99re6这里只有精品,97se亚洲国产一区二区三区,国产亚洲欧美另类中文

產品特征

形態梯度小波降噪與S變換的齒輪故障特征抽取算法

針對齒輪故障特征信號具有強噪聲背景、非線性、非平穩性特點，提出采用形態梯度小波對齒輪振動信號進行降噪。首先使用形態梯度小波把齒輪振動信號分解到多個尺度上，然后對各層的細節系數進行軟閾值方法降噪處理，對經過處理后的小波系數進行重構。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
基于EEMD的故障微弱信號特征提取研究

總體平均經驗模式分解（EEMD）方法是一種先進的時頻分析方法，非常適合于對非平穩故障微弱信號的分析處理。文中介紹了EEMD方法的原理與算法實現步驟，重點分析了EEMD方法避免模式混淆的機理。利用EEMD方法對齒輪箱振動信號進行分析，成功提取了小齒輪磨損故障特征，驗證了EEMD方法在故障微弱信號特征提取的有效性。

標簽： EEMD 微弱信號特征提取

上傳時間： 2014-11-30

上傳用戶：wbwyl
HHT方法在探地雷達回波信號特征提取上的應用

探地雷達回波信號是一種非平穩非線性信號，其中不僅包含地下埋藏物的目標信號，還包含有可能掩藏目標信號的直達波信號，給目標的識別帶來困難。文中采用HHT方法對探地雷達回波信號進行特征分析，提取回波信號的IMF分量的瞬時頻率作為特征向量。實驗結果表明，用HHT方法提取特征可較好的避免直達波影響，該方法是可行而有效的，為進一步鑒別地下埋藏物提供了新的思想和方法。

標簽： HHT 探地雷達回波信號特征提取

上傳時間： 2013-10-22

上傳用戶：hjkhjk
用于圖像分類的有偏特征采樣方法

為了模擬圖像分類任務中待分類目標的可能分布，使特征采樣點盡可能集中于目標區域，基于Yang的有偏采樣算法提出了一種改進的有偏采樣算法。原算法將目標基于區域特征出現的概率和顯著圖結合起來，計算用于特征采樣的概率分布圖，使用硬編碼方式對區域特征進行編碼，導致量化誤差較大。改進的算法使用局部約束性編碼代替硬編碼，并且使用更為精確的后驗概率計算方式以及空間金字塔框架，改善了算法性能。在PASCAL VOC 2007和2010兩個數據集上進行實驗，平均精度比隨機選取的特征采樣方法能夠提高約0.5%，驗證了算法的有效性。

標簽： 圖像分類特征采樣

上傳時間： 2013-10-24

上傳用戶：wawjj
基于Gabor小波的人臉表情特征提取研究

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。首先對包含表情區域的靜態灰度圖像進行預處理，包括對確定的人臉表情區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
字符特征提取和單片機顯示

利用Matlab軟件編寫了程序提取了的任意大小的字母和漢字的顯示特征，給出了對應的圖像矩陣，并將讀取的二值矩陣轉換為單片機能識別的16進制數字代碼，通過單片機構建電路實現字母和漢字的顯示。提取字母可以改變大小和形狀，達到動態顯示字母大小和流動變換顯示的效果，提高顯示設備觀賞價值，可以提高人們對重要信息的注意。

標簽： 字符特征提取單片機

上傳時間： 2013-11-13

上傳用戶：lijinchuan
基于自適應并行結構的多模態生物特征識別

傳統多模態生物特征識別方法當出現生物特征缺失時，識別性能會明顯下降。針對此問題，提出一種融合人臉、虹膜和掌紋的自適應并行結構多模態生物識別方法。該方法在設計融合策略時，考慮到所有可能的輸入缺失，構造并行結構的融合函數集，在實際應用時根據輸入狀態自適應的選擇融合策略進行識別。實驗仿真結果表明該方法既可提高識別可靠性又可實現當有生物特征缺失時的性能穩定。

標簽： 并行多模生物特征識別

上傳時間： 2013-11-02

上傳用戶：huangld
Keil C51編譯、調試軟件使用指南

Keil C51編譯、調試軟件使用指南.pdf 該手冊是Keil 軟件公司8051 單片機軟件開發工具的介紹是為新用戶和有興趣的讀者準備的使用指南只需要閱讀本書就可以正確地運行和使用該軟件這本用戶指南包括以下章節的內容第一章介紹對本用戶手冊的概述第二章安裝講述怎樣安裝軟件并設置工具的操作環境第三章 8051 產品系列講述為8051 單片機提供的不同產品讀完本章可以決定選用哪一種產品第四章 8051 開發工具講述8051 開發工具的主要特征包括C 編譯器匯編器調試器和集成開發環境第五章使用 8051 工具講述通過演示程序指導用戶如何使用這套工具第六章硬件產品介紹輔助開發和調試的硬件工具還有80C517A 和80C520 評估板以及EPROM 仿真器第七章實時內核講述RTX 51 實時操作系統該章還提供多任務處理系統的概述第八章命令參考簡要講述了8051 開發工具的命令及控制符

標簽： Keil C51 編譯使用指南

上傳時間： 2013-10-19

上傳用戶：qitiand
RBF神經網絡在特征選擇中的應用

提出了一個自適應量子粒子群優化算法，用于訓練RBF網絡的基函數中心和寬度，并結合最小二乘法計算網絡權值，對RBF網絡的泛化能力進行改進并用于特征選擇。實驗結果表明，采用自適應量子粒子群優化算法獲得的RBF網絡模型不但具有很強的泛化能力，而且具有良好的穩定性，能夠選擇出較優秀的特征子集。

標簽： RBF 神經網絡特征選擇中的應用

上傳時間： 2013-11-16

上傳用戶：erkuizhang
基于傳感器網絡的多目標跟蹤和特征管理方法

針對傳感器網絡下多目標跟蹤時目標數量不斷變化這一復雜情況，文中對多目標的跟蹤和特征管理方法進行了研究。該方法由數據關聯、多目標跟蹤、特征管理，和信息融合所組成。其中未知數量多目標的跟蹤和數據關聯通過馬爾科夫蒙特卡羅數據關聯實現。通過信息融合來整合本地信息，獲取所有相鄰傳感器的本地一致性，最終實現特征管理。試驗證明，本方法能夠在分布式的傳感器網絡環境下對多目標進行準確有效地跟蹤和特征管理。

標簽： 傳感器網絡多目標跟蹤特征管理方法

上傳時間： 2013-11-18

上傳用戶：wangdean1101