【现控】时不变连续系统
【现控】2.1 时不变连续系统
一、齐次方程的解
齐次状态方程指输入为0的状态方程,即
x ˙ ( t ) = A x ( t ) \dot{x}\left( t \right) =Ax\left( t \right) x˙(t)=Ax(t)
它反映了系统自由运动状况(即没有输入作用的状况)。对于齐次状态方程求解通常有一下三种解法。
1、无穷级数法
无穷级数法就是假设方程的解是个系数待定的无穷级数,然后将该无穷级数代入微分方程估算待定系数。假设方程的解为:
x ( t ) = b 0 + b 1 t + b 2 t 2 + ⋯ + b k t k + ⋯ = ∑ k = 0 ∞ b k t k , t ≥ 0 x\left( t \right) =b_0+b_1t+b_2t^2+\cdots +b_kt^k+\cdots =\sum_{k=0}^{\infty}{b_kt^k},\ t\ge 0 x(t)=b0+b1t+b2t2+⋯+bktk+⋯=k=0∑∞bktk, t≥0
将解代入微分方程:
b 1 + 2 b 2 t + 3 b 3 t 2 + ⋯ + k b k t k − 1 + ⋯ = A ( b 0 + b 1 t + b 2 t 2 + ⋯ + b k t k + ⋯ ) b_1+2b_2t+3b_3t^2+\cdots +kb_kt^{k-1}+\cdots = A\left( b_0+b_1t+b_2t^2+\cdots +b_kt^k+\cdots \right) b1+2b2t+3b3t2+⋯+kbktk−1+⋯=A(b0+b1t+b2t2+⋯+bktk+⋯)
对比上式各项系数可得:
b 1 = A b 0 , b_1=Ab_0, b1=Ab0, b 2 = 1 2 A b 1 = 1 2 A 2 b 0 , b_2=\frac{1}{2}Ab_1=\frac{1}{2}A^2b_0, b2=21Ab1=21A2b0, b 3 = 1 3 A b 2 = 1 3 ! A 3 b 0 , b_3=\frac{1}{3}Ab_2=\frac{1}{3!}A^3b_0, b3=31Ab2=3!1A3b0, ⋯ \cdots ⋯ b k = 1 k ! A k b 0 , ⋯ b_k=\frac{1}{k!}A^kb_0,\ \cdots bk=k!1Akb0, ⋯
因此齐次解可以表示为:
x ( t ) = b 0 + A b 0 t + 1 2 ! A 2 b 0 t 2 + ⋯ + 1 k ! A k b 0 t k + ⋯ x\left( t \right) =b_0+Ab_0t+\frac{1}{2!}A^2b_0t^2+\cdots +\frac{1}{k!}A^kb_0t^k+\cdots x(t)=b0+Ab0t+2!1A2b0t2+⋯+k!1Akb0tk+⋯ = ( E n + A t + 1 2 ! A 2 t 2 + ⋯ + 1 k ! A k t k + ⋯ ) b 0 \ \ \ \ =\left( E_n+At+\frac{1}{2!}A^2t^2+\cdots +\frac{1}{k!}A^kt^k+\cdots \right) b_0\ =(En+At+2!1A2t2+⋯+k!1Aktk+⋯)b0 = e A t b 0 = e A t x 0 其 中 , b 0 = x ( t ) ∣ t = 0 = x 0 \ \ \ \ =e^{At}b_0=e^{At}x_0 \ \ \ \ \ \ \ 其中, \ \ b_0=x\left( t \right) |_{t=0}=x_0 =eAtb0=eAtx0 其中, b0=x(t)∣t=0=x0
称 e A t e^{At} eAt为状态转移矩阵,解的结果表明了系统状态 x ( t ) x(t) x(t)是由 x 0 x_0 x0通过 e A t e^{At} eAt转移而来。 e A t e^{At} eAt也因此而得名,记为 Φ ( t ) \varPhi \left( t \right) Φ(t)。
状态转移矩阵具有如下性质:
1 、 Φ ( 0 ) = E 2 、 Φ ( t ) = A Φ ( t ) = Φ ( t ) A 3 、 Φ ( t 1 ± t 2 ) = Φ ( t 1 ) Φ ( ± t 2 ) = Φ ( ± t 2 ) Φ ( t 1 ) 4 、 Φ − 1 ( t ) = Φ ( − t ) 5 、 x ( t 2 ) = Φ ( t 2 − t 1 ) x ( t 1 ) 6 、 Φ ( t 2 − t 1 ) Φ ( t 1 − t 0 ) = Φ ( t 2 − t 0 ) 7 、 [ Φ ( t ) ] k = Φ ( k t ) 8 、若 A B = B A ,则 e ( A + B ) t = e A t e B t = e B t e A t \begin{aligned} &1\text{、}\varPhi \left( 0 \right) =E \\ &2\text{、}\varPhi \left( t \right) =A\varPhi \left( t \right) =\varPhi \left( t \right) A \\ &3\text{、}\varPhi \left( t_1\pm t_2 \right) =\varPhi \left( t_1 \right) \varPhi \left( \pm t_2 \right) =\varPhi \left( \pm t_2 \right) \varPhi \left( t_1 \right) \\ &4\text{、}\varPhi ^{-1}\left( t \right) =\varPhi \left( -t \right) \\ &5\text{、}x\left( t_2 \right) =\varPhi \left( t_2-t_1 \right) x\left( t_1 \right) \\ &6\text{、}\varPhi \left( t_2-t_1 \right) \varPhi \left( t_1-t_0 \right) =\varPhi \left( t_2-t_0 \right) \\ &7\text{、}\left[ \varPhi \left( t \right) \right] ^k=\varPhi \left( kt \right) \\ &8\text{、若}AB=BA\text{,则}e^{\left( A+B \right) t}=e^{At}e^{Bt}=e^{Bt}e^{At} \end{aligned} 1、Φ(0)=E2、Φ(t)=AΦ(t)=Φ(t)A3、Φ(t1±t2)=Φ(t1)Φ(±t2)=Φ(±t2)Φ(t1)4、Φ−1(t)=Φ(−t)5、x(t2)=Φ(t2−t1)x(t1)6、Φ(t2−t1)Φ(t1−t0)=Φ(t2−t0)7、[Φ(t)]k=Φ(kt)8、若AB=BA,则e(A+B)t=eAteBt=eBteAt
2、拉普拉斯变换法
根据无穷级数法可知,求解齐次解实际上就是找到求解状态转移矩阵 e A t e^{At} eAt,拉普拉斯提供了一种可行的方式。
对式 x ˙ ( t ) = A x ( t ) \dot{x}\left( t \right) =Ax\left( t \right) x˙(t)=Ax(t)两端取拉普拉斯变换,可得:
s X ( s ) − x ( 0 ) = A X ( s ) sX\left( s \right) -x\left( 0 \right) =AX\left( s \right) sX(s)−x(0)=AX(s) X ( s ) = ( s E − A ) − 1 x ( 0 ) X\left( s \right) =\left( sE-A \right) ^{-1}x\left( 0 \right) X(s)=(sE−A)−1x(0)
进一步取拉氏反变换得:
x ( t ) = L − 1 [ ( s E − A ) − 1 ] ⋅ x ( 0 ) x\left( t \right) =L^{-1}\left[ \left( sE-A \right) ^{-1} \right] ·x\left( 0 \right) x(t)=L−1[(sE−A)−1]⋅x(0) Φ ( t ) = e A t = L − 1 [ ( s E − A ) − 1 ] \varPhi \left( t \right) =e^{At}=L^{-1}\left[ \left( sE-A \right) ^{-1} \right] Φ(t)=eAt=L−1[(sE−A)−1]
这就是拉普拉斯变化法求解的过程。
3、凯莱-哈密顿定理法
该定理是利用了系统矩阵A满足自身特征方程的特点,根据递推式推出 A n A^n An, 并将 A n A^n An代入 e A t e^{At} eAt的级数展开式,从而达到估算出 e A t e^{At} eAt的目的。
设n阶矩阵A的特征多项式为:
f ( λ ) = ∣ λ E − A ∣ = λ n + a n − 1 λ n − 1 + ⋯ + a 1 λ + a 0 f\left( \lambda \right) =|\lambda E-A|=\lambda ^n+a_{n-1}\lambda ^{n-1}+\cdots +a_1\lambda +a_0 f(λ)=∣λE−A∣=λn+an−1λn−1+⋯+a1λ+a0
则有矩阵A满足它的特征方程,即
f ( A ) = A n + a n − 1 A n − 1 + ⋯ + a 1 A + a 0 E = 0 f\left( A \right) =A^n+a_{n-1}A^{n-1}+\cdots +a_1A+a_0E=0 f(A)=An+an−1An−1+⋯+a1A+a0E=0 A n = − a n − 1 A n − 1 − a n − 2 A n − 2 − ⋯ − a 1 A − a 0 E A^n=-a_{n-1}A^{n-1}-a_{n-2}A^{n-2}-\cdots -a_1A-a_0E An=−an−1An−1−an−2An−2−⋯−a1A−a0E
A n A^n An是 A n − 1 , A n − 2 , . . . , A , E A^{n-1},A^{n-2},..., A, E An−1,An−2,...,A,E的线性组合。由此类推 A n + 1 , A n + 2 , . . . A^{n+1},A^{n+2},... An+1,An+2,...
消去A的n以及n以上的幂次项,从而有:
e A t = E n + A t + 1 2 ! A 2 t 2 + ⋯ + 1 k ! A n t n + ⋯ e^{At}=E_n+At+\frac{1}{2!}A^2t^2+\cdots +\frac{1}{k!}A^nt^n+\cdots eAt=En+At+2!1A2t2+⋯+k!1Antn+⋯ = α n − 1 ( t ) A n − 1 + α n − 2 ( t ) A n − 2 + ⋯ + α 1 ( t ) A + α 0 ( t ) E \ \ =\alpha _{n-1}\left( t \right) A^{n-1}+\alpha _{n-2}\left( t \right) A^{n-2}+\cdots +\alpha _1\left( t \right) A+\alpha _0\left( t \right) E\ =αn−1(t)An−1+αn−2(t)An−2+⋯+α1(t)A+α0(t)E
二、非齐次方程的解
非齐次状态方程描述了线性定常系统在控制作用下的运动,即
x ˙ ( t ) = A x ( t ) + B u ( t ) \dot{x}\left( t \right) =Ax\left( t \right) +Bu\left( t \right) x˙(t)=Ax(t)+Bu(t)
1、积分法
积分法主要是根据非齐次方程构建 e − A t x ( t ) e^{-At}x(t) e−Atx(t)的导数,并对其进行积分,从而得到 x ( t ) x(t) x(t)的表达式。
对非齐次方程做如下变换:
e − A t ( x ˙ − A x ) = e − A t B u e^{-At}\left( \dot{x}-Ax \right) =e^{-At}Bu e−At(x˙−Ax)=e−AtBu
由于
d d t [ e − A t x ] = e − A t x ˙ + e − A t ( − A ) x = e − A t ( x ˙ − A x ) \frac{d}{dt}\left[ e^{-At}x \right] =e^{-At}\dot{x}+e^{-At}\left( -A \right) x=e^{-At}\left( \dot{x}-Ax \right) dtd[e−Atx]=e−Atx˙+e−At(−A)x=e−At(x˙−Ax)
于是有
d d t [ e − A t x ] = e − A t B u \frac{d}{dt}\left[ e^{-At}x \right] =e^{-At}Bu dtd[e−Atx]=e−AtBu
对上式两端积分,当 t 0 = 0 时 t_0=0时 t0=0时,解的形式为:
x ( t ) = e A t x ( 0 ) + ∫ 0 t e A ( t − τ ) B u ( τ ) d τ x\left( t \right) =e^{At}x\left( 0 \right) +\int_0^t{e^{A\left( t-\tau \right)}Bu\left( \tau \right)}d\tau x(t)=eAtx(0)+∫0teA(t−τ)Bu(τ)dτ = Φ ( t ) x ( 0 ) + ∫ 0 t Φ ( t − τ ) B u ( τ ) d τ \ \ \ \ =\varPhi \left( t \right) x\left( 0 \right) +\int_0^t{\varPhi \left( t-\tau \right) Bu\left( \tau \right)}d\tau =Φ(t)x(0)+∫0tΦ(t−τ)Bu(τ)dτ
当 t 0 ≠ 0 时 t_0≠0时 t0=0时,解的形式为:
x ( t ) = e A ( t − t 0 ) x ( t 0 ) + ∫ t 0 t e A ( t − τ ) B u ( τ ) d τ x\left( t \right) =e^{A\left( t-t_0 \right)}x\left( t_0 \right) +\int_{t_0}^t{e^{A\left( t-\tau \right)}Bu\left( \tau \right)}d\tau x(t)=eA(t−t0)x(t0)+∫t0teA(t−τ)Bu(τ)dτ = Φ ( t − t 0 ) x ( t 0 ) + ∫ t 0 t Φ ( t − τ ) B u ( τ ) d τ \ \ \ \ =\varPhi \left( t-t_0 \right) x\left( t_0 \right) +\int_{t_0}^t{\varPhi \left( t-\tau \right) Bu\left( \tau \right)}d\tau =Φ(t−t0)x(t0)+∫t0tΦ(t−τ)Bu(τ)dτ
解的结构中包含两项,第一项表示状态转移项,是系统对初始状态的响应,即零输入响应。第二项是系统对输入作用的响应,即零状态响应。
2、拉普拉斯变换法
拉普拉斯变换法的思路是先通过拉普拉斯变换将微分方程转变为复域方程,然后将微分算子s分离出来,最后再通过拉普拉斯反变换即可求出 x ( t ) x(t) x(t)。
对非齐次微分方程两边取拉普拉斯变换得:
s X ( s ) − x ( 0 ) = A X ( s ) + B u ( s ) sX\left( s \right) -x\left( 0 \right) =AX\left( s \right) +Bu\left( s \right) sX(s)−x(0)=AX(s)+Bu(s) ( s E − A ) X ( s ) = x ( 0 ) + B u ( s ) \left( sE-A \right) X\left( s \right) =x\left( 0 \right) +Bu\left( s \right) (sE−A)X(s)=x(0)+Bu(s)
因此,对上式再取拉普拉斯反变换可得:
x ( t ) = L − 1 [ ( s E − A ) − 1 ] x ( 0 ) + L − 1 [ ( s E − A ) − 1 B u ( s ) ] x\left( t \right) =L^{-1}\left[ \left( sE-A \right) ^{-1} \right] x\left( 0 \right) +L^{-1}\left[ \left( sE-A \right) ^{-1}Bu\left( s \right) \right] x(t)=L−1[(sE−A)−1]x(0)+L−1[(sE−A)−1Bu(s)]
三、状态矢量的线性变换
对系统状态空间模型进行非奇异线性变换,便于揭示系统特性及分析和综合设计。由于非奇异线性变换是等价变换,因此它不会改变系统的固有性质(传递函数矩阵、特征值等)。
1、化A为对角阵
(1)设A矩阵为任意方阵,且有n个互不相同的实数特征根 λ 1 , λ 2 , ⋯ , λ n \lambda _1,\ \lambda _2,\ \cdots ,\ \lambda _n λ1, λ2, ⋯, λn,则可以由非奇异变换将其化为对角阵 Λ \varLambda Λ,即
Λ = P − 1 A P = [ λ 1 0 ⋯ 0 0 λ 2 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ λ n ] \varLambda =P^{-1}AP=\left[ \begin{matrix} \lambda _1& 0& \cdots& 0\\ 0& \lambda _2& \cdots& 0\\ \vdots& \vdots& \ddots& \vdots\\ 0& 0& \cdots& \lambda _n\\ \end{matrix} \right] Λ=P−1AP=⎣⎢⎢⎢⎡λ10⋮00λ2⋮0⋯⋯⋱⋯00⋮λn⎦⎥⎥⎥⎤
式中,P由特征矢量 p i ( i = 1 , 2 , . . . , n ) p_i(i=1,2,...,n) pi(i=1,2,...,n)组成,,即
P = [ p 1 p 2 ⋯ p n ] P=\left[ \begin{matrix} p_1& p_2& \cdots& p_n\\ \end{matrix} \right] P=[p1p2⋯pn]
各特征矢量满足 A p i = λ i p i Ap_i=\lambda_ip_i Api=λipi
(2)设A矩阵为友矩阵(能控规范形的系统矩阵),且有n个互不相同的实数特征根 λ 1 , λ 2 , ⋯ , λ n \lambda _1,\ \lambda _2,\ \cdots ,\ \lambda _n λ1, λ2, ⋯, λn则可用范德蒙矩阵P对A矩阵进行对角化(不证明,直接用结论):
P = [ l 1 1 ⋯ 1 λ 1 λ 2 ⋯ λ n λ 1 2 λ 2 2 ⋯ λ n 2 ⋮ ⋮ ⋮ λ 1 n − 1 λ 2 n − 1 ⋯ λ n n − 1 ] P=\left[ \begin{matrix}{l} 1& 1& \cdots& 1\\ \lambda _1& \lambda _2& \cdots& \lambda _n\\ \lambda _{1}^{2}& \lambda _{2}^{2}& \cdots& \lambda _{n}^{2}\\ \vdots& \vdots& & \vdots\\ \lambda _{1}^{n-1}& \lambda _{2}^{n-1}& \cdots& \lambda _{n}^{n-1}\\ \end{matrix} \right] P=⎣⎢⎢⎢⎢⎢⎡l1λ1λ12⋮λ1n−11λ2λ22⋮λ2n−1⋯⋯⋯⋯1λnλn2⋮λnn−1⎦⎥⎥⎥⎥⎥⎤
(3)设A矩阵为任意方阵,且有m个相同的特征根 ( λ 1 = λ 2 = ⋯ = λ m ) (\lambda _1= \lambda _2=\cdots=\lambda _m) (λ1=λ2=⋯=λm),其余n-m个特征根为互异实数特征根,但使用 A p i = λ i p i Ap_i=\lambda_ip_i Api=λipi求解特征向量时,有m个独立的特征矢量 p 1 , p 2 , . . . , p m p_1,p_2,...,p_m p1,p2,...,pm, 则仍然可以将A矩阵对角化为对角阵 Λ \varLambda Λ,即
Λ = P − 1 A P = [ λ 1 ⋱ λ 1 λ m + 1 ⋱ λ n ] \varLambda =P^{-1}AP=\left[ \begin{matrix}{} \lambda _1& & & & & \\ & \ddots& & & & \\ & & \lambda _1& & & \\ & & & \lambda _{m+1}& & \\ & & & & \ddots& \\ & & & & & \lambda _n\\ \end{matrix} \right] Λ=P−1AP=⎣⎢⎢⎢⎢⎢⎢⎡λ1⋱λ1λm+1⋱λn⎦⎥⎥⎥⎥⎥⎥⎤ P = [ p 1 p 2 p m p m + 1 ⋯ p n ] P=\left[ \begin{matrix}{} p_1& p_2& p_m& p_{m+1}& \cdots& p_n\\ \end{matrix} \right] P=[p1p2pmpm+1⋯pn]
2、化A为约旦阵
设A矩阵有m个相同的特征根 ( λ 1 = λ 2 = ⋯ = λ m ) (\lambda _1= \lambda _2=\cdots=\lambda _m) (λ1=λ2=⋯=λm),其余n-m个特征根为互异实数特征根,但使用 A p i = λ i p i Ap_i=\lambda_ip_i Api=λipi求解特征向量时,重根只有一个独立的特征矢量 p 1 p_1 p1, 则只能将A阵化为约旦阵 J J J, 即
J = P − 1 A P = [ λ 1 1 ⋱ 1 λ 1 λ m + 1 ⋱ λ n ] J=P^{-1}AP=\left[ \begin{matrix}{} \lambda _1& 1& & & & \\ & \ddots& 1& & & \\ & & \lambda _1& & & \\ & & & \lambda _{m+1}& & \\ & & & & \ddots& \\ & & & & & \lambda _n\\ \end{matrix} \right] J=P−1AP=⎣⎢⎢⎢⎢⎢⎢⎡λ11⋱1λ1λm+1⋱λn⎦⎥⎥⎥⎥⎥⎥⎤
P = [ p 1 p 2 p m ⋮ p m + 1 ⋯ p n ] P=\left[ \begin{matrix}{} p_1& p_2& p_m& \vdots& p_{m+1}& \cdots& p_n\\ \end{matrix} \right] P=[p1p2pm⋮pm+1⋯pn]
式中 p 1 , p m + 1 , p m + 2 , . . . , p n p_1,p_{m+1},p_{m+2},...,p_{n} p1,pm+1,pm+2,...,pn分别是互异实数特征根 λ 1 , λ m + 1 , λ m + 2 ⋯ , λ n \lambda _1,\ \lambda _{m+1},\lambda _{m+2} \ \cdots ,\ \lambda _n λ1, λm+1,λm+2 ⋯, λn对应的特征矢量。而 p 2 , p 3 , , . . . , p m p_2,p_{3},,...,p_{m} p2,p3,,...,pm是广义特征矢量,它们满足:
[ p 1 p 2 ⋯ p m ] [ λ 1 1 0 λ 1 ⋱ ⋱ 1 λ 1 ] = A [ p 1 p 2 ⋯ p m ] \left[ \begin{matrix} p_1& p_2& \cdots& p_m\\ \end{matrix} \right] \left[ \begin{matrix} \lambda _1& 1& & \\ 0& \lambda _1& \ddots& \\ & & \ddots& 1\\ & & & \lambda _1\\ \end{matrix} \right] =A\left[ \begin{matrix}{} p_1& p_2& \cdots& p_m\\ \end{matrix} \right] [p1p2⋯pm]⎣⎢⎢⎡λ101λ1⋱⋱1λ1⎦⎥⎥⎤=A[p1p2⋯pm]
即
{ λ 1 p 1 − A p 1 = 0 λ 1 p 2 − A p 2 = − p 1 ⋮ λ 1 p m − A p m = − p m − 1 \left\{ \begin{array}{l} \lambda _1p_1-Ap_1=0\\ \lambda _1p_2-Ap_2=-p_1\\ \vdots\\ \lambda _1p_m-Ap_m=-p_{m-1}\\ \end{array} \right. ⎩⎪⎪⎪⎨⎪⎪⎪⎧λ1p1−Ap1=0λ1p2−Ap2=−p1⋮λ1pm−Apm=−pm−1
【现控】时不变连续系统相关推荐
- matlab c2d 零阶保持器,计控实验二 连续系统变换为离散系统
实验二 连续系统变换为离散系统 一.实验目的 在对连续系统进行实时计算机控制时,往往需要把连续系统转换成离散系统. 二.实验指导 为了得到连续系统的离散化数学模型,Matlab 提供了c2d()函数. ...
- 于掌控板实现简单的抢答器系统
基于掌控板实现简单的抢答器系统/手动判断正误,随机发送题目 一.实验目的及要求 实现掌控板抢答器功能. 二.实验原理与内容 基于TinywebDB实现云数据库出题 基于掌控板实现按键抢答和判题 基于M ...
- 【现控理论】(一、系统的传递函数矩阵)----学习笔记
1.传递函数与传递矩阵 对于单输入单输出的线性定常系统的状态空间表达式为: 零初始条件下进行laplace变换: 经整理得: 代入(1)中: 2.传递函数(矩阵)与状态空间描述对比: (1)传递函数( ...
- 计算机系统是连续系统,连续系统的计算机模拟
连续系统的计算机模拟 (36页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 29.9 积分 第2章 连续系统的计算机模拟本章讨论连续系统的模拟技术,由 ...
- 状态空间离散化matlab,现代控制理论:3.4g 线性连续系统状态空间模型的离散化...
<现代控制理论:3.4g 线性连续系统状态空间模型的离散化>由会员分享,可在线阅读,更多相关<现代控制理论:3.4g 线性连续系统状态空间模型的离散化(24页珍藏版)>请在人人 ...
- 状态空间离散化matlab,线性连续系统状态空间模型的离散化.ppt
线性连续系统状态空间模型的离散化 * * * * * * * * * * * * * * * * * * * * Ch.3 线性系统的时域分析 目录(1/1) 目 录 概述 3.1 线性定常连续系统状 ...
- 连续系统离散化的几种方法
参考鹏飞亿里的文章<一文书尽离散化--连续系统离散化原理及应用> 讲离散化方法之前,首先先描述一下离散系统和连续系统 上图为连续信号控制系统框图,R(s)为输入信号,Y(s)为输出信号,E ...
- 疫情防控社区门禁系统
疫情防控社区门禁系统 疫情防控社区门禁系统后台接口的实现,可以实现人脸识别及后台管理系统.主要通过微信小程序实现用户信息登记,分为常驻登记(身份证号.手机号.用户照片.姓名.住房类型.住户等个人信息的 ...
- matlab多变量频域设计工具箱,10.4.3用MATLAB实现连续系统的频域分析.ppt
10.4.3用MATLAB实现连续系统的频域分析.ppt 第10章 MATLAB在信号与系统分析中的应用 10.0 引 言 一般来说,MATLAB系统包括下面五个主要部分. (1)编程语言:是一种以矩 ...
最新文章
- 反arp攻击软件_网络安全工程师教Kali Linux:ARP欺骗概述
- python将列表转换为字符串_每日一课 | Python将文件读入列表
- Docker框架的使用系列教程(二)
- 一步步实现koa核心代码
- android组件开关按钮,简单聊聊“开关”这个小控件
- 《团队-团队编程项目作业名称-最终程序》
- QCC512x QCC302x PIO 按键
- k-means聚类算法原理简析
- %date~0,4%和 %time~0,2%等用法详解
- java控制台五子棋工程_java控制台实现五子棋小游戏
- 企业微信小程序体验版必须打开调试模式才能获取相关数据的问题,qy.selectEnterpriseContact接口调用问题
- 华为操作系统,阿里巴巴飞天操作系统 ------- 操作系统生态
- CUBEMX+FreeRTOS使用ArmComplier6(AC6)编译器的设置方法
- Aidlux实践-快速实现街道人流量统计系统
- 剑指 Offer 52—— 两个链表的第一个公共节点
- html弹窗确认操作事件
- 树莓派安装ubuntu18.04教程
- TI DM6437 EDMA3使用总结
- Python学习笔记-Pygame
- 远程控制浇花系统--继电器模块
热门文章
- java-php-python-ssm在线交友系统2021计算机毕业设计
- C++之enum与switch
- 基于广义线性组合的Capon波束形成原理介绍及MATLAB实现
- M1 pod install CocoaPod 报错解决办法
- [转]关于模糊控制的理解
- mysql my.cof 配置表空间_my.conf配置大全
- 骨传导原理是什么?骨传导耳机对保护耳朵健康有帮助吗?
- IVX低代码平台开发——微信小程序实现抽奖功能
- linux计算字符串md5值,计算字符串md5的几个方法
- 叠片过滤器和叠片式过滤器以及盘式过滤器的区别介绍