收音机这东西很早就开始用了，但一直都没有了解过它的原理，听说是很简单。下面记录一些笔记。 1. 基本概念 收音机是一种小型的无线电接收机，主要用于接受无线电广播节目，收听无线电发射台。首先说一下收音机的种类，按解调方式和波长可以分为以下几类： 调幅收音机（AM）： 长波收音机（LW，Long Wav
原创
2021-08-10 17:38:15
2122阅读
AM：amplitude modulation，幅度调制；
FM：Frequency Modulation，频率调制；
1. 为什么要调制
MW：Medium Wave，中波，SW：Short Wave，短波
声音的频率是 20HZ-20KHZ，转变成电磁波后也是这个频率，属于低频，电磁波的频率越高越容易传送得更远。所以音频需搭载在高频信号上才能传输得更远，音频搭载上高频信号的过程就叫调制。调制的
转载
2016-10-07 18:55:00
117阅读
AM：amplitude modulation，幅度调制；
FM：Frequency Modulation，频率调制；
1. 为什么要调制
MW：Medium Wave，中波，SW：Short Wave，短波
声音的频率是 20HZ-20KHZ，转变成电磁波后也是这个频率，属于低频，电磁波的频率越高越容易传送得更远。所以音频需搭载在高频信号上才能传输得更远，音频搭载上高频信号的过程就叫调制。调制
转载
2016-10-07 18:55:00
318阅读
2评论
转载
2020-03-26 17:26:00
79阅读
2评论
1、频率区别 FM = Frequency Modulation 调频，微波；微波传输，信号质量高，传输成本低，发射功率小，覆盖范围小，受地理因素影响较大，一般作为城市广播的首选。比如你的家乡城市台，一般可以通过FM收听。 AM = Amplitude Modulation 调幅，微波；中波传输，信
原创
2021-08-11 14:22:45
4454阅读
摘 要经验模态分解(EMD)是由Huang等人提出的一种新的分析非线性、非平稳信号的方法。本文研究经验模态分解原理及其在地球物理资料中的应用。首先研究经验模态分解的基本原理和算法，对地球物理资料(地震资料，重磁资料)进行EMD分解试验分析，然后研究基于EMD的Hilbert变换原理及其在提取地震属性信息中的应用，对实际地震时间剖面和时间切片进行EMD时频分析试验。本文的方法研究和数据试
Empirical Mode Decomposition(EMD)引入经验模态分解是2000年以来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破，它是依据信号自身的时间尺度特征对信号进行分解，无需预先设定任何基函数，这一点与建立在先验性的谐波基函数和小波基函数上的傅立叶分解与小波分解方法有本质区别。EDM方法理论上可以应用于任何类型信号的分解，因而在处理非平稳及非线性数据上，具有非常明显的优
#0 概述 因子分解机（Factorization Machine，FM）于2010年被首次提出，其目的是解决数据稀疏问题以及特征组合爆炸问题，是曾经火爆学术界的推荐模型，虽然近几年基于深度学习的推荐算法是众多学者的研究热点，但因FM实现简单，效果强大，其思想仍值得我们深入研究。此外FM与深度学习技 ...
转载
2021-08-09 21:07:00
771阅读
2评论
0.导言我们都知道，气候研究的时间跨度一般都较长，基本都在30年以上，这就意味着对应的数据集十分庞大，既不能简单地对数据进行描述，也无法轻易地从数据中提取特征。那么面对如此庞大的数据集，我们如何才能从中提取出最能描述它的主要特征呢?在这种场景下，EOF分解就显示出它的强大优势了。它可以把随着时间变化的气象要素场，分解为 空间函数部分 和 时间函数部分，从而便于我们开展分析和研究，让我们能够从庞大的
导航实验环境数据获取和数据预处理多元线性回归F检验t检验正态性检验多重共线性检验线性相关性检验独立性检验方差齐性检验数据和代码下载参考资料 实验环境anaconda(python 3.6.8)数据获取和数据预处理从Kenneth.R French Data Libratry 获取FF-3因子数据压缩文件，进行解压import pandas as pd
import pandas_dataread
目录1. 什么是正则化？2. 正则化如何减少过拟合？3. 深度学习中的各种正则化技术：L2和L1正则化Dropout数据增强(Data augmentation)提前停止(Early stopping)4. 案例：在MNIST数据集上使用Keras的案例研究1. 什么是正则化?在深入该主题之前，先来看看这几幅图：之前见过这幅图吗？从左到右看，我们的模型从训练集的噪音数据中学习了过多的细节，最终导致
2021/8/6 FFM 特征组合项: 当特征$i$与不同field的特征$j$进行交叉时, 会提供不同的隐向量贡献 $v_{i, f_j}$. 这里$f_j$指特征$j$所处的field, 可能有若干个特征属于同一field. 于是我们注意到, 相比FM的$nk$个参数, FFM的参数更多, 为$ ...
转载
2021-08-05 17:04:00
293阅读
一、经验模态分解（Empirical Mode Decomposition, EMD）目的EMD是由 NE. Huang 等人提出的一种将信号分解成特征模态的方法。它的优点是不会运用任何已经定义好的函数作为基底，而是根据所分析的信号而自适应生成固有模态函数。可以用于分析非线性、非平稳的信号序列，具有很高的信噪比和良好的时频聚焦性。步骤EMD分解时有几个假设条件：信号至少存在两个极值点，一个极大值，
一、 EMD简介EMD（Empirical Mode Decomposition）经验模态分解是1998年黄鄂博士在希尔伯特变换的基础上提出希尔伯特-黄变换(HHT)方法，其中包含经验模式分解(EMD)和希尔伯特变换(HT)两部分。EMD作为时频域的处理方法，可以将原始信号分解成为一系列固有模态函数(IMF)，IMF分量是具有时变频率的震荡函数，能够反映出非平稳信号的局部特征。自适应性与小波相比，
转载
2023-12-17 16:20:55
175阅读
详情 目录 因子分解机（Factorization machine，FM） DIFM模型 1 Spar
原创
2022-12-04 01:06:57
308阅读
如果需要完整代码可以关注下方公众号，后台回复“代码”即可获取，阿光期待着您的光临~文章目录导库FM特征组合层定
原创
2023-01-26 18:24:27
258阅读
一、使用EMD的意义 在信号处理的时频分析方法中，比较经典著名的方法是小波分析方法。虽然小波分析方法可以较好地应用于大部分场所，但小波分析方法需要选定一个小波基。而在分析具有较多变量的信号中，应如何选取小波基则是一个难题。EMD算法是一种自适应算法，它会自动为信号进行分类，所以在难以确定小波基的情况 ...
转载
2021-10-08 08:59:00
2711阅读
2评论
：《机械信号处理及其应用》 李力等编著
转载
2022-08-08 09:47:50
166阅读
时序分解 | Matlab实现EMD经验模态分解时间序列信号分解
文章目录1 前言——傅里叶变换和短时傅里叶变换1.1 频域1.2 傅里叶级数的频谱1.3 举个例子1.4 傅里叶的缺点1.5 短时傅里叶变换的缺点2 正文2.1 小波和短时傅里叶2.2 变换效果如图3 代码 参考文章：原文链接：https://zhuanlan.zhihu.com/p/197633581 前言——傅里叶变换和短时傅里叶变换经验模态分析和离散小波变换都是针对于傅里叶变换和短时傅里叶
