针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出了一种基于经验模式分解的故障诊断方法,进行复合故障的耦合特征分离和轴承损伤性故障信号特征提取研究.该方法首先通过经验模式分解将复合信号分解为若干个本征模函数(intrinsic mode function,IMF);然后通过计算各IMF与原始复合信号的相关系数确定包含故障特征信息的主要成分,除去虚假分量;最后针对主要成分中的低频成分进行频谱分析提出转子故障特征,针对主要成分中的高频成分进行Hilbert包络解调提取调制故障特征,即轴承损伤性故障特征.仿真及实验结果表明该方法的有效性和实用性

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

第三章信息的管理 一、信息系统 二、信息的过程管理

媒体是信息的载体，如报纸、电视、杂志、电影、广 播等。它以声音、图像、文字、视频信号等方式向人们 提供各种信息。在计算机技术领域中，媒体(medium)指 的是信息传递和存储的最基本的技术和手段

3.1信道定义与数学模型 3.2恒参信道及其传输特性 3.3随参信道及其传输特性 3.4分集接收技术 3.5加性噪声 3.6信道容量的概念

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

多维事务数据库DB的结构为 (ID,A,AAn, items),A是DB中的结 构化属性(例如顾客的年龄,职业收入等), 而 items是同事务连接的项的集合(例如购 物篮中频繁项集)。每一个 t=(id,aa2man,items--t)由两部分信息 组成:维信息(a1,a2man)和项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集

针对粗糙集中连续属性需要离散化问题进行了研究.根据数据对象的可分辨性原理构造超立方体,在数据空间上对信息表中的连续属性进行整体离散化处理.根据条件属性与决策属性的一致性关系,依照条件属性在粗糙集边界域中的分类能力来确定条件属性的重要性,在此基础上选取重要划分点对信息表中的连续属性进行局部离散化,同时以信息熵作为迭代约束条件.数值示例和实验表明这种整体与局部相结合的离散化方法是有效可行的

一、(12分)已知某连续时间信号x(t)的波形如图所示。 1.画出信号x1(t)=x(2-2t)+x(t-1)的波形;x( 2.若x(t)的频谱是X(),试用X(a)表示信号x(t)的频谱

为了研究铁磁性材料金属磁记忆信号与其内部机械应力之间的关系,应用小波分析技术,将金属磁记忆信号分解为大尺度逼近和细节分量两个部分,然后计算其细节分量的关联维数,并考察机械应力与关联维数变化之间的关系.结果表明,随着机械应力的增加,磁记忆信号关联维数降低