Ta上传的资源 (0)

Haar小波变换的基本思想:找到另一个基函数,通过压缩平移也生成差空间,这个基函数和原来的尺度函数能够建立直接的联系。优点是时域紧支撑的,正交对称的,而且计算简单。但是在时域上是不连续的,所以作为基本小波性能不是特别好。从时频图可以看出频率分辨率比较差。

对三种频率不同的信号进行时频分析,运用matlab实现信号的WVD和伪WVD,也是PWVD,对比这两种方法的时频分辨率,伪WVD使用高斯窗。程序跑不了的话,可能是时频分析的函数采用的大写格式,换成小写就欧克了。

对线性调频信号LFM信号进行时频分析，运用matlab实现信号的短时傅里叶变换STFT，谱图，WVD，对比这三种方法的时频分辨率，短时傅里叶变换使用高斯窗。程序跑不了的话，可能是时频分析的函数采用的大写格式，换成小写就欧克了。

线性调频信号在匹配和失配情况下的分数阶傅里叶变换，线性调频信号（LFM）信号的参数在程序里面设置清晰明了，FRFT可以解释为信号在时频域内坐标轴绕原点逆时针旋转一定角度后所形成的。它可以同时表示信号在时域、频域上的信息。它也可以理解为LFM信号的基分解。当旋转角度选择合适的时候，在FRFT域产生能量

Morlet小波变换的基函数是高斯包络下的单频副正弦函数，具有较好的时频能量集中性，可用于连续小波变换，是对称的，是应用最为广泛的小波。但它没有尺度函数，而且是非正交分解，不是紧支撑的。与上述三种小波变换对比，Morlet小波变换有最好的频率分辨率。

基于LFM信号的Gaussian小波变换的缺点：不是正交的，也不是双正交的，也不是紧支撑的。频率分辨率比Haar小波变换和Mexican Hat小波变换要高，但是要低于Morlet小波变换。

Mexican Hat函数是Gauss函数的二阶导数，Mexican Hat小波变换的优点是在时域和频率都有很好的局部化，是对称的，可用于连续小波变换。并且比较接近人眼的空间响应特征，可用于计算机视觉中图像边缘检测。但它不存在尺度函数，所以Mexican Hat小波函数不具有正交性，不是紧支撑的。在

WVD算法的性能，它能够同时描绘出信号在不同时间不同频率的能量密度和强度，而且准确度比较高，并且对线性调频信号具有最理想的时频聚焦性。HT则可以将被检测图像中的参数曲线在参数空间中凝聚起来形成与相应曲线对应的参数峰点。将二者结合起来能够取得很好的效果。 由于LFM信号的WVD中自主项的能量集中分布在

对正弦信号加单位脉冲信号进行时频分析，运用matlab实现信号的短时傅里叶变换STFT，谱图，WVD，对比这三种方法的时频分辨率，短时傅里叶变换使用高斯窗。程序跑不了的话，可能是时频分析的函数采用的大写格式，换成小写就欧克了。

自学Linux网络编程关于socket的编写，包括server.c和client.c的编写；很详细的介绍了网络套接字socket的C/S模型TCP协议的服务器端和客户端的程序函数以及编写过程；重点介绍多路I/O转接服务器的实现，包括select函数poll函数epoll函数；最后介绍了UDP协议的服