針對(duì)齒輪故障特征信號(hào)具有強(qiáng)噪聲背景、非線性、非平穩(wěn)性特點(diǎn)，提出采用形態(tài)梯度小波對(duì)齒輪振動(dòng)信號(hào)進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動(dòng)信號(hào)分解到多個(gè)尺度上，然后對(duì)各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對(duì)經(jīng)過(guò)處理后的小波系數(shù)進(jìn)行重構(gòu)。對(duì)降噪后的齒輪振動(dòng)信號(hào)采用S變換多分辨率時(shí)頻分析，能夠從具有良好的時(shí)頻分辨率的S變換譜圖提取齒輪故障特征。通過(guò)仿真試驗(yàn)和故障軸承的信號(hào)分析證明，該方法具有短時(shí)傅里葉變換和小波變換的優(yōu)點(diǎn)，不存在Wigner-Ville分布的交叉干擾和負(fù)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(cè)和診斷。
標(biāo)簽： 梯度 小波降噪 S變換 齒輪故障
上傳時(shí)間： 2013-11-01
上傳用戶(hù)：AISINI005
為了提高語(yǔ)音信號(hào)的識(shí)別率，提出了一種改進(jìn)的LPCC參數(shù)提取方法。該方法先對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)加重、分幀加窗處理，然后進(jìn)行小波分解，在此基礎(chǔ)上提取LPCC參數(shù)，從而構(gòu)成新向量作為每幀信號(hào)的特征參數(shù)。最后采用高斯混合模型（GMM）進(jìn)行說(shuō)話(huà)人語(yǔ)音識(shí)別，實(shí)驗(yàn)表明新特征參數(shù)取得了較好的識(shí)別率。
標(biāo)簽： LPCC 參數(shù)提取
上傳時(shí)間： 2013-10-10
上傳用戶(hù)：asdgfsdfht
通過(guò)對(duì)海上紅外圖像進(jìn)行分析，提出了一種基于海天線提取的紅外小目標(biāo)檢測(cè)方法。該算法的基本思路是根據(jù)所需提取目標(biāo)的特點(diǎn)，首先選擇感興趣的灰度區(qū)域，然后運(yùn)用Canny算子進(jìn)行邊緣檢測(cè)，接著對(duì)圖像進(jìn)行Hough變換檢測(cè)海天線，最后對(duì)海天線以下且符合目標(biāo)特征的連通域進(jìn)行標(biāo)記從而來(lái)確定目標(biāo)的位置。實(shí)驗(yàn)結(jié)果表明，該方法能較好地檢測(cè)出海上紅外小目標(biāo)。
標(biāo)簽： 海天線 紅外 目標(biāo)檢測(cè)
上傳時(shí)間： 2015-01-03
上傳用戶(hù)：long14578
具有帶通選擇性的ICA算法可以改善對(duì)于帶通時(shí)間序列的分離以及對(duì)于周期性腦功能響應(yīng)信號(hào)的提取. 因此本文提出的方案可將被估計(jì)信號(hào), 如:周期性響應(yīng)信號(hào)以及具有平滑空間分布的腦功能激活區(qū), 的先驗(yàn)特性以特征選擇的方式加入ICA算法用以提高對(duì)此類(lèi)信號(hào)的估計(jì)
標(biāo)簽： 信號(hào) ICA 帶通 周期
上傳時(shí)間： 2013-12-11
上傳用戶(hù)：集美慧
人臉特征定位，實(shí)現(xiàn)人臉相似度計(jì)算，二值化，邊緣提取。解壓密碼：123
標(biāo)簽： 人臉 特征 定位
上傳時(shí)間： 2013-12-15
上傳用戶(hù)：zsjzc
為了實(shí)現(xiàn)彩色柵格地圖道路的全自動(dòng)提取，提出了一種閉環(huán)反饋提取彩色 柵格地圖道路的方法。在地圖圖像數(shù)學(xué)模型的基礎(chǔ)上，根據(jù)地圖中對(duì)象的顏色特征對(duì)地圖圖 像進(jìn)行規(guī)范化處理。在采用一些算法去除噪聲后提取道路，對(duì)道路進(jìn)行細(xì)化處理。依據(jù)道路 和噪聲的特征建立一些判據(jù)判斷道路的正確性，把道路的提取變成了根據(jù)判據(jù)不斷修正道路 的循環(huán)過(guò)程，實(shí)現(xiàn)道路的全自動(dòng)提取。試驗(yàn)結(jié)果表明了該方法具有較高的準(zhǔn)確性、全自動(dòng)化 和通用性。
標(biāo)簽： 彩色 地圖 全自動(dòng)
上傳時(shí)間： 2013-12-25
上傳用戶(hù)：咔樂(lè)塢
研究從彩色柵格交通地圖中提取完整的道路網(wǎng)絡(luò)集合。在地圖規(guī)范化的基礎(chǔ)上，基于彩色柵格地圖上的噪聲特征，處理欠識(shí)別和誤識(shí)別的道路點(diǎn)集集合. 以實(shí)例說(shuō)明該方法對(duì)道路提取的過(guò)程和效果
標(biāo)簽： 地圖 彩色 道路網(wǎng)絡(luò)
上傳時(shí)間： 2014-05-24
上傳用戶(hù)：彭玖華
人耳識(shí)別技術(shù)是20世紀(jì)90年代末開(kāi)始興起的一種生物特征識(shí)別技術(shù)，與其它生物特征識(shí)別技術(shù)比較具有以下幾個(gè)特點(diǎn)：（1）與人臉識(shí)別方法比較，耳識(shí)別方法不受面部表情、化妝品和胡須變化的影響，同時(shí)保留了面部識(shí)別圖象采集方便的優(yōu)點(diǎn)，與人臉相比，整個(gè)人耳的顏色更加一致、圖像尺寸更小，數(shù)據(jù)處理量也更小。（2）與指紋識(shí)別方法比較，耳圖象的獲取是一種被動(dòng)方式，即通過(guò)非接觸方式獲取耳圖像，不存在通過(guò)接觸傳染疾病的機(jī)會(huì)，因此，其信息獲取方式具有容易被人接受的優(yōu)點(diǎn)。（3）與虹膜識(shí)別方法比較，首先，由于人臉和頭發(fā)的存在，需要在耳識(shí)別過(guò)程中增加一個(gè)耳區(qū)域定位步驟，這并不影響耳特征的提取，而眼毛對(duì)虹膜的遮擋將直接影響虹膜特征的提取。頭發(fā)對(duì)于耳的遮擋可以容易地避免，而眼毛對(duì)于虹膜的遮擋是生理結(jié)構(gòu)決定的，也是難以避免的。其次，就目前的技術(shù)而言，虹膜采集需要測(cè)試者與采集裝置之間的位置在機(jī)器發(fā)出的語(yǔ)言提示下進(jìn)行不斷地調(diào)整，同時(shí)要瞪大眼睛，使虹膜盡可能暴露，初試者通常要反復(fù)多次調(diào)整才能夠達(dá)到要求，而耳采集方式與臉采集方式基本相同，測(cè)試者很容易達(dá)到拍攝圖象的要求條件。最后，虹膜采集裝置的成本要高于耳采集裝置。
標(biāo)簽： 人耳識(shí)別 生物特征識(shí)別
上傳時(shí)間： 2013-12-20
上傳用戶(hù)：壞壞的華仔
直線的提取有很多種方法：hough變換，相位編組法等，文章利用鏈碼技術(shù)提取直線特征，這種方法值得借鑒。
標(biāo)簽： hough 直線 變換
上傳時(shí)間： 2015-10-04
上傳用戶(hù)：D&L37
本程序用于對(duì)訓(xùn)練樣本提取獨(dú)立主元，作為樣本特征，并送入SVM分類(lèi)器中訓(xùn)練圖像的預(yù)處理中不取對(duì)數(shù)，也無(wú)須做幅度歸一，由ICA的應(yīng)用條件決定的。預(yù)處理后的圖像以向量的形式按行排列
標(biāo)簽： 程序 樣本 獨(dú)立
上傳時(shí)間： 2016-02-20
上傳用戶(hù)：franktu
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<tfoot id="mlfvv"></tfoot>
