系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类

• 一、数据序列的电信号表示 • 二、基带数据信号的频谱特性 • 三、基带传输波形的形成 • 四、基带传输的最佳化和系统的误码性能 • 五、眼 图 • 六、基带传输中的时域均衡 • 七、数据序列的扰乱与解扰 • 八、数据传输系统的时钟同步 • 九、基带数据传输系统

• §4.1 上的傅里叶级数 • §4.2 典型周期信号的谱 • §4.3 上函数的傅里叶变换 • §4.4 傅里叶变换的性质 • §4.5 周期信号的傅里叶变换

51基本概念 1.调制:对信号作某种变换; 2.脉冲编码调制(PCM):将模拟信号抽样、量化后用数字脉冲的某种组合来表示的一种变换方式。 3.PCM信号的是一种数字信号

1.信号表示与信号通过零状态线性定常系统 1.1信号的脉冲分解、卷积

前言 第一章全书主要公式和内容摘要 第二章信号与系统 第三章线性时不变系统 第四章连续时间信号与系统的傅里叶分析　 第五章离散时间信号与系统的傅里叶分析

一、随机信号的正交分解 二、常见随机信号的性质 三、随机信号的检测 四、随机信号的均方滤波

一、随机信号通过线性系统的表示 二、随机信号的功率谱密度 三、随机信号通过线性系统的统计性质 四、随机信号通过非线性系统

研究了带有预见信息的线性离散时间系统的状态观测器，并将其应用到预见控制系统.为了满足设计观测器的需要，首先导出了包含可预见的目标值信号和干扰信号的扩大误差系统，并由此得到最优预见控制器.在设计状态观测器时，通过改写输出方程充分利用了可预见的目标值信号和干扰信号.设计的状态观测器针对原系统是全维观测器，而针对扩大误差系统则是降维观测器.最后通过数值仿真证明了所设计的状态观测器的有效性

Matlab第十三次课 基本信号的 MATLAB实现 一、实验目的 1.连续信号: (1)指数信号:在 MATLAB中用exp函数表示,调用形式为: 如单边衰减指数信号的 MATLAB表示: