通过对螺旋孔型的钢球斜轧轧辊的结构分析,在ARX开发环境下,先利用MDT的API开发工具,从零件的三维模型中提取零件的轮廓信息,确定零件的类型和基本形状、加工特征和基本尺寸;再根据对应的二维工程图提取具体的工艺信息,最后根据二维图纸和三维模型的对应关系,对信息进行分类整理和自动识别.在此基础上开发了一个斜轧轧辊的零件信息系统,实现了在CAD/CAPP/CAM集成环境下,从CAD系统中直接提取零件信息,并转化为CAPP系统的工艺信息.该方法也可以自动提取和识别一般的旋转类零件信息

本文把旋转机械故障产生的周期性激励—周期性特征信号分解成“波形”与“特征脉冲序列”的卷积,提出了有关周期性特征信号幅值调制、相位调制、波形畸变以及背景噪声四种类型噪声的概念。在此基础上,应用解卷积理论,对实倒谱分析识别周期性特征信号问题进行了研究。并在计算机上讨论了各种类型噪声对实倒谱分析的影响。研究表明,周期性特征信号在实倒谱上将形成依次递减的倒谐频结构,其大小仅与特征信号本身的稳定性有关,与信号的大小、形状无关,且最大值不超过1。分析结论较好地解释了文献以及作者的应用实例

SDH信号需要什么样的帧结构呢? STM-N信号帧结构的安排应尽可能使支路低速信号在一帧内均匀地、有规律 的排列。为什么呢?因为这样便于实现支路低速信号的分/插、复用和交换, 说到底就为了方便的从高速SDH信号中直接上/下低速支路信号。鉴于此, ITu-t规定了STM-N的帧是以字节(8bt)为单位的矩形块状帧结构,如图 2-1所示

短时Fourier变换(STFT)在分析非平稳信号的过程中,受调制系数的影响,时频分布图中的能量扩散至主导频率的周围,降低了时频分布的可读性.运用STFT分析瞬时频率缓变或恒定的信号时,调制系数的影响较小甚至可以忽略不计,而得到能量聚集程度很高的时频分布.根据这一特点,提出了迭代广义短时Fourier变换(IG-STFT),该方法有效改善了时频图的可读性.首先运用迭代广义解调分离出频率恒定的单分量成分,然后运用STFT分析信号的时频分布,最后依据STFT的分析结果和相位函数得到原信号的时频分布.通过行星齿轮箱仿真信号和实验信号分析,验证了该方法在分析非平稳信号中的有效性,准确诊断了齿轮故障

1.1 绪 言 一、信号的概念 二、系统的概念 1.2 信号的描述与分类 一、信号的描述 二、信号的分类 1.3 信号的基本运算 一、加法和乘法 二、时间变换 1.4 阶跃函数和冲激函数 一、阶跃函数 二、冲激函数 三、冲激函数的性质 四、序列δ(k)和ε(k) 1.5 系统的性质及分类 一、系统的定义 二、系统的分类及性质 1.6 系统的描述 一、连续系统 二、离散系统 1.7 LTI系统分析方法概 述

在正弦信号激励下电路的稳态响应是电路理 论中的重要课题,这是因为正弦信号比较容 易产生和获得,在科学研究和工程技术中, 许多电气设备和仪器都是以正弦波为基本信 号的。 根据富里叶级数和富里叶积分的数学理论, 周期信号都能够分解为一系列正弦信号的迭 加。利用线性电路的迭加性,可以把正弦稳 态分析的方法推广到非正弦周期信号激励的 线性电路中去。因此也可以说,知道了正弦 稳态响应后,原则上就知道了任何周期信号 激励下的响应

提出基于管道流体信号的自振射流特性检测方法, 将压力传感器从高压罐内移至高压罐外, 布置在高压罐外的前端管路上, 从而避开高围压环境影响; 通过双压力传感器拾取管道流体压力脉动信号, 并运用信号处理技术有效抑制干扰噪声, 提高有用信号强度, 准确获取射流的压力脉动信息.试验表明, 管道流体压力信号的频谱特征与喷嘴腔内检测法具有一致性, 且与理论计算较为吻合, 充分表征了射流的压力振荡特性; 其声功率谱与高压罐内水听器检测结果相一致, 较好地表述了射流的空化作用特性.由此认为基于管道流体信号的检测法用于自振射流特性的检测是完全可行的, 具有先进性, 为高围压下自振射流的研究提供了新手段

第一节 信用及其与货币的联系 第二节 高利贷 第三节 信用活动的基础 第四节 信用的内容与形式 第五节 国际信用 第六节 股份公司 第七节 信用缺失与建立市场经济的信用秩序

受探测环境制约，隧道超前地质预报过程中探地雷达反射波往往具有“弱信号，强干扰”的特征，给数据处理和解译带来极大的困难。将剪切变换（shearlet变换，ST）引入探地雷达信号处理，根据有效信号和干扰信号在剪切域中不同尺度、不同方向上的能量差异，提出一种基于自适应阀值的随机干扰去除方法，并通过正演模拟数据验证了该方法在随机干扰去除上的优势；在此基础上针对隧道超前地质预报中常见的能量接近、频率异常干扰信号，以实际数据为例说明小波变换（WT）对其去除效果；从而进一步提出小波变换与剪切变换联合干扰压制方法，即首先使用小波变换对异常频率干扰进行分离，然后采用基于自适应阀值的剪切变换对随机干扰进行压制。现场溶洞探测案例应用效果表明，本文所提出的方法能在去除干扰的同时很好地保留有效信号，根据处理后的波形堆积图可以很好地凸显地质异常区域，从而提高探地雷达资料解译精度

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性