常用的频域校正方法有几种

‘壹’ 分析比较超前校正和滞后校正在频域和时域性能上的区别，以及各自的适用场合

超前校正和滞后校正的区别：

1、频域上的区别。超前校正会提高开环截止频率，滞后校正会降低开环截止频率。

2、时域上的区别。超前校正可改善动态性能，比如提高响应速度，但是由于对高频噪声的抑制能力减小了，所以抗干扰能力下降。滞后校正可以改善稳态性能，但是相对的也会使响应速度变慢。

3、适用场合上的区别。超前校正可以在稳态性能足够的情况下，用来改善动态性能。滞后校正可以在待校正系统的截止频率比要求的截止频率高时使用。

4、超前校正的 作用相当于PD，滞后校正的作用相当于PI。

‘贰’ 图像空域增强和频域增强的基本原理是什么

图像增强的目的是改善图像的视觉效果或使图像更适合于人或机器的分析处理。通过图像增强可以减少图像噪声，提高目标与背景的对比度，亦可以强调或抑制图像中的某些细节。例如，消除照片中的划痕，改善光照不均匀的图像，突出目标的边缘等。

根据处理的空间可以将图像增强分为空域法和频域法，前者直接在图像的空间域（或图像空间）中对像素进行处理，后者在图像的变换域（即频域）内间接处理，然后经逆变换获得增强图像。空域增强可以分为点处理和区处理，频域增强可以分为低通滤波，高通滤波，带通滤波和同态滤波。

(2)常用的频域校正方法有几种扩展阅读

常用的图像增强处理方式包括灰度变换、直方图修正、图像锐化、噪声去除、几何畸变校正、频域滤波和彩色增强等。由于图像增强与感兴趣的物体特性、观察者的习惯和处理目的密切相关，尽管处理方式多种多样，但它带有很强的针对性。

因此，图像增强算法的应用也是有针对性的，并不存在一种通用的、适应各种应用场合的增强算法。于是，为了使各种不同特定目的的图像质量得到改善，产生了多种图像增强算法。这些算法根据处理空间的不同分为基于空间域的图像增强算法和基于变换域的图像增强算法。

基于空间域的图像增强算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增强算法；基于变换域的图像增强算法可以分为频域的平滑增强算法、频域的锐化增强算法以及频域的彩色增强算法。

尽管各种图像增强技术已取得了长足的发展，形成了许多成熟、经典的处理方法，但新的增强技术依然在日新月异地发展完善，不断推陈出新，其中尤其以不引起图像模糊的去噪声方法（如空域的局部统计法）和新的频域滤波器增强技术（如小波变换，K－L变换等）最为引人瞩目。

‘叁’ 频域特性的频域分析

频域（频率域）——自变量是频率,即横轴是频率,纵轴是该频率信号的幅度,也就是通常说的频谱图。频谱图描述了信号的频率结构及频率与该频率信号幅度的关系。
对信号进行时域分析时，有时一些信号的时域参数相同，但并不能说明信号就完全相同。因为信号不仅随时间变化，还与频率、相位等信息有关，这就需要进一步分析信号的频率结构，并在频率域中对信号进行描述。动态信号从时间域变换到频率域主要通过傅立叶级数和傅立叶变换实现。周期信号靠傅立叶级数，非周期信号靠傅立叶变换。 一个频域分析的简例可以通过图1：一个简单线性过程中小孩的玩具来加以说明。该线性系统包含一个用手柄安装的弹簧来悬挂的重物。小孩通过上下移动手柄来控制重物的位置。
任何玩过这种游戏的人都知道，如果或多或少以一种正弦波的方式来移动手柄，那么，重物也会以相同的频率开始振荡，尽管此时重物的振荡与手柄的移动并不同步。只有在弹簧无法充分伸长的情况下，重物与弹簧会同步运动且以相对较低的频率动作。
随着频率愈来愈高，重物振荡的相位可能更加超前于手柄的相位，也可能更加滞后。在过程对象的固有频率点上，重物振荡的高度将达到最高。过程对象的固有频率是由重物的质量及弹簧的强度系数来决定的。
当输入频率越来越大于过程对象的固有频率时，重物振荡的幅度将趋于减少，相位将更加滞后（换言之，重物振荡的幅度将越来越少，而其相位滞后将越来越大）。在极高频的情况下，重物仅仅轻微移动，而与手柄的运动方向恰恰相反。 所有的线性过程对象都表现出类似的特性。这些过程对象均将正弦波的输入转换为同频率的正弦波的输出，不同的是，输出与输入的振幅和相位有所改变。振幅和相位的变化量的大小取决于过程对象的相位滞后与增益大小。增益可以定义为“经由过程对象放大后，输出正弦波振幅与输入正弦波振幅之间的比例系数”，而相位滞后可以定义为“输出正弦波与输入正弦波相比较，输出信号滞后的度数”。
与稳态增益K值不同的是，“过程对象的增益和相位滞后”将依据于输入正弦波信号的频率而改变。在上例中，弹簧－重物对象不会大幅度的改变低频正弦波输入信号的振幅。这就是说，该对象仅有一个低频增益系数。当信号频率靠近过程对象的固有频率时，由于其输出信号的振幅要大于输入信号的振幅，因此，其增益系数要大于上述低频下的系数。而当上例中的玩具被快速摇动时，由于重物几乎无法起振，因此该过程对象的高频增益可以认为是零。
过程对象的相位滞后是一个例外的因素。由于当手柄移动得非常慢时，重物与手柄同步振荡，所以，在以上的例子中，相位滞后从接近于零的低频段输入信号就开始了。在高频输入信号时，相位滞后为“-180度”，也就是重物与手柄以相反的方向运动（因此，我们常常用‘滞后180度’来描述这类两者反向运动的状况）。
Bode图谱表现出弹簧－重物对象在0.01-100弧度/秒的频率范围内，系统增益与相位滞后的完整频谱图。这是Bode图谱的一个例子，该图谱是由贝尔实验室的Hendrick Bode于1940s年代发明的一种图形化的分析工具。利用该工具可以判断出，当以某一特定频率的正弦波输入信号来驱动过程对象时，其对应的输出信号的振动幅度和相位。欲获取输出信号的振幅，仅仅需要将输入信号的振幅乘以“Bode图中该频率对应的增益系数”。欲获取输出信号的相位，仅仅需要将输入信号的相位加上“Bode图中该频率对应的相位滞后值”。 在过程对象的Bode图中表现出来的增益系数和相位滞后值，反映了系统的非常确定的特征，对于一个有丰富经验的控制工程师而言，该图谱将其需要知道的、有关过程对象的一切特性都准确无误的告诉了他。由此，控制工程师运用此工具，不仅可以预测“系统未来对于正弦波的控制作用所产生的系统响应”，而且能够知道“系统对任何控制作用所产生的系统响应”。
傅立叶定理使得以上的分析成为可能，该定理表明任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。数学家傅立叶在1822年证明了这个着名的定理，并创造了为大家熟知的、被称之为傅立叶变换的算法，该算法利用直接测量到的原始信号，以累加方式来计算不同正弦波信号的频率、振幅和相位。
从理论上说，傅立叶变换和Bode图可以结合在一起使用，用以预测当线性过程对象受到控制作用的时序影响时产生的反应。详见以下：
1） 利用傅立叶变换这一数学方法，把提供给过程对象的控制作用，从理论上分解为不同的正弦波的信号组成或者频谱。
2） 利用Bode图可以判断出，每种正弦波信号在经由过程对象时发生了那些变化。换言之，在该图上可以找到正弦波在每种频率下的振幅和相位的改变。
3） 反之，利用反傅立叶变换这一方法，又可以将每个单独改变的正弦波信号转换成一个信号。
既然反傅立叶变换从本质上说，也是一种累加处理，那么过程对象的线性特征将会确保－“在第一步中计算得到的各种理论正弦波”所产生单独作用的集合，应该等效于“各不同正弦波的累加集合”共同产生的作用。因此，在第三步计算得到的总信号，将可以代表“当所提供的控制作用输入到过程对象时，过程对象的实际值”。
请注意，在以上这些步骤中，没有哪个点不是由画在图上的控制器产生的单独正弦波构成。所有这些频域方面的分析技术都是概念性的。这是一种方便的数学方法，运用傅立叶变换（或者紧密相关的拉普拉斯变换），将时域信号转换为频域信号，然后再用Bode图或其他一些频域分析工具来解决手头的一些问题，最后再用反傅立叶变换将频域信号转换为时域信号。
绝大多数可用此方法解决的控制设计问题，也可以在时域内通过直接的操控来解决，但是对于计算而言，利用频域的方法通常更简单一些。在上例中，就是用乘法和减法来计算过程实际值的频谱，而该过程实际值是通过对给定的控制作用进行傅立叶变换，尔后又对照Bode图分析而得到的。
将所有的正弦波进行正确的累加，就会产生如傅立叶变换所预示的那类形状的信号。当有时这一现象并不直观，举个例子可能有助于理解。
请再次想想上面那个例子中小孩的重物－弹簧玩具，操场上的跷跷板，以及位于外部海洋上的船。设想这艘船以频率为w和幅度为A的正弦波形式在海面上起起落落，我们同时再假设跷跷板也以频率为3w和幅度为A/3的正弦波形式在振荡，并且小孩以频率为5w和幅度为A/5的正弦波形式在摇动玩具。‘三张单独的正弦波波形图’已经显示出，如果我们将三个不同的正弦波运动进行分别观察的话，每个正弦波运动将会体现出的形式。
现在假设小孩坐在跷跷板上，而跷跷板又依次固定在轮船的甲板上。如果这三者单独的正弦波运动又恰巧排列正确的话，那么，玩具所表现出的总体运动就大约是一个方波－如图4：三者合成的正弦波显示的那样。
以上并非一个非常确切的实际例子，但是却明白无误的说明：基本频率正弦波、振幅为三分之一的三倍频率谐波、以及振幅为五分之一的五倍频率谐波，它们波形的相加总和大约等于频率为w、振幅为A的方波。甚至如果再加上振幅为七分之一的七倍频率谐波、以及振幅为九分之一的九倍频率谐波时，总波形会更像方波。其实，傅立叶定理早已说明，当不同频率的正弦波以无穷级数的方式无限累加时，那么由此产生的总叠加信号就是一个严格意义上的、幅度为A的方波。傅立叶定理也可以用来将非周期信号分解成正弦波信号的无限叠加。
通过求解微分方程分析时域性能是十分有用的，但对于比较复杂的系统这种办法就比较麻烦。因为微分方程的求解计算工作量将随着微分方程阶数的增加而增大。另外，当方程已经求解而系统的响应不能满足技术要求时，也不容易确定应该如何调整系统来获得预期结果。从工程角度来看，希望找出一种方法，使之不必求解微分方程就可以预示出系统的性能。同时，又能指出如何调整系统性能技术指标。频域分析法具有上述特点,是研究控制系统的一种经典方法,是在频域内应用图解分析法评价系统性能的一种工程方法。该方法是以输入信号的频率为变量，对系统的性能在频率域内进行研究的一种方法。频率特性可以由微分方程或传递函数求得,还可以用实验方法测定.频域分析法不必直接求解系统的微分方程,而是间接地揭示系统的时域性能,它能方便的显示出系统参数对系统性能的影响,并可以进一步指明如何设计校正.这种分析法有利于系统设计，能够估计到影响系统性能的频率范围。特别地，当系统中存在难以用数学模型描述的某些元部件时，可用实验方法求出系统的频率特性，从而对系统和元件进行准确而有效的分析。

‘肆’ 频域分析方法有哪些

频域分析法用时域分析法分析和研究系统的动态特性和稳态误差最为直观和准确,但是,用解析方法求解高阶系统的时域响应往往十分困难.此外,由于高阶系统的结构和参数与系统动态性能之间没有明确的函数关系,因此不易看出系统参数变化对系统动态性能的影响.当系统的动态性能不能满足生产上要求的性能指标时,很难提出改善系统性能的途径.

‘伍’ 信号的时域分析和频域分析分别有哪些办法

时域与频域变换用傅里叶变换或拉普拉斯变换常用的分析方法为：画伯德图（波特图），根据波特图可以知道信号幅值的变化和相位的延迟，例如在某个频率范围内，信号幅值特性曲线的斜率为-20dB/十倍频，说明信号频率每增加已被，幅值-3dB。

‘陆’ 模态分析中六种频域拟合方法具体是什么啊

频域参数识别何止六种方法。
单自由度法：峰值检测、振型检测、圆拟合；实模态复模态均可。
多自由度频域法：最小二乘频域法（LSFD），结构系统参数识别（ISSPA），正交多项式法（OP），频域直接参数识别（FDPI），复模态指示函数法（CMIF），同时频域法（SFD），还有PolyMAX（LMS独创的算法）。
具体方法只能看书去学，一言难尽。
复模态和实模态：
极点应该知道吧，对于比例阻尼的情况，解出来的极点是个纯虚数，不含实部，因此总可以换算成实值的模态振型，这就是实模态，或者叫纯模态；
相应的，非比例阻尼的情况下，极点是个包含实部不为零的复数，因此解出来的振型也是复值模态振型向量。
单自由度法：一般而言，系统的动态响应是各阶模态的叠加；但是，如果在给定的频段内只有一个模态是重要的，那么该模态的参数就可以单独确定，这就是单自由度法。

‘柒’ 经典控制理论中系统校正的研究方法主要有哪几种

经典控制理论主要研究系统运动的稳定性、时间域和频率域中系统的运动特性（见过渡过程、频率响应）、控制系统的设计原理和校正方法（见控制系统校正方法）。经典控制理论包括线性控制理论、采样控制理论、非线性控制理论（见非线性系统理论）三个部分。早期，这种控制理论常被称为自动调节原理，随着以状态空间法为基础和以最优控制理论为特征的现代控制理论的形成（在1960年前后），广为使用现在的名称。

‘捌’ 几种时频域转换算法的比较

从数字影像处理角度来看，傅里叶变换、短时傅里叶变换、小波变换、小波包分解等每一种算法都各自优缺点，总结如下：

（1）傅里叶变换

优点：成功地将影像从空间域转换成频率域。缺点：时间量只能选取无限值，无法做到对过去或将来的分析；时间和频率缺乏相应的联系，无法反应彼此的变化；在平方可积空间以外的空间，变换系数不能描述信号所在的空间；不具有局部分析的能力（郑兰芬等，1995；赵英时，2003）。

（2）窗口傅里叶变换

优点：解决了传统傅里叶变换无法做到局部化分析的问题。缺点：只能改变窗口在时频平面的位置，不能改变窗口的形状，即窗口形状、大小不随频率变化；不适合分析非平稳的信号；对于窗口傅里叶变换，不管怎样离散化，均不能使它成为一组正交基。

（3）小波变换

优点：小波变换不仅具有局部化分析的能力，而且窗口的大小是可以随着频率的高低做相应的调整，对观察细微部分的能力有了显着的提高。此外小波变换能产生正交基，可以很好的处理非平稳的信号。缺点：小波变换是依赖小波基作为 “过滤器” 进行运算的，而小波基一旦选定，整个小波变换的性质就被锁定，无法做到对 “过滤器” 进行调整；小波变换的每一层都要对信号进行一个平分而取其中的一半，这样做显然会丢失一些需要的信息；降噪预处理后进行重构的信号会丢失原有的时域特征；小波变换对低频部分的分解无能为力，而这恰恰是微量信息提取的关键。

（4）小波包分解

优点：不仅具有了小波变换全部的优点，而且解决了小波变换不能在信号的低频部分进一步分解的难题。缺点：由于对信号分解是从高频到低频的同时分解，因此随着分解层数的增加，其计算量成指数增长，对于内存较小的计算机而言，计算时间长。同样，小波包分解也具有小波变换相同的问题，一旦基函数确定，它的特性就固定了。由于每次分解都是对半分的，这样会忽略掉一些信息。