常见信号的傅里叶/拉普拉斯/Z变换 冲激函数的特性 冲激函数的特性 特性 公式 赋值性 \(∫δ(t)f(t)dt=f(0)\) \(f(t)δ(t)=f(0)δ(t)\) 偶函数 \(δ(t)=δ(-t)\) 缩放 \(δ(at)=\frac{1}{ \vert a \vert }δ(t)\) 冲激偶函数

反馈系统 反馈系统结构 (负)反馈系统框图可以用下图表示： \(G(s)\)是前向系统，\(H(s)\)是反向系统，\(G(s)H(s)\)称为开环传递函数，整个系统的闭环传递函数可以写作： \[CLTF=\frac{G(s)}{1+G(s)H(s)}\] \(1+G(s)H(s)=0\)称为闭环传递函数的特征方程。 放大器的闭环增益就是一个闭环传递函数。

系统方程 系统方程概述 对于一个有输入和输出的系统，可以通过观察系统输入和输出的关系来建立描述系统的方程，在拉普拉斯变换的s域下，系统方程可以表述为系统输出与输入之比： \[ H(s)=\frac{R(s)}{E(s)}\] 也可以按照时域分析方法中的理解，当\(e(t)=δ(t)\)时，其拉普拉斯变换为1，因此系统方程也是输入为冲激函数时的系统输出。 类型 策动点方程 当系统是一个单

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)\

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

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：即不使用

《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，例如

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

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