是换到了一个全新的环境全新的领域，与之前的小作坊式带领团队做toB不同，今年在摩罗我不再需要负责产品整体架构设计和业务，而是更加需要关注我负责的技术范畴。对我来说，一方面没有原先那么疲劳和迷茫，但是另一方面在技术上又提出了新的要求。今年在Gitee上一年近700次的commit就可以看出来，这一年还是做了不少工作的。在我之前的工作生活中我曾想过自己想要前往音视频领域，不过这顺便也来到了音频领域，那正好就要开始做一些不一样的东西和不一样的事情。]]></description><category></category></item><item><title><![CDATA[[Verilog]第一个流水灯项目的一些疑问和思考]]></title><link>https://blog.csdn.net/Andius/article/details/144375484</link><guid>https://blog.csdn.net/Andius/article/details/144375484</guid><author>Andius</author><pubDate>Tue, 10 Dec 2024 15:34:16 +0800</pubDate><description><![CDATA[这个数字应该是纯粹人为定义的，这里其实取到26位计时器也可以。我们在xdc中定义的时钟是20ns一个tick，而我们在代码中规定时间一个来回是10_000_000 - 1，也就是20ns * 10000000 = 0.2s，也就是说，我们只需要保证这个寄存器cnt不会在取到10_000_000 - 1这个值的时候溢出就行。我们知道2^24 = 16777216，也就是0.2s内cnt可以取到这个值。也就是说极端一点reg [27:0] cnt;甚至可以换成[23:0],当然了，你也不差这点内存。]]></description><category></category></item><item><title><![CDATA[[QDS]从零开始，写第一个Qt Design Studio到程序调用的项目]]></title><link>https://blog.csdn.net/Andius/article/details/143948146</link><guid>https://blog.csdn.net/Andius/article/details/143948146</guid><author>Andius</author><pubDate>Thu, 21 Nov 2024 16:01:51 +0800</pubDate><description><![CDATA[最近在使用Qt Design Studio进行开发，但是简中网上要不就是只搜得到Qt Designer(Qt Creator内部库)，要不就只搜得到一点营销号不知道从哪里搬来的账号，鉴于Qt Design Studio是一个这么强大的软件，自然是需要来进行一下小小的实践的。所以开了这篇文章，方便没有使用过Qt Design Studio 和 QML的开发者也可以快速上手QDS(Qt Design Studio)。在本文中，你将学会如何使用QDS开发一个简单的QML程序，与你的C++后端代码进行交流。]]></description><category></category></item><item><title><![CDATA[[简单实践]Noisy Print - 自制基于加性噪声模型的简易降噪器]]></title><link>https://blog.csdn.net/Andius/article/details/142771913</link><guid>https://blog.csdn.net/Andius/article/details/142771913</guid><author>Andius</author><pubDate>Tue, 08 Oct 2024 23:34:13 +0800</pubDate><description><![CDATA[1.采集噪声样本并建立噪声频谱模型2.将含噪声的音频信号分帧处理3.对每一帧进行窗函数处理4.对窗化后的帧进行快速傅里叶变换（FFT）5.从信号的频谱中减去噪声频谱6.处理频谱减法后的负值和伪影7.进行逆快速傅里叶变换（IFFT）重建时域信号8.通过重叠相加（Overlap-Add）方法重建完整的信号9.后处理，如频谱平滑。]]></description><category></category></item><item><title><![CDATA[[信号与系统]一阶与二阶连续时间系统和离散时间系统]]></title><link>https://blog.csdn.net/Andius/article/details/140823179</link><guid>https://blog.csdn.net/Andius/article/details/140823179</guid><author>Andius</author><pubDate>Wed, 31 Jul 2024 14:58:23 +0800</pubDate><description><![CDATA[定义：一阶连续时间系统由一阶线性常系数微分方程描述：
dy(t)dt+ay(t)=bx(t) \frac{dy(t)}{dt} + a y(t) = b x(t) dtdy(t)​+ay(t)=bx(t)时间常数：时间常数 τ=1a\tau = \frac{1}{a}τ=a1​ 是系统响应速度的衡量指标。时间常数越小，系统响应越快。冲激响应：一阶系统的冲激响应是指数衰减或增长的形式。例如，对于一个单位冲激输入，响应为：
h(t)=bae−at h(t) = \frac{b}{a} e^{-at} h(t)=]]></description><category></category></item></channel></rss>