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、有始信号的分解 1有始信号分解为矩形窄脉冲信号

一.实验目的 1.在理论学习的基础上,通过本实验熟悉典型信号的波形和频谱特征,并能够从信号频谱中读取所需的信息。 2.了解信号频谱分析的基本方法及仪器设备

第三章信息的管理 一、信息系统 二、信息的过程管理

3.1 引言 3.2 晶体管的高频小信号等效电路和参数 3.3 高频小信号宽带放大器

克里金法是一种应用广泛的低通滤波性插值方法,但其无法重建原始信息中的高频、低频和局部信息.分形插值算法可利用自相似性,在保留原始信息的基础上,克服克里金插值中低通滤波的局限性,从而提高插值的准确性.本文在传统分形插值算法的基础上,结合地质空间信息,提出了适用于矿床品位估算的四维空间分形插值算法,并将其应用于钼矿的品位估算.结果表明:在该钼矿的品位估算中,四维空间分形插值算法明显优于克里金法

第二章离散时间信号和系统 2-1信号及序列 设离散信号系列{x(k)} 一、标准向量 一般作为自变量k. 1、向量的基本表示方法:

信息和数据、信息的特征及其分类、信息的度量

第一节样本均数的标准误 第二节率的标准误 第三节两均数之差的可信区间 第四节两个率之差的可信区间 第五节小样本率的可信区间 第六节中位数与其他分位数的可信区间

本章将采用与讨论连续时间完全相同 的思想方法,来研究离散时间周期信号 与非周期信号的频域分解问题。 DFS与CFS之间既有许多类似之处,也有 一些重大差别:主要是DFS是一个有限项 级数,具有周期性