P5 内积 -- 通讯原理

注：欢迎关注本人分享有关个性化推荐系统公众号：Tiany_RecoSystem转自：穆文：[CV] 通俗理解『卷积』——从傅里叶变换到滤波器一般来讲，我们涉及到的系统都是『时不变系统』(time invariant system)，即 输入响应不随激励时间的改变而变化，并且是『线性系统』(linear system)。而我们所处理的时间信号一般分为四种情形：连续非周期连续周期离散非周期离散周期这四...

第四课 内积

学习自杨鸿文老师的课程

分值：选择题30分、简答题40分、计算题30分 1.网络的组成 （1）网络边缘（资源子网）：负责服务，通过接入网连接网络核心 由主机、终端设备、网络操作系统等组成。 （2）网络核心（通信子网）：负责通信 由互联端系统的分组交换设备和通信链路构成的网状网络 分组交换设备（路由器、链路交换机） 通信链路（光纤、铜缆、无线电、激光电路） 网络核心的功能 内容 路由 确定分组从源到目标所使用的路径，产生路由表。（全局操作） 转发 根据路由确定的路径和目标地址，查找路由表，确定”出接口“（本地操作

1、引言 "求孤的坐标…" "谁看到月明了？" "独嘉坐在哪里，我TT登陆不了！" "有人看到我的土豪金了么？" "有谁看到我的手机了么，白色经典版vivo音乐手机~~" 随着蘑菇街人员越来越多，业务交互越来越频繁，以及新大楼的投入使用，经常出现找人找不到、移动设备忘记丢在哪里的情况；对于充满时尚和科技元素的蘑菇街，我们怎么能容忍"通讯基本靠吼，找人基本靠走"的尴尬局面？ 幸好幸好，...

一、几种常用的音频分类算法最小距离法、神经网络、支持向量机、决策树方法、隐马尔可夫模型等典型算法。1. 最小距离法最小距离分类法的优点是概念直观，方法简单，有利于建立多维空间分类方法的几何概念。在音频分类中应用的最小距离分类法有k近邻(k-Nearest Neighbor，简称K-NN方法和最近特征线方法(Nearest Feature Lin，简称NFL等。K近邻方法的思想是根据未知样本X最近邻...

在处理数字信号或图像时，噪声干扰是不可避免的。去除噪声，以提取重要信息，是信号处理和计算机视觉中的关键技术。噪声可能会掩盖信号的特征，影响后续的数据分析和处理。小波去噪技术因其能够有效地分析信号的局部特征而被广泛应用。小波变换中，基函数的选择至关重要，它影响着信号处理的结果。小波基函数主要有Haar小波、Daubechies小波、Morlet小波等。每种小波基函数因其特定的构造方式，在时域和频域表现出不同的特性。Haar小波是最简单的正交小波，它具有很好的时域局部性，但是频域的分辨率较低。

《计算机网络》前3章

时域乘积到频域卷积的性质证明 the Fourier Transform of the product of two signals in time is the convolution of the two Fourier Transforms.

证明[编辑] 这里展示的证明是基于傅立叶变换的特定形式。如果傅里叶变换的形式不同，则推导中将会增加一些常数因子。 令f、g属于L1(Rn)。{\displaystyle F}为{\displaystyle f}的傅里叶变换，{\displaystyle G}为{\displaystyle g}的傅里叶变换： {\displaystyle F(\nu )={\mat

先从两个向量的“内积”开始，这个大家都很熟悉了，其实就是高中学习的向量的点乘，例如假设A=[1, 2]，B=[3，4]，那么A·B=1*3+2*4=11。假设A=[1, 2]，B=[-2，1]，那么A·B=1*(-2)+2*1=0。此时两个向量垂直。点乘其实就是物理做功，力和位移垂直时，做功为0。可见，内积可以衡量两个向量的方向的相似程度（其实不用衡量，可以直接精确求出两个向量的夹角，毕竟A·B=|A|·|B|·cosθ ）对于A=[a1, a2,a3....]，B=[b1, b2,b3....]，那么A·

首先，明确 OFDM = Orthogonal Frequency Division Multiplexing，（OFDMA = Orthogonal Frequency Division Multiple Access）。既然是“Orthogonal Frequency”，那么正交指的是频域上的正交。 1. 什么是正交？ 首先，这是一组正交载波：，其中，是一个符号持续的时间。 以上载...

深度学习、线代中的矩阵、向量的各种乘法和概念

在信号与系统中，对于任何一个线性时不变系统，已通过输入信号与系统的冲击响应的卷积获得输出信号。我所理解的卷积是将两个函数整合成第三个函数，第三个函数表示的就是一个函数是如何被第二个函数所修改。傅里叶变换就是将满足一定条件的函数变成三角函数或者三角函数积分的线性组合。我的理解是它是一种将时域信号放到频域分析的一种数学工具。（条件：连续傅里叶变换/傅里叶级数收敛条件：满足平方可积或者狄利赫里条件：1.绝对可积2.任意有限区间内有有限个起伏变化3.任何有限区间内只有有限个不连续点且这些点上函数为有限值）

1.背景介绍 在过去的几年里，神经网络技术在人工智能领域取得了显著的进展。这主要归功于深度学习(Deep Learning)技术的发展，深度学习是一种通过多层神经网络自动学习表示的技术，它已经成功地应用于图像识别、自然语言处理、语音识别等多个领域。 在深度学习中，神经网络的训练过程是非常关键的。训练过程旨在通过调整神经网络中的参数，使网络的输出尽可能接近实际的目标值。这个过程通常涉及到大量的数...

本篇为《信号处理》系列博客的第三篇，该系列博客主要记录信号处理相关知识的学习过程和自己的理解，方便以后查阅。 文章原地址：《小波变换（wavelet transform）的通俗解释（一）》 小波变换 小波，一个神奇的波，可长可短可胖可瘦（伸缩平移），当去学习小波的时候，第一个首先要做的就是回顾傅立叶变换（又回来了，唉），因为他们都是频率变换的方法，而傅立叶变换是最入门的，也是最先了解的，通过傅立叶变换，了解缺点，改进，慢慢的就成了小波变换。 主要的关键的方向是傅立叶变换、短时傅立叶变换，小波变换等，第二代小

线性系统和卷积积分 接受一个输入，并产生相应输出的实体就是一个系统。对于一个特定的系统，它的输入、输出可以看做是相同变量的不同函数。 假定一个系统，当其输入为时，输出分别为，若满足【叠加性】，则该系统为线性系统。由此还可以得到，【均匀性/ 齐次性】。 如果对于某线性系统，其输入输出关系为，当输入信号沿着时间轴平移T，有，则称该线性系统具有移不变性（非时变性），就是系统的参数不随时间而变化。...

  高维傅里叶变换的移位定理 在一维傅里叶变换的移位定理时，有 $f(t) \quad \leftrightarrow \quad F(s)$ $f(t-b) \quad \leftrightarrow \quad e^{-2\pi isb}F(s)$   在二维傅里叶变换的移位定理时，有两个变量，可分别对它们进行移位， $f(x_1,x_2) \quad \leftrightarr...