- 博客(26)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 信号与系统7-采样
文章目录1.用信号样本表示连续时间信号：采样定理1.用信号样本表示连续时间信号：采样定理采样定理：如果一个信号是带限的(即它的傅里叶变换在某一有限频带范围以外均为0)，并且它的样本取得足够密(相对于信号中的最高频率而言)，这些样本就能唯一的用来表征这一信号并且能从这些样本中把信号完全恢复出来。%原始信号t = -0.2 : 0.0005 : 0.2;N = 1000;k = -N : N;W = k * 2000 / N;origin = sin(2 * pi * 60 * t) + c
2022-04-29 20:06:43
586
原创 离散时间信号处理8-离散傅里叶变换
文章目录8.1 周期序列的表示-离散傅里叶级数8.2 离散傅里叶级数的性质8.2.1 线性8.2.2 序列的移位8.2.3 对偶性8.2.4 对称性8.1 周期序列的表示-离散傅里叶级数与连续时间周期信号相似，离散时间周期序列也可表示为傅里叶级数，该级数相当于成谐波关系的复指数序列之和。离散时间周期信号与连续时间周期信号表达式如下所示：x^[n]=∑k=<N>akejw0kn=1N∑k=<N>X[k]ejw0kn\hat{x}[n]=\sum_{k=<N>}a_k
2022-04-24 16:21:59
824
翻译 Signal Processing for Active Control chapter3翻译
文章目录单通道前馈控制引言3.1.1 章节大纲3.1.2 数字控制器总结单通道前馈控制引言我们从前馈控制器的单通道版本开始讨论主动控制系统。前馈方法在主动控制中有着悠久而重要的历史。这可以追溯到(date back)Lueg最初的风管(duct)控制器，如第1章所述，在该控制器中，上游(upstream)参考麦克风用于提供有关沿风管传播的压力扰动(pressure disturbance)波形(waveform)的高级(advanced)信息。在这种应用中，如果参考传感器被放置在足够远的上游，以克服
2022-04-20 16:22:14
249
翻译 Robust performance of virtual sensing methods for active noise control 翻译
文章目录用于主动降噪的虚拟传感方法的鲁棒性能一、引言用于主动降噪的虚拟传感方法的鲁棒性能本文研究了环境变化对两种广泛使用的主动降噪虚拟传感方法性能的影响：远程麦克风(remotemicrophone)方法和附加滤波器(additional-filter)方法。当控制环境中存在不确定性时，采用此类虚拟传感技术的自适应前馈控制算法的鲁棒性能对于在实际指定位置实现噪声衰减(attenuation)至关重要。首先(initially conducted)，在行驶的汽车中使用头枕(headrest)ANC系统测
2022-04-16 17:23:36
176
原创 信号与系统学习笔记与代码实现4-连续时间傅里叶变换
文章目录4.1 非周期信号的表示：连续时间傅里叶变换4.1 非周期信号的表示：连续时间傅里叶变换非周期信号的傅里叶变换关键点在于，要将非周期信号看作是周期 TTT 无限长的周期信号，以上一章3.3.3节方波信号举例，该方波信号的傅里叶级数系数为：ak=2sin(kw0T1)wTa_k=\frac {2sin(kw_0T_1)} {wT}ak=wT2sin(kw0T1)Tak=2sin(wT1)w∣w=kw0Ta_k=\left. \frac {2sin(wT_1)} {w} \right|
2022-04-11 15:48:31
400
原创 使用C语言实现卷积运算及移动平均滤波器
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录课题目标一、pandas是什么？二、使用步骤1.引入库2.读入数据总结课题目标使用C语言和卷积运算实现N点移动平均滤波器程序。输入信号如下所示：(1) x[n]=sin(πn/64)(1)\;\;x[n]=sin(\pi n/64)(1)x[n]=sin(πn/64)(2) x[n]=sin(πn/64)+0.2sin(10πn/64)+0.1sin(20πn/64)(2)\;\;x[n]=sin(\pi.
2022-03-29 18:22:08
1753
原创 matlab矩阵[](:)使用方法
matlab矩阵括号[](:)[](:)[](:)使用方法中括号 [][][] 用来存储矩阵和向量，定义矩阵的方法如下：a=[1 2 3;4 5 6];b=[1,2,3;4,5,6];两种定义方法结果相同：小括号 ()()() 一般用来提取矩阵中的元素，使用方法如下：a=[1 2 3;4 5 6];b=[1,2,3;4,5,6];c=a(1,1);%取a第一行第一列元素d=b(2,1);%取b第二行第一列元素e=a(:,1);%取a第一列所有元素f=a(1,:);%取a第一行所
2022-01-25 13:07:33
4429
原创 C语言读取写入数据，去除逗号分隔
使用C语言读取写入数据，去除逗号分隔数据内容如下，格式为.dat.dat.dat文件，目标是使用C语言读取文档，并输出文档，并且去除逗号分隔。0,1,2,3,4,5,6,7,8,9,C语言代码如下：# include "stdio.h"#define n 10int main(){ FILE* fp0, * fp1, * fp2; fopen_s(&fp0, "D:\\DOCUMENT\\C\\Project1\\data.dat", "r"); fopen_
2022-01-18 10:35:33
1725
原创 信号与系统学习笔记与代码实现3-周期信号的傅里叶级数表示
文章目录3.1 历史回顾3.2 线性时不变系统对复指数信号的响应3.1 历史回顾欧拉提出，如果一个线性时不变系统的输入可以表示为周期复指数或正弦信号的线性组合，则输出也一定能表示成这种形式；并且输出线性组合中的加权系数直接与输入中对应的系数有关。而傅里叶提出，任何周期信号，都可以用正弦函数级数进行表示。3.2 线性时不变系统对复指数信号的响应在研究线性时不变系统时，将信号表示成基本信号的线性组合是非常有利的，但这些信号需要满足两个性质：1.由这些基本信号可以构成相当广泛的实用信号。2.线性
2022-01-16 03:28:08
1302
原创 信号与系统学习笔记与代码实现2线性时不变系统
文章目录2.0 线性时不变系统2.1 离散时间线性时不变系统：卷积和2.1.1 用脉冲表示离散时间信号2.1.2 离散时间线性时不变系统的单位脉冲响应及卷积和表示2.0 线性时不变系统线性时不变系统能够被深入分析的主要原因之一在于该类系统具有叠加性质，即将线性时不变系统的输入用一组基本的信号的线性组合来表示，就可以根据系统对这些基本信号的响应，然后利用叠加性质求得整个系统的输出。2.1 离散时间线性时不变系统：卷积和2.1.1 用脉冲表示离散时间信号离散时间单位脉冲序列具有筛选性质（sifin
2022-01-13 12:16:03
696
原创 电子信息数学专业日语
文章目录1. 算数部分1. 算数部分a+ba+ba+b. aたすb・aプラスba−ba-ba−b. aひくb・aマイナスb a×ba\times ba×b. aかけるba÷ba\div ba÷b. aわるbab\frac {a} {b}ba. a分(ぶん)のba=ba=ba=b. aイコールb...
2021-12-28 02:44:10
570
原创 日语单词(个人用)
文章目录1、紅蓮華1、紅蓮華紅蓮華(ぐれんげ) 红色莲花，佛教地狱之花，彼岸花走馬灯(そうまとう) 走马灯酔う(よう) 醉強張る(こわばる) 逞强震える(ふるえる) 颤抖掴む(つかむ) 抓住睨む(にらむ) 凝视悲しみ(かなしみ) 悲伤打ちのめす(ぶちのめす) 打到，打败咲き誇る(さきほこる) 绽放稲光(いなびかり) 闪电刺す
2021-12-27 22:11:35
228
翻译 Active Noise Control:A Tutorial Review 翻译
文章目录摘要摘要主动噪声控制(ANC)是通过适当的二次声源(secondary sourcces)矩阵来引入一个“反噪声(antinoise)”声波来实现的。这些二次声源是通过一个具有针对于特定消除方案的信号处理算法的电子系统来联系在一起。ANC已经广泛应用于制造业、工业生产和消费产品。本文的重点在于从实用性的角度讨论ANC系统中关于自适应信号处理（adaptive signal processing）和数字信号处理(DSP)在现实中的应用。在这篇文章中，ANC的自适应算法是以单通道宽带前馈控制为
2021-12-24 00:22:37
929
3
原创 信号与系统学习笔记与代码实现1
信号与系统学习笔记与代码实现文章目录信号与系统学习笔记与代码实现1.1 连续时间信号与离散时间信号二、使用步骤1.引入库2.读入数据总结1.1 连续时间信号与离散时间信号在数学上，信号可以表示为一个或多个变量的函数。两种基本类型的信号分别为：连续时间信号与离散时间信号。matlab示例代码如下所示。如下所示的正弦信号振幅为1，周期为2πw2\pi \over ww2π等于64。t=linspace(1,64,64);y=sin(pi/32*t);subplot(2,1,1);
2021-12-19 11:45:02
804
原创 AI初学笔记11 CIFAR10
AI初学笔记11 CIFAR10文章目录AI初学笔记11 CIFAR10一、CIFAR10 下载调用二、查看CIFAR10图片总结一、CIFAR10 下载调用前几节使用的是minist手写数字数据集，这次使用的是彩色的CIFAR10 分类数据集，图片类型共有10种，分别是：‘plane’, ‘car’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’，每张图片像素的大小为32*32，因为是彩色图片，所以通道为3，
2021-08-16 13:44:04
141
原创 AI初学笔记10 卷积神经网络
AI初学笔记10 卷积神经网络文章目录AI初学笔记10 卷积神经网络一、CNN原理说明二、CNN网络结构及参数三、程序实现1. 加载数据2. 定义类3. 优化器及训练过程总结一、CNN原理说明在处理图像问题中，图像的每一个像素值都与周边的像素值存在一定的联系，而使用全连接网络的话，则会损失掉这种空间特征，导致最终准确率下降。为了提取出这种图像问题中的空间特征，采用如下图所示的卷积神经网络。下图中的输入input中每个数值表示黑白照片中该像素点的亮度值，下图的卷积核Kernel中有9个权重，
2021-08-10 13:58:26
262
原创 AI初学笔记9 多分类问题
AI初学笔记9 多分类问题一、softmax层多分类问题与二值问题的不同点在于，二值问题，只需要计算一个概率P1，另一个概率由就可以由1-P1得到。而多分类问题则需要计算多个概率值，需要保证每个分类的概率值之和为1，多分类问题的计算方法如下公式所示。Zi是线性单元计算后的值，有可能是负数，所以通过e的指数形式，可以保证概率为正值，再通过除以所有e指数之和，达成概率和为1的目的。但是在pytorch中，直接使用封装好的torch.nn.CrossEntropyLoss()函数，可以完成soft
2021-08-09 01:44:37
277
原创 AI初学笔记 08 加载数据集
AI初学笔记 08 加载数据集文章目录AI初学笔记 08 加载数据集一、DataLoader使用方法二、模型类的创建三、训练过程四、补充：enumerate()函数用法总结一、DataLoader使用方法使用定义类的方法对数据进行处理，因为先要把数据包装成Dataset的形式，再加入DataLoader。其中，self.len = xy.shape[0]表示取xy矩阵的行数，假设xy矩阵的形状大小是（N，8），则xy.shape[0]等于N。DataLoader的本质是对数据进行mini
2021-08-06 12:06:25
108
原创 AI初学笔记 7 多维数据处理
AI初学笔记 7 多维数据处理文章目录AI初学笔记 7 多维数据处理一、Numpy矩阵切片方法二、使用步骤总结一、Numpy矩阵切片方法在深度学习的数据集中，经常要对数据进行处理，data_list[:, 0:2]，表示输出二维数组的第1，2列data_list[:, :-1]，表示输出二维数组除去最后一列的所有列data_list[0:2, :]，表示输出二维数组的第1，2行在处理数据集前，需要把数据集变换成numpy.array的形式。以二位数据集为例进行演示，代码如下：
2021-08-03 11:58:16
548
原创 AI初学笔记 6 Logistic回归
AI初学笔记 6 Logistic回归文章目录AI初学笔记 6 Logistic回归一、分类问题二、二分类问题总结一、分类问题在之前几节中，我们实现的都是一个线性过程，但是在实际情况中，很多时候需要神经网络完成的不是线性任务，而是分类问题，比如说经典的minist手写数字数据集分类如下图所示。举个例子，线性问题中7和8之间的差距，相比于7和9之间的差距要小，所以7和8之间的损失值loss要小，但是在手写数字的视觉分类中，7和9的相似度明显要高于7和8的相似度，所以在进行手写数字分类问题中
2021-07-31 13:48:06
68
原创 AI初学笔记 5 实现线性回归
AI初学笔记 5文章目录AI初学笔记 5一、建立模型的“四步走”1.准备数据2.使用类的方式设计模型3.使用API构建优化器和损失函数4.循环过程总结一、建立模型的“四步走”1.准备数据这里的准备数据和之前有点不同的在于，要使用tensor类型的数据，因为模型自动求梯度等过程中，都需要在tensor的基础上进行，tensor类型的定义方法为：import torchx_data = torch.tensor([[1.0], [2.0], [3.0]])2.使用类的方式设计模型
2021-07-30 12:54:54
56
原创 AI初学笔记4 类与面向对象的创建
AI初学笔记4 类与面向对象的创建文章目录AI初学笔记4 类与面向对象的创建一、什么是类，什么是面向对象二、代码实现三、实例属性总结一、什么是类，什么是面向对象在前几节建立的深度学习模型都是简单模型，定义的函数只有两三个，所以不需要定义大类，但当模型复杂以后，需要使用的函数极多，这就需要对所需函数进行分类。一般的定义规则是大类中再包含该类的属性和动作。打个简单的比方，我们大致可以把动物分为人类，鸟类，鱼类等等大类（生物学上好像不是这么分的不过就当是这样吧），人类中的属性有：性别，年龄，名字等
2021-07-26 16:34:04
1391
原创 AI初学笔记 3
AI初学笔记 3文章目录AI初学笔记 3一、神经网络总结一、神经网络在上一节进行了梯度下降的代码实现，以自动求导的方式进行梯度下降，取得简单曲线的最优解，但是这里存在一个问题，就是梯度函数是人工计算导数后写入的，如果是简单模型，确实可以人工计算，但模型复杂则无法进行人工计算，比如下图所示的一般情况下的神经网络。X为输入层，H为输入和输出中间的隐藏层，H与X间的每一条连线都是一个权重，每层H的个数往往都与输入X的个数不同，所以之间要进行矩阵的乘法，以图中矩阵乘法为例，如果要得到 [6 * 1]
2021-07-24 13:05:18
230
原创 AI初学笔记 2
AI初学笔记 2文章目录AI初学笔记 2前言一、梯度下降算法二、代码实现1.数据2.读入数据总结前言上次设计的训练模型是使用穷举的方式，列出范围内所有可能性，最后寻找出最优解，但这种方式显然不能应对复杂场景，过于庞大的数据是无法列出所有可能性的，所以需要设计一种方法，让模型更有针对性的，自动的去寻找最优解，向最优解靠拢。一、梯度下降算法梯度下降算法的核心思想就是利用函数曲线的导数，也就是斜率，对模型下一次计算的方向进行引导，最终指向导数为0，也就是曲线的最低点，损失最小点。实现的
2021-07-23 20:11:17
120
原创 AI初学笔记 1
AI初学笔记 1文章目录AI初学笔记 1前言一、搭建线性模型二、代码1.引入库2.数据3.定义函数4.遍历2.画图总结前言初学者，仅为自己笔记参考，大佬勿笑。以我的理解，深度学习就是建立一个模型，然后对给出的数据（x_data，y_data）进行学习训练寻找x与y的规律与关系，最后训练完成达到的结果是，给出一个输入值x，让模型计算相应y值，如果模型训练的足够好，那么这个计算的到的y值可以无限接近真实的y值。一、搭建线性模型首先搭建一个简单的线性模型，假设：上课学习时间为x，所学到的知识量为y
2021-07-22 23:23:23
104
A Review of Virtual Sensing Algorithms for Active Noise Control
2022-04-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人