往期精彩内容：Python-凯斯西储大学（CWRU）轴承数据解读与分类处理Pytorch-LSTM轴承故障一维信号分类(一)-CSDN博客Pytorch-CNN轴承故障一维信号分类(二)-CSDN博客Pytorch-Transformer轴承故障一维信号分类(三)-CSDN博客三十多个开源数据集|故障诊断再也不用担心数据集了！P

基于双路神经网络的滚动轴承故障诊断融合了原始振动信号和二维信号时频图像的多输入(多通道)故障诊断方法单路和双路都可时频图像算法可选小波变换，短时傅里叶变换，马尔可夫变迁场，格拉姆角场，S变换，递归图，灰度图等基于双路神经网络的滚动轴承故障诊断融合了原始振动信号和

连续小波变换是一种数学工具，用于将信号分解为构成其的小波或波形。这种变换在信号处理、图像分析、音频压缩等领域有广泛的应用。与傅里叶变换相比，连续小波变换能提供关于信号在不同时间和尺度上的详细信息，使之更适合分析非平稳信号（即信号的统计特性随时间变化的信号）。 所使

ATFNet是一个深度学习模型，它结合了时间域和频域模块来捕获时间序列数据中的依赖关系。引入了一种新的加权机制来调整周期性的权重，增强了离散傅立叶变换，并包括一个复杂关系识别的注意力机制，在长期时间序列预测中优于当前方法(每个模型都这么说)。这是4月发布在arxiv上的论文，还包含

常见的通信干扰及其时频图单音干扰及其时频图多音干扰射频噪声干扰线性扫频干扰梳状干扰单音干扰及其时频图多音干扰射频噪声干扰线性扫频干扰梳状干扰

✅作者简介：热爱科研的算法开发者，Python、Matlab项目可交流、沟通、学习。

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。