- 博客(6)
- 收藏
- 关注
RSS订阅原创 3. 非平稳信号分析与处理——不确定性原理
在现实世界中，表示某种物理量的原始信号是在无限长的时域和频域上连续的，但人们只关心且只有能力测量信号在有限时间和频率范围内的特征。显然，原信号频谱在卷积一个单位冲激响应后不会发生任何变化，频谱的还原效果最好，而主瓣宽度和副瓣幅值越大，频谱的还原效果越差。截断和采样的过程可以等价于将原信号乘上一个离散的窗函数，根据傅里叶变换的对偶性质，一个信号在一个域乘以窗函数时，就相当于在另一个域与窗函数的频谱做了卷积。因此，可以看出，对于时域的矩形窗函数，时域窗宽越大，则其频谱主瓣的宽度越小。
2024-12-24 15:01:46
1250
原创 笔记：随机过程（张颢2024）——2.随机过程概念及其分类（2）
Transformer和普通卷积网络最本质的区别普通卷积神经网络：用滤波器对图像的每一块输出结果把握每之间的关联，既是做相关。从二阶的角度分析，比一阶更本质。从上节课可知，相关函数使信号分析从整体简化到局部，即局部的相关特征可也用来表示整体。
2024-12-16 23:32:09
912
1原创 2. 非平稳信号分析与处理——解析信号与基带信号
实际应用中，直接接收或观测到的总是实信号的波形，而求解其解析信号需要构造具有理想阶跃频率特性的滤波器，这一滤波器在现实中是无法实现的。而在非平稳信号分析中，我们往往对时变的量更感兴趣，故可以对。的速度旋转，两向量的和向量沿实轴对称，故和向量必定落在实轴上。如图1所示，先将实信号乘以。得到，从而可以分别得到基带信号的实部和虚部，如图2所示。在时域上，频移和低通滤波器也是相对容易实现的，乘以。的另一个优势是易于获取，根据欧拉公式，我们可以将。，得到的信号频谱在零频附近，设其为。对于一般的窄带高频信号模型，
2024-09-29 21:40:50
630
原创 1.非平稳信号分析与处理——希尔伯特（Hilbert）变换
在实际应用中，我们往往获得的是信号波形或采样后的序列，无法直接获得信号的数学表达式。需要对信号波形做傅里叶变换，通过幅频曲线和相频曲线读取组成该信号的信号频率。的波形，还需要分析这两者的联系，我们期望获得的是一种不需要先验参数的处理方式，可以直接将。，将无限长的时间函数或序列简化为仅包含3个参数的数学表达式。时刻发散，一般采用函数表达式的形式而非卷积的形式定义，写作。为常数时，以复指数项中指数的正负区分频谱的正负部分。的信号，对其做傅里叶变换也无法获得完整的。，时域信号的乘积对应各自频谱的卷积，则有。
2024-09-28 23:33:46
2324
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人