简介：随着传输速度的提升，脉冲信号的上升时间越来越短，上升沿覆盖了更宽的频谱范围，需要更短的测量时间。文章为快沿脉冲信号测量提供了解决方案。

简介：以梯形脉冲函数为例,运用傅里叶变换定义、傅里叶变换微分性质及卷积定理三种方法求出梯形脉冲函数的频谱函数;其中,运用傅里叶变换微分性质及卷积定理求解可使频谱函数的计算更为简便和快速,且物理意义明确。

简介：本文将Orlicz函数空间的一些性质平移到序列空间,并给予证明.

简介：针对计划性的定期维修造成的设备停工与维修损耗，应用数据挖掘中的序列挖掘技术对大量历史维修数据进行分析，挖掘潜在的维修与异常频繁序列，将挖掘引擎嵌入到已有的设备信息管理系统中，进行预维修预测，实现预维修，从而减少设备的定期维修损耗并节约停工成本。

简介：摘要本文研究了在PLC中用基本逻辑产生脉冲信号的原理和方法，它在设计梯形图有特殊的用途，可以用于各种型号的PLC。给梯形图的编写带来便利。

简介：预测预报是时间序列分析的应用之一，人们根据大量的观测数据对系统进行分析，主要原因是为了能够预测小系统在未来的特性，以便对系统的特性进行处理。提出一种非平稳时间序列预测建模方法，通过实验结果表明，该模型在工程应用方面具有较高的预测精度。

简介：在实际软件开发工程中总结出了一种简单实用的加密方法，即利用获取的磁盘序列号，经过一定的算法产生注册码，以此来验证软件的真伪。

简介：介绍一种用于镁合金微弧氧化表面处理的新型脉冲电源控制系统设计。该电源根据微弧氧化负载特性设计了一套脉冲间隙放电回路，解决了由于容性电解液系统放电而使负载两端电压不能回零造成工件表面电弧持续燃烧引起局部烧蚀的问题。研制的样机在运行中表现出良好的稳定性和可靠性。

简介：讨论了在晶体生长问题中遇到的几种复杂函数序列的线性无关性，并得出了有关函数线性无关性的几个结论．

简介：介绍一种基于动态关联和卡尔曼滤波的脉冲串去交错方法,该方法将电子侦察系统截获的参数脉冲幅度（PA）与脉冲到达时间（TOA）结合起来作为去交错的依据。仿真结果表明,在载频与脉宽等参数相近的情况下,该方法能很容易的实现脉冲去交错。

简介：脉冲耦合神经网络用于图像检索时，具有平移、旋转、尺度、扭曲等不变性，同时对噪声还具有很好的鲁棒性．本文提出了一种改进的脉冲耦合神经网络图像纹理检索算法，该算法将脉冲耦合神经网络和离散余弦变换相结合．首先将脉冲耦合神经网络输出的二值图像序列进行离散余弦变换，然后选择不同的特征提取方法提取纹理图像的关键特征，最后利用欧氏距离分类器对图像进行识别,基于Brodatz纹理图像库的实验结果证明了该算法的有效性。

简介：硅片的电火花线切割是一种新型的工艺方法，由于硅片的高电阻率特点，脉冲电源的参数与传统线切割设备有较大不同。通过呆用HCS51系列的单片机，设计一种基于高压直流电源改进为脉冲电源的控制系统，应用到高速走丝线切割机床上来对工件进行试切，可以取得理想的切割效果。

简介：由于在多脉冲激励线性预测声码器中要一次得到所有脉冲的位置和幅度是非常困难的,因此次优的序贯搜索方法被采用,即一次得到一个脉冲。用Matlab仿真观察合成语音效果是可以接受的。

简介：根据混沌序列产生的确定性和非线性机制,基于Volterra级数和RLS算法,提出了一种少参数二阶非线性滤波算法用于混沌时间序列的自适应预测。仿真结果表明,这种非线性自适应滤波器能有效地预测一些超混沌序列,而且该滤波器的一步均方误差性能明显高于其他基于Volterra级数的NLMS算法,表明该算法具有良好的收敛性能。

简介：模糊理论使用语义变量本身所蕴含的特性,能减少处理问题时的不确定性所带来的困扰,被广泛的应用于各种领域的研究。文章中首先回顾了基于模糊理论的模糊时间序列定义,对现有的模糊时间序列模型进行分析,在此基础上提出了一种新的模糊时间序列预测方法,以上证指数为对象进行了拟合,从结果看新的基于模糊时间序列预测方法在MSN、平均误差(%)和标准误差(%)等指标上要优于现有的预测方法。

简介：通过一个新的比较定理，研究TBanach空间中不连续二阶非线性脉冲微分一积分方程的周期边值问题解的存在性。

简介：超宽带(Ultra-Wideband,UWB)通信是当今极具竞争力的近距离无线通信技术。本文首先介绍了超宽带无线信道的研究现状,简要阐述了随机分析方法研究超宽带无线信道的思想,然后给出随机分析方法研究超宽带无线信道的建模步骤,并对类工厂环境信道特性进行了仿真。

简介：本文提出了一种二维视频到三维视频的转换方法。采用时域和空域相结合的方法，根据边缘信息．从图像序列中提取运动对象。对二维视频序列来说，其本身并不包含有视差信息，但是可以根据运动信息来估算视差。本文中采用基于三角形网格的浓密视差提取方法来估算。根据双目立体视觉原理和立体显示技术．我们将二维视频帧经过变换，得到伪三维立体视频帧，并合成视频序列。

简介：经典GM（1，1）模型要求处理的序列为非负，但实际应用中含负值序列比较常见，有必要建立适合含负值序歹l】的GM（1，1）模型．现有的处理方法是将原含负值序列X沿纵轴平移一个固定常数。C使原序列变为非负。然后按经典GM（1，1）建立模型，再对所得的模拟序列进行逆变换，从而得到原含负值序列的摸拟值和预测值．由于现有方法中所取C值是回定的，其模型精度不一定达到最高．本文提出在区间寻找一个最佳的平移值C，使得现有方法中所取平移值为本文取值范围的一个特例，从而推广了现有方法的结果且模型精度有所提高．模拟结果表明，在区间中选取最佳平移值比固定平移选取的C值提高了模型精度．

简介：融合时间序列与神经网络算法,得到AR-ANN模型。结合多维时间序列在捕捉线性关系的优势,以及神经网络在预测非线性关系的优势,AR-ANN模型对上证指数有较好的预测效果。另建立结构向量自回归模型（SVAR）,反应了指数受其他经济内生变量的一个随机冲击后的变化状况,通过脉冲响应函数对预测做出预警。