从18世纪以来，无穷级数就被认为是微积分的 一个不可缺少的部分，是高等数学的重要内容，同 时也是有力的数学工具，在表示函数、研究函数性 质等方面有巨大作用，在自然科学和工程技术领域 有着广泛的应用 本章主要内容包括常数项级数和两类重要的函 数项级数——幂级数和三角级数，主要围绕三个问 题展开讨论：①级数的收敛性判定问题，②把已知 函数表示成级数问题，③级数求和问题

周期信号的分解—傅里叶级数 周期信号的频谱分析 三角形式 指数形式 周期信号的频谱分析 周期信号的功率频谱 非正弦周期信号的有效值 非周期信号的分解—傅里叶变换 由级数到变换 常用信号的变换 傅里叶变换的性质 奇异函数的变换 周期信号的傅里叶变换 信号的抽样与抽样定理、时分复用

本章将介绍一些必要的准备知识。第一节为 Hilbert空间中基的概念,第二节为线性算子的定义,第三节为有关积分的性质,第四节将介绍框架与 Riesz基。 1. BanachHibert空间与空间设X为数域K上的线性空间,若函数:X→R+满足如下三个条件: 1.三角不等式:w(x+y)≤w(x)+w(y),x,y∈, 2.齐次性:w(ax)=lalw(x),a∈k,x∈X, 3.正定性:w(x)=0分x=0

从18世纪以来,无穷级数就被认为是微积分的 个不可缺少的部分,是高等数学的重要内容,同 时也是有力的数学工具,在表示函数、研究函数性 质等方面有巨大作用,在自然科学和工程技术领域 有着广泛的应用 本章主要内容包括常数项级数和两类重要的函 数项级数幂级数和三角级数,主要围绕三个问 题展开讨论:①级数的收敛性判定问题,②把已知 函数表示成级数问题,③级数求和问题

基础实验1 函数与极限 基础实验2 微分及其应用 基础实验3 积分及其应用 基础实验4 三角级数 专题实验1 极限的应用 专题实验2 选址问题 专题实验3 销售决策问题 专题实验4 级数的应用 专题实验5 钓鱼问题

2.1光是一种电磁波 2.2定态光波复振幅描述 2.3波前函数 2.4球面波向平面波的转化 2.5光波干涉引论 2.6两个点源的干涉场杨氏实验 2.7两束平行光的干涉场 2.8光波衍射引论 2.9圆孔和圆屏菲涅耳衍射 2.10波带片 2.11单缝夫琅禾费衍射 2.12矩孔和三角孔夫琅禾费衍射

从18世纪以来,无穷级数就被认为是微积分的 个不可缺少的部分,是高等数学的重要内容,同 时也是有力的数学工具,在表示函数、研究函数性 质等方面有巨大作用,在自然科学和工程技术领域 有着广泛的应用。 本章主要内容包括常数项级数和两类重要的函 数项级数幂级数和三角级数,主要围绕三个问 题展开讨论:①级数的收敛性判定问题,②把已知 函数表示成级数问题,③级数求和问题

无穷级数 从18世纪以来,无穷级数就被认为是微积分的 个不可缺少的部分,是高等数学的重要内容,同 时也是有力的数学工具,在表示函数、研究函数性 质等方面有巨大作用,在自然科学和工程技术领域 有着广泛的应用 本章主要内容包括常数项级数和两类重要的函 数项级数幂级数和三角级数,主要围绕三个问 题展开讨论:①级数的收敛性判定问题,②把已知 函数表示成级数问题,③级数求和问题

3.1 信号的正交分解 3.1.1 矢量的正交分解 3.1.2 信号的正交分解 3.2 连续时间周期信号的傅里叶级数 3.2.1 三角形式的傅里叶级数 3.2.2 信号的对称性与傅立叶系数的关系 3.2.3 指数形式的傅里叶级数 3.2.4 指数形式的傅里叶系数和三角形式的傅里叶系数 3.3 连续时间周期信号的频谱分析 3.3.1 周期信号的频谱 3.3.2 周期信号频谱的特点 3.3.3 周期信号的有效频帶宽度（简称带宽） 3.3.4 周期信号的功率谱 （周期信号为功率信号） 3.4 连续时间非周期信号的频谱 3.4.1 从傅立叶级数到傅里叶变换 3.4.2 频谱密度函数 3.4.3 奇异函数的傅里叶变换 3.5 傅里叶变换的性质 3. 时移特性(常用) 13. 能量谱和功率谱 3.6 周期信号的傅里叶变换 3.6.1 一般周期信号的傅里叶变换 3.6.2 f T 3.7 抽样与抽样定理 3.7.1 信号的时域抽样 3.7.2 抽样信号的频谱 3.7.3 时域取样定理 3.7.4 连续信号f（t）的恢复 3.7.5 频域取样定理 3.8 LTI系统的频域分析(法) 3.8.1 系统的频率响应 3.8.2 无失真传输条件 3.8.3 理想低通滤波器的特性

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好