归一化是一种数据处理技术，用于将有量纲的表达式转换为无量纲形式，以便于进行计算和分析。以下是几种常见的归一化公式：
数值归一化
将数值变换到0到1之间的小数：
$$z = \frac{R + j\omega L}{R} = 1 + j\omega L/R$$
其中，$R$ 是原始数值，$j\omega L$ 是虚部，$z$ 是归一化后的数值。
百分比归一化
将数值变换到0到100之间的百分比：
$$wi = \frac{mi}{m_1 + m_2 + \ldots + m_n} \times 100\%$$
其中，$mi$ 是原始数值，$m_1, m_2, \ldots, m_n$ 是其他数值，$wi$ 是归一化后的百分比。
向量归一化
将向量变换为单位向量（模长为1）：
$$\text{归一化向量} = \frac{\text{向量}}{\|\text{向量}\|}$$
其中，$\text{向量}$ 是原始向量，$\|\text{向量}\|$ 是向量的模长。
分数归一化
将一组分数变换到0到1之间的归一化值：
$$归一化值 = \frac{分数 - 最小分数}{最大分数 - 最小分数}$$
其中，$分数$ 是原始数据中的某个具体分数，$最小分数$ 和 $最大分数$ 分别是原始数据中的最小和最大分数。
线性函数转换
将数值变换到0到1之间的小数，使用最小-最大归一化方法：
$$y = \frac{x - \text{MinValue}}{\text{MaxValue} - \text{MinValue}}$$
其中，$x$ 是原始数值，$\text{MinValue}$ 和 $\text{MaxValue}$ 分别是样本的最小值和最大值。
对数函数转换
将数值变换到0到1之间的小数，使用对数归一化方法：
$$y = \log_{10}（x）$$
其中，$x$ 是原始数值。
反余切函数转换
将数值变换到0到1之间的小数，使用反余切归一化方法：
$$y = \frac{\arctan（x） \times 2}{\pi}$$
其中，$x$ 是原始数值。
归一化方法的应用非常广泛，包括信号处理、量子力学、统计学等领域。通过归一化，可以简化计算过程，凸显物理量的本质含义，并便于进行比较和计算