03. 反馈放大器 反馈放大器 反馈电路指将系统输出经过处理后加入输入信号的电路,基本的反馈结构如下图所示: 反馈电路由两部分组成:正向系统(输入→输出方向),其增益称为开环增益(Open-loop Gain),系统方程(S域)以\(A(s)\)或者\(G(s)\)表示;反馈系统(输出→输入方向)中的反馈系数可以理解为反馈量和输出量的比值,值越大,反馈越强,系统方程(S域)以\(B(s)\)或者\(H(s)\ 2021-10-14 学习笔记 > 电子系统
06. 线性调制的解调方法·抗噪性 线性调制的解调方法·抗噪性 线性调制的解调方法分为两种,其一为相干解调,适用于所有线性调制方法。其二为非相干解调(包络解波法),仅适用于调幅。 相干解调 相干解调法适用于所有的线性调制,其过程如图所示: 如图,当信号传入解调端后,信号与另一个同频同相的载波相乘,通过低通滤波器过滤出直流分量即可得到复原后的信号\(m_o(t)\)。 调幅、双边带调制的相干解调 对于调幅(AM): 2021-10-14 学习笔记 > 通信原理
Unit 16~18 Unit 16~18 ま行・や行・わ行 Unit 16 ま・も まま(に) 動詞辞書形・名詞~の+まま(に) 【任凭……】 動詞普通形・い形容詞・な形容詞・名詞~の+まま(に) 【保持……的样子】 動詞受身形+まま 【任人……】,消极地任人摆布 も当然だ 動詞普通形~の・い形容詞~の・な形容詞~の・名詞+ 2021-10-03 语言 > 日语 > N2备考文法 #日语 #N2
04. Z变换 Z变换 离散傅里叶变换的局限性 对于离散傅里叶变换\(X(e^{jω})=∑x[n]e^{-jωn}\),要求原离散信号\(x(n)\)满足狄利克雷条件,即要求变换中的求和项收敛: \[∑|x[n]|<∞ \] 有大量的信号不能满足这一条件。 Z变换原理 解决办法是在变换时添加一项\(r^{-n}\),以在保留原信号特征的同时改善原信号的收敛性。 \[X_r(e^{jω})=∑x[ 2021-10-01 学习笔记 > 数字信号处理
02. 滤波器 滤波器 滤波器按照滤波器本身是否消耗额外的能量(由于需要额外提供能量的组件多为运算放大器,因此也可按照有无运算放大器参与滤波分类)分为无源滤波器(额外不消耗能量、无运算放大器)和有源滤波器(额外消耗能量、有运算放大器)。 滤波器的阶数由滤波元件(L.C)的个数决定,在实际电路中,由于电感的体积较大,在集成电路设计中通常使用电容作为滤波元件。 无源滤波器 无源滤波器的截止频率由\(X_c=R 2021-10-01 学习笔记 > 电子系统
05. 模拟基带信号的线性调制方法 模拟基带信号的线性调制方法 调制 简单来说调制是将原本的信号(称为基带信号)\(m(t)\)与另一个确知信号(称为载波)\(c(t)\)一同进入乘法器,输出信号的过程。 \[S_m(t)=m(t)c(t)\] 需要注意的是,由于载波是确知信号,因此调制过程不会发生任何信息的变化。 使用调制的目的有三个: 由于天线与传输信号的波长之间存在匹配关系,通常天线的尺寸在\(\frac{λ}{ 2021-09-30 学习笔记 > 通信原理
讲义:什么是遗传算法(GA)? 讲义:什么是遗传算法? 参考资料: Flappy Learning- https://xviniette.github.io/FlappyLearning 北京大兴国际机场旅客航站楼和综合换乘中心, 北京市建筑设计研究院有限公司 Technological overview of the next generation Shinkansen high-speed train Ser 2021-09-30 研究 > 进化计算 > 遗传算法
04. 高斯噪声 高斯噪声 白噪声 白噪声指噪声信号的功率谱密度函数在频域内符合均匀分布。事实上,完全意义上的白噪声是不可能存在的,因此如果噪声的功率谱密度在系统的工作频段内符合均匀分布,也认为是白噪声。 ### 白噪声的统计特性 白噪声的谱密度函数(双边)可以表示为: \[P_ξ(ω)=\frac{n_0}{2}(-∞<ω<∞)\] 其期望为: \[E_ξ(ω)=∞\] 其自相关函数为: 2021-09-26 学习笔记 > 通信原理
03. 离散时间傅里叶变换 离散时间傅里叶变换 傅里叶变换的意义 对于一个线性时不变系统,系统任意的输入的信号可以表示为一系列特征函数的线性组合。而傅里叶变换的本质在于求出这个线性组合中每一项的系数和这个线性组合本身的表示。而连续时间域中的傅里叶变换是离散域中线性组合概念的拓展。 离散频域中的线性时不变系统的特征函数是指数函数(序列):\(e^{jω_kn}\),因此通过傅里叶变换,任何一个满足狄利克雷条件的离散时间域 2021-09-25 学习笔记 > 数字信号处理
TensorFlow 入门项目:训练一个VGG模型 TensorFlow 入门项目:训练一个VGG模型 代码环境建议为:Python37/38/39 Tensorflow 2.3.0/2.6.0 同NUS的交通标志分类器项目一样,搭建一个训练器的算法思路基本相同。基本步骤为: 读取数据集,加载数据集中的图像和标签 划分训练集和测试集 定义分类器,此处需要定义使用的Google的VGG模型 将训练集放入分类器训练,并用测试集输 2021-09-25 研究 > 神经网络 #Tensorflow