描述了基于新型驱动电路和低噪声程控放大器的超声测距系统.驱动系统的设计从硬件角度提高了回波信号的信噪比和稳定性.基于能量重心校正法和最小二乘法的原理,提出了一种改进型椭圆中心超声回波寻峰算法:通过曲线拟合搜索椭圆中心点,即回波信号能量集中点,进而找到回波信号的峰值点.测试比较证明,与包络线法和三次多项式法相比,此算法测量相对误差稳定在0.2%,适用高精度工业测量

一、随机信号通过线性系统的表示 二、随机信号的功率谱密度 三、随机信号通过线性系统的统计性质 四、随机信号通过非线性系统

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

1．掌握信号的定义和分类； 2.熟悉周期信号的判定； 3 了解信号分析的基本方法。 教学内容（包括基本内容、重点、难点）：

以光流法为依据,提出了一种基于光流方向信息熵(entropy of oriented optical flow,EOF)统计的方法捕捉微表情关键帧.首先,采用改进的Horn-Schunck光流法提取视频流中相邻两帧图像的微表情运动特征;其次,采用阈值分析法筛选出投影速度模值较大的光流向量;之后,采用图像信息熵统计光流变化角度,进而得到视频序列的方向信息熵向量,通过对熵向量的分析,实现微表情关键帧捕捉;最后,本实验采用芬兰奥卢大学的SMIC微表情数据库和中国科学院心理研究所傅小兰的CASME微表情数据库作为实验样本,通过与传统的帧差法比较,证明了本文提出的算法优于帧差法,能够较好地表现出微表情变化趋势,为微表情识别提供基础

一、正交分解和随机信号的表示 二、随机信号的 Fourier正交分解 三、随机信号的K-L正交分解

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LTI系统的频域分析 五、抽样和抽样定理

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:

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

第三章信息的管理 一、信息系统 二、信息的过程管理