大连理工大学：《信号与系统》课程教学课件（讲稿）第25讲 §3.2 单位序列响应和阶跃响应 §3.3 卷积和

线性连续系统的描述及其响应 冲激响应和阶跃响应 卷积积分 系统的微分算子方程

通过本章的学习，学生应深刻理解0-和0+的含义，掌握0-值和0+值的方法；理解冲激响应和阶跃响应的意义，掌握其求解方法；掌握微分方程和差分方程的经典解法，零输入响应特别是零状态响应的求解；掌握卷积积分和卷积和的定义、性质和计算方法，并会用卷积积分法求线性时不变系统的零状态响应

2.1 线性连续系统的描述及其响应 2.2 奇异函数 2.3 冲激响应和阶跃响应 2.4 卷积积分

微分方程的经典解法 0+和0-初始值 零输入响应与零状态响应 冲激响应和阶跃响应 卷积积分

• 傅里叶变换回顾 • 复数的几何意义 • 欧拉公式和调和函数 • 傅里叶变换 • 离散傅里叶变换 • 傅里叶变换性质与信号卷积 • 典型信号的傅里叶变换 • 傅里叶变换的性质 • 信号的卷积 • 图像傅里叶变换 • 二维连续傅里叶变换 • 二维离散（图像）傅里叶变换 • 图像与傅里叶频谱之间的关系

广东工业大学：《机器学习》课程教学资源（课件讲义）第13讲 卷积神经网络计算机视觉应用（Inception, 批量归一化和残差网络ResNet）

广东工业大学：《机器学习》课程教学资源（课件讲义）第12讲 卷积神经网络（LeNet, AlexNet, VGG和NiN）

1. 傅里叶变换回顾 • 复数的几何意义 • 欧拉公式和调和函数 • 傅里叶变换 • 离散傅里叶变换 2. 傅里叶变换性质与信号卷积 • 典型信号的傅里叶变换 • 傅里叶变换的性质 • 信号的卷积 3. 图像傅里叶变换 • 二维连续傅里叶变换 • 二维离散（图像）傅里叶变换 • 图像与傅里叶频谱之间的关系

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机