检查方法:等效变换前后两电路的开路电压应相等。 等效变换前后两电路的短路电流应相等。 注意理想电压源和理想电流源不能进行等效变换

§7.1 Fourier变换的概念与性质 §7.2离散 Fourier变换 §7.3 Fourier变换的应用

• 一、线性变换的概念 • 二、线性变换的性质 • 三、线性变换的运算

• 一般周期信号的傅立叶变换 • 傅立叶级数FS与其单脉冲的傅立叶 变换FT的关系 • 正余弦信号的傅立叶变换FT • 周期单位冲激序列的FS和 FT • 周期矩形脉冲的FS和FT • 周期矩形脉冲与单矩形脉冲的关系

针对数字图像的特点,基于有限整数域上的二维置乱变换、仿射变换和整数提升变换,提出了适用于任意大小、任意长宽比图像的三维置乱加密算法.考虑了变换矩阵中部分参数取负整数或小数的可行性,明确给出了参数的具体设置方法.该算法引入实数作为参数,扩展了参数选择范围;置乱像素位置的同时改变像素值,改善了置乱效果,加大了置乱周期,提高了数字图像的安全性

第2章电阻电路的等效变换 本章重点 2.1引言 2.2电路的等效变换 2.3电阻的串联和并联 2.4电阻的Y形连接和△形连接的等效变换 2.5电压源、电流源的串联和并联 2.6实际电源的两种模型及其等效变换 2.7输入电阻

提出一种互为Hilbert变换对的小波代数构造方法.这种互为Hilbert变换对的小波基的构造是从构造小波的充要条件入手,利用延迟滤波器的思想,把问题化为代数方程组求解.该方法可以避免进行谱分解.经实验证实:由基于本文构造的小波对的对偶树复小波变换可以得到比离散小波变换更好的特征提取效果

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

§3.2.3 哈达玛变换 §3.2.4 离散余弦变换 §3.2.5 斜变换 §3.3 霍特林变换（Hotelling）

§9.2 傅立叶变换的离散性和周期性对称关系 §9.3 从离散傅立叶级数(DFS)到离散傅立叶变换(DFT)