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[

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

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}{

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

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： \[R

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

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

Unit 11~15 な行・は行 Unit 11 な・に ないことにはない・ないこともない・ないではない・ないではない 動詞ない形・い形容詞ない形・な形容詞～で＋ないことにはない・ないこともない 【不是不能……】消极 動詞ない形・い形容詞ない形・な形容詞～で＋ないではない・ないではない 【也不是不……】 ながら（も） 動詞ます形・

数字系统 系统的特性 线性 线性系统满足两个特点：齐次性和可加性。 齐次性 如果\(x[n]→T→y[n]\)，有： \[Ax[n]→T→Ay[n]\] 称系统具有齐次性。 可加性 如果\(x_1[n]→T→y_1[n]\)、\(x_2[n]→T→y_2[n]\)，有： \[x_1[n]+x_2[n]→T→y_1[n]+y_2[n]\] 称系统具有可加性。 同时满足齐次性和可加

数字信号 数字信号是时间离散、幅值离散的信号。但是在本课中为了简化分析，认为时间离散、幅值连续的信号也是数字信号。 数字信号可以由序列进行表示： \[...,x[-1],x[0],x[1],...\] 采样 模拟信号是时间连续、幅值连续的信号。使模拟信号转变为数字信号的过程称为采样。采样过程可由如下公式表示： \[x[n]=x(t)|_{t=nT_s}=x(nT_s),n∈Z\] 其中