针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号,通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量,应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射,现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性

概要地叙述了小波、小波包理论,提出了一种用小波包分解和信号重构进行信号滤波的方法.先用小波包分解把信号分解到相邻的不同频率段上,然后用信号重构方法对各个频率段上的信号进行重构.以电机的振动信号为例,说明这种方法可以有效地用于信号的滤波

历史上两种典型的看法,很容易把微观粒子看作是经典粒子和经典波的混 合体 “粒子是由波组成的”:把粒子看作是由很多波组成的波包,但波包在媒质 中要扩散、消失(和粒子性矛盾)

6.1 晶体中电子的运动特征 一. Bloch 电子的准经典描述 二. 波包与电子速度 三. 电子的准动量 四. 电子的加速度和有效质量 6.2 在恒定电场作用下电子的运动 一.在 k 空间中的运动图象 二.在实空间中的运动图象 6.3 导体、绝缘体和半导体的能带论解释 一.满带电子不导电 二.未满带电子导电 三.近满带和空穴导电 四.导体、绝缘体和半导体

1.1 量子概念的提出 1.1.1 光的波动性与黑体辐射 1.1.2 量子概念的提出 1.2 辐射的粒子性 1.2.1 光电效应 1.2.2 康普顿(Compton)效应 1.2.3 辐射的波粒二象性 1.3 关于原子结构的早期理论 1.3.1 电子的确定 1.3.2 汤姆森(Thomson)的原子模型 1.3.3 原子核的发现 1.3.4 卢瑟福(Rutherford)的原子模型 1.3.5 原子结构的玻尔(Bohr)理论 1.4 物质的波动性 1.4.1 德布洛意(de Broglie)假设 1.4.2 微观粒子的波动性 1.5 微观粒子状态的描述 l.5.1 微观粒子的状态 1.5.2 波函数的统计解释 1.5.3 波函数的标准化条件 1.5.4 态迭加原理 1.6 不确定（测不准）原理 1.6.1 平面波迭加成波包 1.6.2 坐标和动量的不确定关系 1.6.3 能量和时间的不确定关系 1.7 薛定谔（Schrödinger）方程 1.7.1 Schrödinger 方程的得来线索 1.7.2 定态 Schrödinger 方程 1.8 在势箱中运动的粒子 1.8.1 Schrödinger 方程的求解 1.8.2 解的讨论 1.9 算符和力学量 1.9.1 算符的一般概念 1.9.2 线性算符和厄密(Hermite)算符 1.9.3 本征值方程 1.9.4 算符和力学量的关系 1.9.5 Hermite 算符的两个性质 1.9.6 力学量的平均值 1.9.7 对易算符及其力学量 1.10 氢原子 Schrödinger 方程的解 1.10.1 原子的玻恩一奥本海默(Born-Oppenheimer)近似 1.10.2 分离变量 1.10.3 ߔ(߮)方程的解 1.10.4 ߆)θ)方程的解 1.10.5 R(r)方程的解 1.11 关于氢原子解的讨论 1.11.1 波函数߰௡௟௠是ܪ,෡ܯ෡ଶ和ܯ෡௭的共同本征函数 1.11.2 塞曼(Zeeman)效应 1.11.3 氢原子的维里（virial）定理 1.12 氢原子的电子分布图 1.12.1 径向分布图 1.12.2 角度分布图 1.12.3 空间分布图 1.13 电子自旋和角动量耦合 1.13.1 电子自旋 1.13.2 角动量耦合 习题

§3-4 信号通过常参量线性电路 信号通过电路的波形失真 调幅信号（波包）的传输——群时延 电路的因果律 §3-5 采样定理 §4-1 网络拓扑分析的基本知识

采用调频连续波（Frequency modulated continuous wave, FMCW）雷达实现非接触式生理信号检测，并提出了基于小波分析和自相关计算（Wavelet analysis and autocorrelation computation, WAAC）的检测方法。首先，毫米波FMCW雷达发射电磁波信号，并接收来自身体的反射信号。然后，通过信号预处理从中频信号中提取包含呼吸和心跳的相位信息，消除直流偏置并完成相位解缠。最后，基于小波包分解（Wavelet packet decomposition, WPD）从原始信号中得到心跳和呼吸信号，利用自相关计算减小杂波对心跳信号的影响，进而提取高精度的心率参数。应用FMCW雷达对10名受试者进行实验测试，结果表明本文方法得到的呼吸和心率的平均绝对误差率平均值分别小于1.65%和1.83%

一、光的频率与波长 光是电磁波，有波长和频率两个特征。电磁波包括了一个极广阔的 区域，从波长只有千万分之一纳米的宇宙线到波长用米，甚至千米计 的无线电波都包括再内，每种波长的光的频率不一样，但光速都一样 即3×1010cm/s

4.1.1电磁波测距仪使用的载波 光与微波波包括机械波和电磁波