由于轴承故障声信号的混响及临近的机械设备的噪声，造成声信号的频域分析很困难．通过小波变换原理，对滚动轴承故障声信号进行时频分析．通过对声信号的多尺度分解，分离出由故障造成的声信号突变．实验结果表明，较之以往的时域、频域信号处理技术，该方法对声音信号分解更趋合理，是一种可靠和有效的滚动轴承故障诊断新方法．

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性

提出可在稀疏角域以及多普勒域下对天线阵列信号向量进行接收和分析的方法,讨论在多普勒频域范围内的DOA估计问题,并在有效的频带范围内提取信号冲激响应较大的值.在稀疏DOA的恢复过程中采用的是L2,0估计算法,并在多路天线频谱感知的架构下充分利用DOA所固有的稀疏特性,对其进行稀疏恢复.对于在测试环境中不可避免的噪声问题,分析三种不同噪声分布下的DOA估计误差问题.仿真结果显示频域范围内的L2,0-DOA估计算法具有较低的计算复杂度和较高的准确度,并且算法对噪声不敏感,鲁棒性较高

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

5—1 引言 5—2 频率特性 5—3 开环系统的典型环节分解和开环频率特性 5—4 频率域稳定判据 5—5 稳定裕度 5—6 闭环系统的频域性能指标

一、傅里叶级数和傅里叶级数的性质 二、傅里叶变换和傅里叶变换的性质 三、周期信号和非周期信号的频谱分析 四 、连续时间LT系统的频域分析 五、抽样和抽样定理

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

一.LTIS的频域特性:R(jw)=H(jw)E(jw). 二.系统无失真的传输条件: 时域表示=ket to) 频域表示j= 系统的频率=ke 系统的冲激-k(t-to)

4.1 拉普拉斯变换 4.2 典型信号的拉普拉斯变换 4.3 拉普拉斯变换的性质 4.4 拉普拉斯反变换 4.5 拉普拉斯变换与傅里叶变换的关系 4.6 连续系统的复频域分析 4.7 系统函数 4.8 由系统函数的零、极点分析系统特性 4.9 连续系统的稳定性 4.10 系统的信号流图

3.1 信号的正交分解 3.2 周期信号的傅里叶级数 3.3 周期信号的频谱 3.4 非周期信号的频谱——傅里叶变换 3.5 傅里叶变换的性质 3.6 周期信号的傅里叶变换 3.7 LTI系统的频域分析 3.8 取样定理