weixin_41388458的博客

将 from_future_impotrt----前面所有的注释和文字全部删除即可。

import numpy as npnp.random.seed(1337)from keras.models import Sequentialfrom keras.layers import Denseimport matplotlib.pyplot as plt# 创建一些数据X = np.linspace(-1,1,50)np.random.shuffle(X)Y = ...

信号的重建1、原理完成了时间轴的离散和幅值轴的量化后，这个问题貌似已经解决，但在实践过程中就会发现，即使按照信号采样定理完成信号的采样，信号显示的结果也可能会与原始信号相差甚远。这是为什么？有无办法改善这种巨大差异？当然，差异是可以改善的，否则采样定理就没用了，秘籍就是下面不算太复杂的公式。x(t)=∑n=−∞+∞x(nΔ)sin((t−nΔ)1Δ)(t−nΔ)1Δx(t)=∑n=−∞+∞x(nΔ...

1 信号间的相互关系1.2 新的信号间运算类classdef CSigCalc<handle % relation between two signals % properties m_sig1; m_sig2; end methods function obj = CSigCalc(sig1, sig2) ...