qq_42281173的博客

前言本文是闵老师《论文写作》课程的收获，老板的博客是大牛的博客。通过门课程收获还是很大的，下面按照论文的结构说一下收获。标题不管是对一本书来说还是对一篇文章来说，标题是一个文章的最吸引人的地方。选择标题首先要新颖，这样可以带给读者想要读的欲望。不炫的题目审稿人看了会不感兴趣！当然炫酷也不可以炫过头，不得超出作者的理解范围，也不可以出现难检索的问题。摘要摘要原本的意思是把所有的论文中重要的东西全部拿出来。通常我们想要看一篇论文是不是与我们的研究方向相符，只需要读完摘要就明白这篇文章是否适合我们阅读。

利用 Duffing 混沌系统检测微弱信号(一)首先是要建立混沌系统模型虽然混沌运动具有随机性，但描述其运动的方程却是确定的。duffing方程：x¨+δx˙+αx+βx3=γcos(wt)\ddot{x}+\delta\dot{x}+\alpha x+\beta x^3 = \gamma cos(wt)x¨+δx˙+αx+βx3=γcos(wt)其中αβ\alpha \betaαβ为为实数因子,γ、w\gamma、wγ、w为周期摄动力的幅度，频率。建立了混沌检测系统后，对于不同类型的信号需要对系

微地震信号的参数辨识以及Kalman滤波1. 微地震子波辨识建模1.1 ARMA模型自回归滑动平均模型是近代时序分析中描述离散平稳随机信号的最常用模型之一，可看做白噪声激励一个线性系统产生的时间序列模型。y(k)+a1y(k−1)+⋯+apy(k−p)=b1u(k−1)+⋯+bqu(k−q)+e(k)y(k)+a_1y(k-1)+\dots+a_py(k-p)=b_1u(k-1)+\dots+b_qu(k-q)+e(k)y(k)+a1​y(k−1)+⋯+ap​y(k−p)=b1​u(k−1)+⋯+

混沌性微弱信号检测

图的绘制读取dataSource2文件，画出其中600道数据的时域图时域图：读取dataSource2文件，画出第一道数据0-100ms的时域图和频域图时域图：频域图：读取dataSouce2文件，画出第一道数据0-1501ms的位移图和速度图和加速度图(数据未进行归一化)位移：速度：加速度：...

振幅谱相位谱功率谱

背景噪声分析1.频谱的概念一个复杂的振动信号，可以看成是由许多简谐分量叠加而成；这些简谐分量及其各自的振幅、频率和初相，这就叫做复杂振动的频谱。我们取单道的时域图我们取单道的频域图我们取多道的时域图我们取100道数据取多道的频域图混沌性在杜芬方程中微小的摄动回忆起系统的周期解从本质上发生巨大的变化。Duffing振子方程是非线性振动系统，具有非线性恢复力，在外部激励的作用下，由于外加周期摄动力的频率与系统本身的频率相互作用，系统将发生振荡，表现出极其丰富的动力学行为。

背景噪声的研究1. 声音（1）声音如何产生？声音是由物体振动产生声波，通过介质（空气或固体、液体）传播，并能被人的听觉器官所感知的波动现象。最初发出振动的物体叫声源。声音以波的形式振动传播，所以声音是一种波。（2）信号处理的意义？声音的本质是压力脉动，所以无论是仿真还是实验，直接测量得到的都只是每个时刻的压力值。尽管我们也可以通过时域上的压力 信号的大小定性的判断压力脉动的强弱，但是压力的时间信号太过杂乱无章，我们通常需要把时域的信号转换为频域，以便更清晰的辨识信号的特征。（3）时域与频域？