常参量线性电路的时域解法 简谐函数的复数表示 复阻抗和复导纳

4.1 周期信号的傅里叶分析 4.2 非周期信号的傅里叶变换 4.3 傅里叶变换的性质 4.4 周期信号的傅里叶变换 4.5 系 统 的 频 域 分 析 4.6 连续时间信号的时域抽样 4.7 用MATLAB进行连续时间信号与系统的频域分析

4.5 线性系统的拉氏变换分析法及系统函数 4.7由系统函数的零极点决定时域特性 4.8 由系统函数零极点分布决定系统频率特性

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

本书全而系统地论述了信号与系统分析的基本理论和方法。全书共11章,内容包括:信号与系统、线性 时不变系统闖期信号的鸺坦叶级数表示,连续和离散时间傅唭叶变换,信号与系统的时域和频域特性,采样, 通信系统,拉普拉斯和z变換以及线性反馈系统。每章都有足够数量的例题和大量精选的习题;并将习题分 列为4种栏国,分属3种不同的层次,便于使用

第六章放大器反馈原理及稳定化基础 6.1反馈放大器的基本概念 6.2负反馈对放大器性能的影响 6.3负反馈放大器的分析与计算 6.4负反馈对放大器频域和时域特性的影响 6.5负反馈放大器的稳定性 6.6相位补偿原理与技术

J. Fourier1807年提出周期函数可表为三角级数的和.随后,关于 FourierFourier级数以及积 分的理论逐步建立. Fourier变换得到了广泛的应用。 在第一节中将介绍L1与L2 Fourier中变换与逆变换及其性质。第二节是关于 Heisenberg不 确定性原理,并证明函数在时域与频域内不可能同时有紧支集。第三节将介绍时不变系统并 引入滤波的概念

(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

7.1 系统函数与系统特性 一、系统函数的零、极点分布图 二、系统函数与时域响应 三、系统函数收敛域与极点的关系 四、系统函数与频率响应 7.2 系统的稳定性 7.3 信号流图 7.4 系统模拟 一、直接实现 二、级联实现 三、并联实现

(1)古典控制理论 古典控制理论以传递函数为基础,研究单输入、单输出一类自动控制系统的分析与设 计。它又有:时域分析法、根轨迹法、频率特征法等。 古典控制理论局限性:只适合于单输入、单输出的线性定常系统;对变系统、复杂的 非线性系统和多输入、多输出系统无能为力