数字声学处理项目旨在开发一个功能丰富的声音处理工具，用于处理音频数据并提取声音特征。项目的整体任务：首先，音频文件加载：使用Python中的相应库加载音频文件，支持常见的音频格式，如WAV、MP3等。时域特征提取：利用时域分析技术，计算音频信号的能量、过零率等特征。这些特征可用于声音的强度和变化程度的量化。频域特征提取：应用快速傅里叶变换（FFT）等技术，将音频信号转换到频域，计算频谱、频带能量分布等特征。梅尔频谱系数计算：基于梅尔滤波器组，将频谱转换为梅尔频率刻度上的能量分布，计算梅尔频谱系数（MFCC）。声音变化检测：应用信号处理和统计分析技术，检测音频信号中的声音变化点，如说话人变换、音乐片段切换等。这有助于音频剪辑和分割等应用。音频特征可视化：利用Python的数据可视化库，生成音频特征的图表和图像，以便直观地展示声音特性和变化。我的工作为该声音处理工具提供重要的基础功能，根据基本原理（拉格朗日插值等方法）写基本的数字化声学信息的算法。

工业铣削机器人在铣削过程中会由于刚性的不足会产生较大的偏移。为了修正这个偏移量要首先对不同测量数据进行同步，用图的形式明显的在App界面表示出来。装载现有的时间同步算法进行修正和测试，经过测试之后，对库卡机械臂上的铣削过程进行测试和实装，矫正过程使用机器学习，DTW等算法。

项目实现对工业领域的移动机器人在工业电脑（Windows系统）上实现一个GUI界面的开发。通过ROS实现信息的交互，首先在数字孪生机器人进行功能测试，之后转移到真实移动机器人上。数字孪生是在Unity上实现的，在其中制作了一个模拟的小车，并且安装上了传感器。经过测试后，实装到真实移动机器人中，最终实现了一个移动机器人的远程系统的开发。