行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性

1.连续时间信号的取样及取样定理 2.离散时间信号的表示及其运算规则 3.离散时间线性非时变系统 4.离散时间信号和系统的频域表示 5.离散时间系统的变换域描述 6.有关序列和系统的一些概念 7.拉氏变换、傅里叶变换与Z变换关系

为解决强背景信号下冲击特征的提取问题,提出了一种自适应多尺度形态学分析方法.对于实际的待分析信号,分别定义长度尺度和高度尺度来确定多尺度形态学分析的结构元素,并基于信号的局部峰值实现自适应多尺度形态学分析.数值仿真实验分析表明,自适应多尺度形态学分析方法较单尺度形态学分析方法更利于提取信号的形态特征,避免了单尺度形态学分析在结构元素选择时的盲目性和对相关先验知识的依赖性.本文所提出的方法应用于轴承故障诊断,结果表明这种方法可以清晰地提取出各种特征信号

4.1 金属-氧化物-半导体（MOS）场效应三极管 4.1.1 N沟道增强型MOSFET 4.1.2 N沟道耗尽型MOSFET 4.1.3 P沟道MOSFET 4.1.4 沟道长度调制等几种效应 4.1.5 MOSFET的主要参数 4.2 MOSFET基本共源极放大电路 4.3 图解分析法 4.4 小信号模型分析法 4.4.1 MOSFET的小信号模型 4.4.2 用小信号模型分析共源放大电路 4.4.3 带源极电阻的共源极放大电路分析 4.4.4 小信号模型分析法的适用范围 4.5 共漏极和共栅极放大电路 4.6 集成电路单级MOSFET放大电路 4.6.1 带增强型负载的NMOS放大电路 4.6.2 带耗尽型负载的NMOS放大电路 4.6.3 带PMOS负载的NMOS放大电路（CMOS共源放大电路） 4.7 多级放大电路 4.8 结型场效应管（JFET）及其放大电路 4.8.1 JFET的结构和工作原理 4.8.2 JFET的特性曲线及参数 4.8.3 JFET放大电路的小信号模型分析法 *4.9 砷化镓金属-半导体场效应管 4.10 各种FET的特性及使用注意事项

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性

为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求

几乎所有的电气工程领域以及其他很多科学和工程学科都需要运用信号与系统的概念和 理论。信号与系统是对通信、信号处理和控制系统等领域进行进一步研究的基础。 本书可以作为各种版本信号与系统教材的补充。另外,它本身也是一本教材,每章通过 大量附有答案的习题对基本概念和原理加以详细分析,这些习题是本书的重要组成部分

针对恶劣测量条件下宽频带低信噪比调频连续波雷达信号距离模糊问题,建立了固态料面调频连续波雷达信号模型,并提出了以先验信息为辅助,包含信号频域预处理、频带截取及频带能量加权的距离反演方法.实际数据处理结果显示:经过预处理的信号频谱平均信噪比由原来的-5.55 d B提高到8.32 d B;采用包络线截频带法和最小二乘截频带法进行距离反演后拟合料线与实际料线间的料形相似度由0.46分别提高到0.71和0.79

基于传感器技术、信号处理技术和模式识别技术发展起来的电子鼻技术是过去二十年中发展最为迅速的气相分析和气体检测技术之一,它已逐渐在生物医学、环境监测、农业生产、食品检测等多个领域得到应用.电子鼻是利用对待测气体具有交叉敏感性的传感器阵列将待测气体中的混杂气味组分信息转化为与时间、成分、浓度或含量相关的可测物理信号组,利用信号采集系统输出含有待测气体特征信息的数字信号,通过模式识别系统分析数字信号得到待测气体综合气味信息和隐含特征,实现对待测气体快速、系统、准确的鉴别和分析.本文综述了电子鼻技术中的传感器技术和模式识别技术及在中国白酒品牌鉴定、风味识别、酒龄检测方面的最新研究进展;以聚合物石英压电传感器型电子鼻为例,阐明该电子鼻的技术方案及其在中国白酒检测中的应用;展望电子鼻未来研究方向

§3-2 非周期信号的频谱密度  傅立叶变换与频谱密度  信号的频谱分布与带宽  基本信号的频谱密度 §3-3 频谱分析的基本定理