(1)拉普拉斯变换的基本原理和性质 (2)掌握用拉普拉斯变换分析线性电路的方法和步骤 (3)电路的时域分析变换到频域分析的原理

给出了一种基于小波变换的汉语语音信号预处理的方法。通过小波变换中的Mallat算法来分解汉语语音信号,能够消除信号冗余度,提高数据压缩比,而不影响语音信号的真实效果。同时还给出了小波变换原理和Mallat算法以及实验结果

时间连续的周期信号 频率离散的傅立叶级数 时间连续的非周期信号 频率连续的傅立叶变换 时间离散的周期序列 频率离散的周期级数 时间离散的非周期序列

3.1 问题介绍 3.2 Householder 变换和 Givens 变换 3.3 QR 分解 3.4 奇异值分解 3.5 线性最小二乘问题的求解方法

一、Z变换的基本概念和基本性质 二、变换的域分析 三、离散系统的系统函数 四、离散系统的频率响应

基于提升方法(lifting scheme)的小波变换 提升法被称为第二代小波,可见其重要性。 下面先举一个arr小波的例子。 在一序列中有相邻数据a,b我们计算出其低频1=(a+b)/2高频h=b-a 如果不引入新数据,仅对a,b更新,可写作b-=a,a+=b/2 这样我们发现其可在自身位置上完成小波变换,而且还大大简化了计算过程(在复杂的变换中更明显)

根据连铸坯表面图像的特点,提出了一种基于Contourlet变换的连铸坯表面缺陷识别方法.通过Contourlet变换将样本图像分解成不同尺度和方向的子带,提取子带的Contourlet系数特征,并结合样本图像的纹理特征,得到一个高维的特征向量.利用监督核保局投影算法对高维特征向量进行降维,将降维后的低维特征向量输入支持向量机,对连铸坯表面图像进行分类识别.对现场采集到的裂纹、氧化铁皮、光照不均和渣痕四类样本图像进行实验,本文提出的识别方法对样本图像的识别率可达94.35%,优于基于Gabor小波的识别方法

Fourier 变换及其逆变换 前面关于 Fourier 级数的论述都是对周期函数而言的，那么对于 非周期函数，又该如何处理呢？ 在 +∞−∞ ),( 上可积的非周期函数 f x( )可以看成是周期函数的极限 情况，处理思路是这样的： （1） 先取 f x( )在[ ,] −T T 上的部分（即把它视为仅定义在[ ,] −T T 上 的函数），再以2T 为周期，将它延拓为 +∞−∞ ),( 上的周期函数 f x T ( )；

1简单电阻电路的分析 2电路的等效变换方法 电阻网络的等效化简 实际电源的两种模型 含独立电源网络的等效变换 含受控电源网络的等效变换 第一节 电阻串、并、混联电路 第二节 实际电源的两种模型 第三节 含受控源的简单电路分析 第四节 电阻星形联接与三角形联接的等效互换

2.1 电阻串并联联接的等效变换 2.2 电阻星型联结与三角型联结的等效变换 2.3 电压源与电流源及其等效变换 2.4 支路电流法 2.5 结点电压法 2.6 叠加原理 2.7 戴维宁定理与诺顿定理 2.8 受控源电路的分析 2.9 非线性电阻电路的分析