《山水归一全书》52页(双页版)PDF电子书

现代信号处理以傅里叶分析为基础，利用增加的频域信息，在时、频域中处理信号，从而支撑并实现了从模拟信号处理到数字信号处理的飞跃，极大地提升了雷达、通信、导航等信息系统的性能。然而，随着人类探索活动的深度和广度不断拓展，人们对信息系统的性能要求也随之提高，为了进一步增大雷达作用距离、提高分辨率、增强目标识别能力等，除了改进硬件外，还往往从信号处理层面要求能够有效获取宽带非平稳信号。因此，如何在强约束、强对抗条件下更为有效地进行信号分析与处已成为雷达、通信、导航等信息系统正常发挥效能所迫切需要解决的基本问题，亟待寻求新的信号处理理论和方法。

另外在实际信号采集过程中，为了有效降低信号采样率大多利用多路并行数模转换器来采集信号，由于采样时钟误差，所采集的数据点往往呈现周期非均匀特性，为实际问题的解决带来困难。

鉴于此，采用提升小波方案对非均匀采样信号进行降噪与平滑，运行环境为MATLAB R2018a。

function [t,tdur,varargin] = validTimeVector(N,varargin)
timevec = varargin{1};
tdur = [];
expectedtimevec = isnumeric(timevec) || isdatetime(timevec) || ...
    isduration(timevec) || isempty(timevec);

if ~any(expectedtimevec)
   error(message('Wavelet:mlpt:MLPTTimeVector'));
end

caltime = isdatetime(timevec) || isduration(timevec);
if caltime
    [t,tdur] = wavelet.internal.convertDuration(timevec);
    
elseif (isvector(timevec) && ~isscalar(timevec))
    t = timevec(:);
    
elseif isempty(timevec)
    t = (1:N)';
end
%完整代码：https://mbd.pub/o/bread/mbd-ZJWamZxs

varargin(1) = [];

工学博士，担任《Mechanical System and Signal Processing》《中国电机工程学报》《控制与决策》等期刊审稿专家，擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。