Z变换 Z变换的基本原理 Z变换的本质是通过采样使得离散信号可以被拉普拉斯变换，因此z变换的对象是离散信号/序列。 其具体过程如下： 由第六讲中提到的采样定理，对于连续序列\(x(t)\)，对其做自然采样： \[\begin{aligned} x_s(t)&=x(t)δ_T(t) \\ &=x(t)∑δ(t-nT) \\ &=∑x(n

拉普拉斯变换 傅里叶变换的局限性 使用傅里叶变换的条件是\(f(t)\)必须要满足狄利赫里条件，即必须要满足有界、绝对可积和有有限个间断点三个条件。 有些信号并不满足绝对可积的条件，因此这些信号不能被应用傅里叶变换。 傅里叶变换中的无穷积分比较困难。 对于不满足狄利赫里条件的信号，可以用拉普拉斯变换进行处理。 拉普拉斯变换的基本原理 拉普拉斯变换的基本思想是将\(f(t)

使用支持向量机 本节将考虑在实际中应用SVM算法的一些问题。 调用函数库实现 求解\(θ\)的过程很繁琐，因此在实际中通常采用调用现有函数库（比如liblinear,libsvm）的方式实现SVM，但仍然需要给这些函数补充参数： 选择参数C。 选择内核参数。 如果不同特征之间的取值差异非常大，需要对特征变量做归一化。 其他的核函数 目前学到的两种核函数： 线性内核：即不使

《机器学习》 周志华 1-5章笔记 作者为博主的同事 黄欣迪 第一章 绪论 1.1 引言 什么是机器学习？ 机器学习是致力于研究如何通过计算的手段，利用经验来改善系统自身的性能 经验——数据 模型——算法 通过相应的算法分析数据——得出结论 一些文献用“模型”指全局性结果（决策树） 用“模式”指局部性结果（一条规则） 1.2 基本术语 进行机器学习的前提是要有数据，

img{ width: 40%; padding-left: 20%; } 频谱·非周期信号的傅里叶变换 信号的频谱 已经知道信号可以分解为一系列正弦信号或者是数字数信号的和。 以各分量（称为各谐波（Harmonics））对应的角频率为横坐标，以各分量的幅值或者是相位为纵坐标绘制图像，就能得到信号的频谱图像。 频谱分为两种，单边频谱（描述三角形式的傅里叶级数

img{ width: 40%; padding-left: 20%; } 时域分析方法（微分/差分方程·卷积） 微分/差分方程的解 从本节开始： 名词“系统输入”与“系统激励”等同，系统输出与系统响应等同。 在定积分中\(∫\)表示从-∞到∞的积分，\(∑\)表示从-∞到∞的和。 线

img{ width: 40%; padding-left: 20%; } 能量·周期信号的傅里叶变换·采样 连续信号的能量 巴塞瓦尔定理 信号\(x(t)\)所带有的能量能够用关于其傅里叶变换\(X(jω)\)模（频域上的幅值）的积分函数表示： \[E=∫|x(t)|^2dt=\frac{1}{2π}∫|X(jω)|^2dω\] >\(X(jω)\

Lecture 1 电磁场 以下是刘旭康同学的笔记，他的笔记更为详细。

Lecture 8 非频变天线

信号概述 按照时间特性的信号分类 确定信号和随机信号 确定信号 除了间断点外，对于一个确定的时间\(t\),都能有一个确定的值\(f(t)\)与之对应。 随机信号 又分为稳定的和不稳定的随机信号。 伪随机信号 连续时间信号和离散时间信号 连续时间信号 除了间断点外，在任何时间\(t\)都能找到一个与之对应的值\(f(t)\)。 连续时间信号的值域可以是连续