由于模擬電路的多樣性、非線性和離散性等特點，模擬電路的故障診斷呈現(xiàn)復雜、難以辨識等問題。針對已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機的基礎上，設計了模擬電路的最小二乘支持向量機預測模型，實現(xiàn)了對模擬電路的狀態(tài)的故障預測。將該方法應用于Sallen-Key帶通電路進行故障預測試驗，結果表明，該方法比單一支持向量機、徑向基神經(jīng)網(wǎng)絡、BP神經(jīng)網(wǎng)絡和APSVM有更好的分類和泛化性能，故障診斷準確率更高。
標簽： LS-SVM 集成 模擬電路 故障檢測
上傳時間： 2013-10-31
上傳用戶：417313137
針對信號檢測中經(jīng)常存在的噪聲污染問題，利用小波分解之后可以在各個層次選擇閾值，對噪聲成分進行抑制，手段更加靈活。本文介紹了小波變換的一般理論以及在信號降噪中的應用，分析了被噪聲污染后的信號的特性；利用MATLAB軟件進行了信號降噪的模擬仿真實驗并在降噪光滑性和相似性兩個方面體現(xiàn)出小波變換的優(yōu)勢。本文分別使用了不同類型的小波和相同類型小波下不同閾值對信號進行了降噪．仿真結果表明小波變換具有良好降噪的效果。
標簽： 小波分析 信號降噪 中的應用
上傳時間： 2013-10-19
上傳用戶：alex wang
提出了一種基于仿生小波變換和模糊推理的變步長自適應濾波語音降噪算法。該算法首先用仿生小波變換法對包含噪聲的語音信號進行小波分解，以分離出來的噪聲信號作為自適應濾波器的輸入，選擇基于模糊推理變步長自適應算法對帶噪聲語音信號進行降噪處理，最終實現(xiàn)語音信號的信噪分離，去除語音信號中的噪聲。仿真結果表明，該方法對語音信號有較為明顯的降噪效果。
標簽： 仿生 小波變換 模糊推理 語音降噪
上傳時間： 2013-10-14
上傳用戶：戀天使569
為去除腦電信號采集過程中存在的噪聲信號，提出了基于小波閾值去噪的腦電信號去噪。以小波閾值降噪為基礎，首先利用db4小波對腦電信號進行5尺度分解，然后采用軟、硬閾值與小波重構的算法進行去噪。通過對MIT腦電數(shù)據(jù)庫中的腦電信號進行仿真，結果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號的信噪比。
標簽： 小波分析 腦電信號
上傳時間： 2014-12-23
上傳用戶：如果你也聽說
針對齒輪故障特征信號具有強噪聲背景、非線性、非平穩(wěn)性特點，提出采用形態(tài)梯度小波對齒輪振動信號進行降噪。首先使用形態(tài)梯度小波把齒輪振動信號分解到多個尺度上，然后對各層的細節(jié)系數(shù)進行軟閾值方法降噪處理，對經(jīng)過處理后的小波系數(shù)進行重構。對降噪后的齒輪振動信號采用S變換多分辨率時頻分析，能夠從具有良好的時頻分辨率的S變換譜圖提取齒輪故障特征。通過仿真試驗和故障軸承的信號分析證明，該方法具有短時傅里葉變換和小波變換的優(yōu)點，不存在Wigner-Ville分布的交叉干擾和負頻率，能有效地提取隱含在噪聲中的齒輪故障特征，適合齒輪故障的在線監(jiān)測和診斷。
標簽： 梯度 小波降噪 S變換 齒輪故障
上傳時間： 2013-11-01
上傳用戶：AISINI005
目前，被廣泛使用的經(jīng)典邊緣檢測算子有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子等等。這些算子的核心思想是圖像的邊緣點是相對應于圖像灰度值梯度的局部極大值點。然而，當圖像中含有噪聲時這些算子對噪聲都比較敏感，使得將噪聲作為邊緣點。由于噪聲的干擾，不能檢測出真正的邊緣。一個擁有良好屬性的的邊緣檢測算法是每個研究者的追求。利用小波交換的特點，設計了三次B樣條平滑濾波算子。通過利用這個算子，對利用小波變換來檢測圖像的邊緣進行了一定的研究和理解。
標簽： 小波變換 圖像邊緣檢測 中的應用
上傳時間： 2013-10-13
上傳用戶：kqc13037348641
為了使計算機能更好的識別人臉表情，對基于Gabor小波變換的人臉表情識別方法進行了研究。首先對包含表情區(qū)域的靜態(tài)灰度圖像進行預處理，包括對確定的人臉表情區(qū)域進行尺寸和灰度歸一化，然后利用二維Gabor小波變換提取臉部表情特征，使用快速PCA方法對提取的Gabor小波特征初步降維。再在低維的空間中，利用Fisher準則提取那些有利于分類的特征，最后用SVM分類器進行分類。實驗結果表明，上述提出的方法比傳統(tǒng)的方法識別速度更快，能達到實時性的要求，并且具有很好的魯棒性，識別率高。
標簽： Gabor 人臉 特征提取
上傳時間： 2013-11-08
上傳用戶：小眼睛LSL
提出了一種基于FPGA的多級小波逆變換的高速、實時的硬件解決方案。仿真驗證表明本方案能夠滿足連續(xù)輸入的數(shù)據(jù)進行實時處理的要求,并且所設計的系統(tǒng)具有功耗低、成本低等優(yōu)點。
標簽： 多級 小波逆變換 實時系統(tǒng) 方案
上傳時間： 2014-12-28
上傳用戶：Zero_Zero
由非線性電力電子裝置組成的電路發(fā)生故障時，故障特征信息不易提取和識別。對此提出一種基于小波包分析和Elman神經(jīng)網(wǎng)的電力電子裝置故障診斷的方法，先運用小波包分析法提取電路在不同故障狀態(tài)下電壓及電流信號的特征信息，然后對數(shù)據(jù)進行歸一化處理并作為Elman神經(jīng)網(wǎng)的輸入，由具有智能學習功能的神經(jīng)元故障分類器完成故障識別和定位。以12脈沖整流電路為例，在Matlab軟件下建立電路模型進行仿真實驗，結果表明該方法能快速、準確的完成故障診斷。
標簽： Elman 分 故障診斷
上傳時間： 2013-11-11
上傳用戶：zjf3110
上傳時間： 2013-12-20
上傳用戶：JasonC
蟲蟲下載站版權所有 京ICP備2021023401號-1
