目录一、产生背景及原因二、工作原理 三、总结一、产生背景及原因 电力系统中非线性负荷大量增加，比如非线性的逆变器、整流器、开关电源等等，由此带来的谐波和无功问题愈来愈严重，俗称谐波污染，这对于电力系统的稳定性、通信安全性以及用电器安全是个必须要
前言在设计电路板，电源部分是干扰传入和传出的重要途径。在考虑其EMC问题时，需要设计EMI滤波器，防止外部高频的差模和共模干扰进入后端应用电路中。原理EMI滤波器其实就是串联电感，并联电容的低通滤波器，使得高频干扰被阻碍（共模电感、差模电感使高频干扰转换成铁氧体的热能）或者从旁路流出（X\Y安规电容）。安规电容安规电容是指用于这样的场合，即电容器失效后，不会导致电击，不危及人身安全。X电容和Y电容
滤波器选择和使用注意事项 1. 如何选择电源线干扰滤波器？有的顾客以为EMI滤波器的插入损耗越高越好，滤波网络的级数越多越好。其实这并不是选择滤波器的正确方法。此外，级数越多的滤波网络，价格越贵，体积和重量也越大。其实选择和评估电源线滤波器的唯一办法是将其装到设备上进行试验。正如上面所提到的滤波器，性能很大程度上取决于设备负载阻抗。而不能单一从阻抗（50Ω）插入损耗数据来推导，它是一项滤波元件阻抗
转载
2024-10-27 09:48:03
48阅读
我们知道IMU容易受到飞机机体振动影响，物理上通常在飞控安装位置设有减震垫；而IMU与气压计的测量结果会因为温度变化而导致漂移，物理上通常设置恒温装置来减小这种影响 在软件层面该如何做？这篇一起来看下频域滤波、温度补偿的原理以及它们在PX4上的实现一 陀螺仪滤波滤波用于滤除高频噪声，保留低频信号，滤波处理缺陷是会造成信号滞后。行业内有时域和频域两种设计滤波器的方法。时域内设计的滤波器，不依赖于具体
DFT（离散傅立叶变换）的原理：要比较两组长度相同的数据的相似性，只需要将两组数据点乘，再求和就行了。假设两组数据分别为a[N-1:0]和b[N-1:0]，他们的相似性（记为函数r(a,b,N)吧）为 r(a,b,N)=a[0]*b[0] + a[1]*b[1] + a[2]*b[2] + ......+ a[N-2]*b[N-2] + a[N-1]*b[N-1];如果输入信号为一维数组data，
EMI、EMS和EMC简述1.EMI&EMS&EMC定义（1）.EMI，全称为：Electromagnetic Interference，即电磁干扰，指电子设备在自身工作过程中产生的电磁波，对外发射并对设备其它部分或外部其它设备造成干扰。（2）.EMS，全称为：Electromagnetic Susceptibility，即电磁敏感度，指电子设备受电磁干扰的敏感程度。（3）.EMC
转载
2024-05-07 14:57:59
28阅读
输入端差模电感的选择：差模 choke 置于 L 线或 N 线上，同时与 XCAP 共同作用 F=1 / (2π L*C)波器振荡频率要低于电源供给器的工作频率，一般要低于 10kHz。L = N2AL（nH/N2）nHN = [L（nH）/AL(nH/N2)]1/2 匝AL = L（nH）/ N2nH/N2W =（NI）2AL / 2000µJ输入端共模电感的选择：共模电感为 EMI 防制零件，
转载
2024-07-04 21:27:11
95阅读
点云分析中的EMD（Earth Mover’s Distance）距离EMD（Earth Mover’s Distance）距离介绍EMD距离，又叫做推土机距离，也叫作Wasserstein距离。个人理解，EMD距离是离散化的Wasserstein距离，而Wasserstein距离是描述两个连续随机变量的EMD距离。二者数学思想是相同的，但是所描述的对象和应用场景稍有区分。由于个人正在做关于点云数
转载
2024-04-30 17:38:02
307阅读
库卡（KUKA）机器人入门学习必备知识1、库卡机器人零点标定使用的工具通常有两种：1）千分表，标定精度偏低。2）EMD电子装置，标定精度较高。2、库卡机器人停机模式有三种。分别是：STOP0,STOP1,STOP2这三种模式，停止的过程也不同。3、库卡机器人控制柜有基本的有5种型号。分别是：紧凑型（ Compact ）、小型（ Smallsize-2 ）、标准型（ Standard ）、中型（ M
转载
2024-04-18 14:08:10
133阅读
EM算法：期望最大化算法MLE（极大似然估计法）是一种非常有效的参数估计方法，但在概率模型中，有时既含有观测变量 (observable variable), 又含有隐变量(hidden variable)或潜在变量(latent variable)，例如：分布中有多余参数或数据为截尾或缺失时，这个时候使用MLE求解是比较困难的。于是Dempster等人于1977年提出了EM算法，其出发点是把求M
转载
2024-04-19 08:37:14
114阅读
重头戏来了。在以往的应用经验里，VMD方法在众多模态分解方法中可以说是非常好的。从催更力度上看，这个方法也是格外受关注。笔者决定加快进度快一些写完这个方法，十月份了有些同学要开始做毕设，希望这篇文能帮上忙。1. VMD（变分模态分解）的概念VMD（Variational Mode Decomposition）即变分模态分解，与2014年由Dragomiretskiy[1]等人提出，虽然它也叫模态分
转载
2024-05-07 21:26:01
901阅读
Jensen不等式其实在运筹学以及基础的优化理论中，便有涉及。设f是定义域为实数的函数，如果对于所有的实数x，，那么f是凸函数。拓展到多元的情形，x是向量时，如果其对应的Hessian矩阵H是半正定的（），那么f是凸函数。特别的，当或者海瑟矩阵为正定时(H>0)，那么称函数f是严格凸函数。Jensen不等式表述如下：如果f是凸函数，X是随机变量，那么特别地，如果f是严格凸函数，当且仅当(也就
统计学习基础回顾 1. 后验概率 2 2. . 极大似然法 (MLE) 信息论基础 1. （互）信息 2. 熵、条件熵 3. 交叉熵、相对熵 最大熵模型 1 1 . 凸优化理论推导 Maxent 2. 与 MLE 的关系 EM 算法 1 1 . GMM 实例 2. MLE 推导我希望自己能通俗地把它理解或者说明白，但是，EM这个问题感觉真的不太好用通俗的语言去说明白，因为
转载
2024-05-13 13:38:25
42阅读
LAMMPS学习总结11、手册中说，Compute temp/region与执行温度调节的fix（fix nve/fix langevin等）命令一起使用，那么这个偏差将从每个原子中减去，剩余的热速度的温度调节将被执行，并且偏差将被添加回去。这是什么意思？？？？2、NEMD计算热导率的langvin控温法中，为什么两次langevin控温呢？而且第一次的fix 没有unfix就直接又fix了 这
转载
2024-04-25 18:07:33
309阅读
呆瓜在论文里使用了EMD方法，对于EMD方法，呆瓜刚开始接触时是懵逼的，完全不知道用来干什么。在请教了导师和夫哥后呆瓜也进行了自学，现在呆瓜对EMD有了初步的了解，也算是在论文之路上又前进了一步。在本文最后，呆瓜对上证闭盘数据进行了EMD分解，但只是做了分解图，并未作出解读和分析。本文结构大致如下图：首先，信号处理是现代科学的一个重要研究领域，遍及通信、数据分析、模式识别、金融等几乎所有的应用领域
转载
2024-03-29 20:03:09
388阅读
二：SEM算法2.1EM算法最大期望算法（Expectation Maximization Algorithm，又译期望最大化算法），是一种迭代算法，用于含有隐变量（hidden variable）的概率参数模型的最大似然估计或极大后验概率估计。在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏
EMD算法简介该部分引用自[1]Earth Mover’s Distance (EMD)，和欧氏距离一样，他们都是一种距离度量的定义，可以用来测量某分布之间的距离。EMD主要应用在图像处理和语音信号处理领域。EMD问题如下图所示给定两个签名(或者叫分布、特征量集合)P和Q，P为m个特征量Pi和其权重wPi的集合，记作P={(P1,wP1),(P2,wP2),...(Pm,wPm)}，如图左侧部分。
文章目录1、简单介绍2、基本条件3、方法步骤3.1求平均包络线3.2 通过IMF判断求最终4、去噪应用 1、简单介绍经验模态分解( empirical mode decomposition，EMD)是由美国国家宇航局的华裔科学家Norden e. Huang博士于1998年提出的一种新的处理非平稳信号的方法——希尔伯特——黄变化的重要组成部分。基于EMD的时频分析方法既适合于非线性、非平稳信号的
转载
2024-04-18 10:31:31
178阅读
EM算法在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。最大期望算法经过两个步骤交替进行计算：第一步是计算期望（E），利用概率模型参数的现有估计值，计算隐藏变量的期望；
转载
2023-12-01 12:46:01
79阅读
看到一位博主写的关于EMD的一些见解，觉得挺有用，特用来保存分享，原文链接：https://www.ilovematlab.cn/thread-566089-1-1.htmlEMD是一种信号分解工具。 与小波分解不同。小波分解是利用信号和小波之间的相关性来进行信号分解，当然小波的特性在分解过程中是可以变化的，即所谓的translation and scale。EMD则是完全根据信号本身的特点来进行
转载
2024-03-22 09:13:59
119阅读
