1、掌握 CPMG 序列的特点； 2、掌握用 CPMG 序列测量 T2 时间的原理和方法； 3、了解采集参数对于回波链的影响；

(一)常见的前缀 3.表示时间,序列关系的前缀 1、ante-,anti-,表示“先前,早于,预先” antecedent, anticipate, 2、ex-,表示“先,故,旧” expresident, exhusband

7.1引言 7.2离散时间信号——序列 7.3离散时间系统的数学模型

1.2时域离散信号 1.概念:时间离散,幅值连续的信号。又可称为序列。从数学描述的角度定义,即可以用数字序列:

一个离散时间系统在数学上的定义是将输入序列x(n)映射成 输出序列y(n)的唯一性变换或运算。它的输入是一个序列,输 出也是一个序列,其本质是将输入序列转变成输出序列的一个 运算

3.1离散时间信号 3.2LT离散系统的响应 3.3单位序列和单位序列响应 3.4卷积和 3.5解卷积

5.1 非周期序列的傅里叶变换 5.2 非周期序列傅里叶变换的性质 5.3 非周期序列傅里叶变换与Z变换的关系 5.4 离散时间系统的频率特性 5.5 离散时间系统的频域分析 5.6 序列的希尔伯特变换 5.7 因果序列频谱的实部与虚部的约束关系 5.8 线性位不变全通系统和线性位不变因果稳定

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价

连续系统:各变量均为时间t的连续函数。 离散系统:系统中某一处或几处的信号是脉冲序列或数字编 码。 离散信号:仅在离散的瞬时上变化,是时间的离散函数,呈 现的是脉冲信号或数码信号。 通常把系统中的离散信号是脉冲序列形成的离散系统,称为 采样控制系统或脉冲控制系统;而把数字序列形成的离散系统, 称为采样控制系统或计算机控制系统。 散控制系统分为:采样控制系统:脉冲序列信号; 数字控制系统:数字序列信号

通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差