期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于小波包变换和奇异值分解的柴油机振动信号特征提取研究 被引量：49
1
作者 李国宾 关德林 李廷举 《振动与冲击》 EI CSCD 北大核心 2011年第8期149-152,共4页
为通过振动信号识别柴油机的工作状态,提出利用小波包变换和奇异值分解提取振动信号特征的新方法。给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量,定义了振动信号特征参数,并探讨了特征参数与柴油机运行状态之间的内在... 为通过振动信号识别柴油机的工作状态,提出利用小波包变换和奇异值分解提取振动信号特征的新方法。给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量,定义了振动信号特征参数,并探讨了特征参数与柴油机运行状态之间的内在联系。结果表明:特征参数能够敏感地反映柴油机工作性能的变化。随着柴油机工作性能的恶化,振动强度的增加,特征参数变大。特征参数可作为柴油机状态监测和故障诊断的特征量。 展开更多
关键词 振动信号 柴油机 小波包变换 奇异值分解 特征参数
在线阅读 下载PDF
基于EEMD和小波包变换的早期故障敏感特征获取 被引量：38
2
作者 王红军 万鹏 《北京理工大学学报》 EI CAS CSCD 北大核心 2013年第9期945-950,共6页
提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型.该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的IMF分量进行信息... 提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型.该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的IMF分量进行信息重构;面向重构的IMF分量采用WPT进行分解,得到各个节点的小波系数;最后使用Hilbert变换提取小波包系数的包络,计算功率谱,准确获得早期故障的敏感特征.通过对仿真信号的分析验证了该方法对故障诊断的有效性.将该方法应用于实测的滚动轴承的内圈、外圈和滚动体故障诊断,诊断结果均表明该方法可有效提取早期故障敏感特征,故障诊断快速准确. 展开更多
关键词 早期故障 特征获取 总体平均经验模态分解 小波包
在线阅读 下载PDF
基于小波包变换和奇异值分解的机加工表面纹理特征提取 被引量：2
3
作者 李国宾 关德林 李廷举 《润滑与密封》 CAS CSCD 北大核心 2010年第2期36-39,10,共5页
为提取机加工表面的纹理特征,提出利用小波包变换和奇异值分解提取灰度图像特征的新方法,给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量的均值和方差分别定义了灰度图像的特征参数k1和k2,并探讨了特征参数与表面纹理之... 为提取机加工表面的纹理特征,提出利用小波包变换和奇异值分解提取灰度图像特征的新方法,给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量的均值和方差分别定义了灰度图像的特征参数k1和k2,并探讨了特征参数与表面纹理之间的关系。结果表明:特征参数能够敏感地反映机加工表面的纹理特征。k1表征了机加工表面的支撑面积,其值越大,支撑面积越大;k2表征了机加工表面纹理的粗糙度,其值越大,纹理越粗糙。因此,机加工表面的纹理特征可通过灰度图像特征参数k1和k2评定。 展开更多
关键词 机加工表面 纹理 小波包变换 奇异值分解 特征参数
在线阅读 下载PDF
叶绿素含量BP反演模型的光谱信息输入因子构建研究 被引量：3
4
作者 杨可明 孙阳阳 +2 位作者 刘飞 魏华锋 史钢强 《科学技术与工程》 北大核心 2015年第15期82-87,共6页
植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型。高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时... 植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型。高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时主成分分析(PCA)能够很好地降低模型输入因子的维数并可简化网络结构。以盆栽玉米为研究对象,在玉米叶片光谱数据对数变换并一阶微分处理的基础上,针对叶绿素含量的BP反演模型,提出了基于相关系数(CC)、WPT和WPTPCA的输入因子构建方法,并形成了叶绿素含量的CC-BP、PCA-BP及WPT-PCA-BP三种反演模型。通过比较玉米叶片叶绿素含量的实测值与三种BP模型反演结果,表明基于WPT-PCA构建BP模型的输入因子数量虽仅有6个却并不影响其反演精度,也能包含原始光谱的92%信息,且优于基于PCA和传统CC所构建输入因子的BP模型反演能力。 展开更多
关键词 高光谱遥感 叶绿素含量 BP反演模型 输入因子 小波包变换 主成分分析
在线阅读 下载PDF
基于小波包变换和改进SVD的特征提取 被引量：3
5
作者 赵鹏亮 席泽敏 肖欢 《舰船电子工程》 2007年第4期123-125,共3页
提出了基于小波包变换和改进奇异值分解的高分辨雷达目标一维距离像特征提取方法。利用该方法对三种目标分类进行仿真实验,结果表明:该特征提取方法,对平移和姿态角变化有较强的稳健性,说明该算法是有效的。
关键词 小波包变换 改进奇异值分解 一维距离像 特征提取
在线阅读 下载PDF
基于深度收缩自编码网络的飞行员疲劳状态识别 被引量：10
6
作者 韩霜 吴奇 +3 位作者 孙礼兵 裘旭益 任和 卢钊 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2018年第3期443-451,共9页
针对飞行员疲劳状态识别的复杂性,本文基于脑电信号提出一种新的深度学习模型。一方面,利用小波包变换对飞行员脑电信号进行多尺度分解,提取了脑电信号的四个节律波段:δ波(0.4~3 Hz)、θ波(4~7 Hz)、α波(8~13 Hz)和β波(14~30 Hz),将... 针对飞行员疲劳状态识别的复杂性,本文基于脑电信号提出一种新的深度学习模型。一方面,利用小波包变换对飞行员脑电信号进行多尺度分解,提取了脑电信号的四个节律波段:δ波(0.4~3 Hz)、θ波(4~7 Hz)、α波(8~13 Hz)和β波(14~30 Hz),将重组的波段信号作为纯净的脑电信号。另一方面,提出一种基于深度收缩自编码网络的飞行员疲劳状态识别模型,并与其他方法进行比较。实验结果显示,针对飞行员疲劳状态识别问题,所建立的新的深度学习模型具有很好的识别效果,识别准确率高达91.67%。因此,研究基于深度收缩自编码网络的飞行员疲劳状态识别具有重要意义。 展开更多
关键词 飞行员疲劳 脑电信号 深度收缩自动编码网络 小波包变换
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部