在魚(yú)雷技術(shù)發(fā)展中，低截獲概率技術(shù)（LPI）的采用大大提高魚(yú)雷的作戰(zhàn)能力，同時(shí)也對(duì)截獲信號(hào)提出了更高的要求。本文將基于小波分析的檢測(cè)方法，具體對(duì)有效的低截獲特征信號(hào)信號(hào)進(jìn)行檢測(cè)，相比于短時(shí)傅里葉變換的基礎(chǔ)上，采用Daubechies5小波對(duì)信號(hào)進(jìn)行分解變換，證明小波分析方法的有效性及優(yōu)越性。
標(biāo)簽： 小波分析 信號(hào)檢測(cè) 方法研究
上傳時(shí)間： 2013-10-22
上傳用戶：lht618
由于模擬電路的多樣性、非線性和離散性等特點(diǎn)，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識(shí)等問(wèn)題。針對(duì)已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機(jī)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(lèi)別支持向量機(jī)的基礎(chǔ)上，設(shè)計(jì)了模擬電路的最小二乘支持向量機(jī)預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)模擬電路的狀態(tài)的故障預(yù)測(cè)。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測(cè)試驗(yàn)，結(jié)果表明，該方法比單一支持向量機(jī)、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類(lèi)和泛化性能，故障診斷準(zhǔn)確率更高。
標(biāo)簽： LS-SVM 集成 模擬電路 故障檢測(cè)
上傳時(shí)間： 2013-10-31
上傳用戶：417313137
針對(duì)信號(hào)檢測(cè)中經(jīng)常存在的噪聲污染問(wèn)題，利用小波分解之后可以在各個(gè)層次選擇閾值，對(duì)噪聲成分進(jìn)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(hào)降噪中的應(yīng)用，分析了被噪聲污染后的信號(hào)的特性；利用MATLAB軟件進(jìn)行了信號(hào)降噪的模擬仿真實(shí)驗(yàn)并在降噪光滑性和相似性兩個(gè)方面體現(xiàn)出小波變換的優(yōu)勢(shì)。本文分別使用了不同類(lèi)型的小波和相同類(lèi)型小波下不同閾值對(duì)信號(hào)進(jìn)行了降噪．仿真結(jié)果表明小波變換具有良好降噪的效果。
標(biāo)簽： 小波分析 信號(hào)降噪 中的應(yīng)用
上傳時(shí)間： 2013-10-19
上傳用戶：alex wang
小信號(hào)高頻晶體管放大器
上傳時(shí)間： 2013-10-18
上傳用戶：wangfei22
轉(zhuǎn)速傳感器信號(hào)隔離變送器,正弦波整形 主要特性: >> 轉(zhuǎn)速傳感器信號(hào)直接輸入，整形調(diào)理方波信號(hào) >> 200mV峰值微弱信號(hào)的放大與整形 >> 正弦波、鋸齒波信號(hào)輸入，方波信號(hào)輸出 >> 不改變?cè)ㄐ晤l率，響應(yīng)速度快 >> 電源、信號(hào)：輸入/輸出 3000VDC三隔離 >> 供電電源：5V、12V、15V或24V直流單電源供電 >> 低成本、小體積，使用方便，可靠性高 >> 標(biāo)準(zhǔn)DIN35 導(dǎo)軌式安裝 >> 尺寸：106.7x79.0x25.0mm >> 工業(yè)級(jí)溫度范圍: - 45 ~ + 85 ℃ 應(yīng)用： >> 轉(zhuǎn)速傳感器信號(hào)隔離、采集及變換 >> 汽車(chē)速度測(cè)量 >> 汽車(chē)ABS防抱死制動(dòng)系統(tǒng) >> 轉(zhuǎn)速信號(hào)放大與整形 >> 地線干擾抑制 >> 電機(jī)轉(zhuǎn)速監(jiān)測(cè)系統(tǒng) >> 速度測(cè)量與報(bào)警 >> 信號(hào)無(wú)失真變送和傳輸 產(chǎn)品選型表： DIN11 IAP – S□ - P□ – O□ 輸入信號(hào) 供電電源 輸出信號(hào) 特點(diǎn) 代碼 Power 代碼 特點(diǎn) 代碼 正負(fù)信號(hào)輸入，正弦波輸入 幅度峰峰值（VP-P）：200mV~50V S1 24VDC P1 輸出電平0-5V O1 單端信號(hào)輸入， 幅度峰峰值（VP-P）：5V S2 12VDC P2 輸出電平0-12V O2 單端信號(hào)輸入， 幅度峰峰值（VP-P）：12V S3 5VDC P3 輸出電平0-24V O3 單端信號(hào)輸入， 幅度峰峰值（VP-P）：24V S4 15VDC P4 集電極開(kāi)路輸出 O4 用戶自定義 Su 用戶自定義 Ou 產(chǎn)品選型舉例： 例 1：輸入：轉(zhuǎn)速傳感器，正弦波VP-P：200mV~10V；電源：24V ；輸出：0-5V電平 型號(hào)：DIN11 IAP S1-P1-O1 例 2：輸入：轉(zhuǎn)速傳感器，正弦波VP-P：200mV~10V；電源：12V ；輸出：0-24V電平 型號(hào)：DIN11 IAP S1-P2-O3 例 3：輸入：0-5V電平；電源：24V ；輸出：0-24V電平 型號(hào)：DIN11 IAP S2-P1-O3 例 4：輸入：0-5V電平；電源：12V ；輸出：集電極開(kāi)路輸出 型號(hào)：DIN11 IAP S2-P2-O4 例 5：輸入：用戶自定義；電源：24V ；輸出：用戶自定義 型號(hào)：DIN11 IAP Su-P1-Ou
上傳時(shí)間： 2013-10-22
上傳用戶：hebanlian
對(duì)脈搏波的完全分析是建立在含有少量噪聲且較為清晰的脈搏波信號(hào)中，然而在采集脈搏波信號(hào)時(shí)容易受到多種干擾的影響，使其提取出來(lái)的脈搏波含有大量的噪聲，因此降噪處理顯得尤為必要。同時(shí)，脈搏波中含有人體生理病理信息，不同的人將表現(xiàn)為不同的特征，可以看出確定脈搏波特征點(diǎn)對(duì)于分析人體生理健康很有意義。針對(duì)信號(hào)去噪問(wèn)題采用小波變換和多分辨率分析的方法，該方法在時(shí)域和頻域都能表征信號(hào)局部信息的能力，且具有對(duì)信號(hào)具有自適應(yīng)性。運(yùn)用極值法確定出脈搏波的峰值點(diǎn)，然后再根據(jù)峰值點(diǎn)確定出其他特征點(diǎn)的位置，實(shí)驗(yàn)證明該方法能夠增加特征點(diǎn)的檢出率。
標(biāo)簽： 脈搏波 信號(hào)降噪 特征點(diǎn)識(shí)別
上傳時(shí)間： 2013-10-12
上傳用戶：shirleyYim
為去除腦電信號(hào)采集過(guò)程中存在的噪聲信號(hào)，提出了基于小波閾值去噪的腦電信號(hào)去噪。以小波閾值降噪為基礎(chǔ)，首先利用db4小波對(duì)腦電信號(hào)進(jìn)行5尺度分解，然后采用軟、硬閾值與小波重構(gòu)的算法進(jìn)行去噪。通過(guò)對(duì)MIT腦電數(shù)據(jù)庫(kù)中的腦電信號(hào)進(jìn)行仿真，結(jié)果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號(hào)的信噪比。
上傳時(shí)間： 2014-12-23
上傳用戶：如果你也聽(tīng)說(shuō)
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。
上傳時(shí)間： 2013-11-01
上傳用戶：AISINI005
自適應(yīng)濾波器的原理分析和設(shè)計(jì)流程，及matlab程序
標(biāo)簽： MATLAB 自適應(yīng)濾波器
上傳時(shí)間： 2013-10-18
上傳用戶：glxcl
目前，被廣泛使用的經(jīng)典邊緣檢測(cè)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(diǎn)是相對(duì)應(yīng)于圖像灰度值梯度的局部極大值點(diǎn)。然而，當(dāng)圖像中含有噪聲時(shí)這些算子對(duì)噪聲都比較敏感，使得將噪聲作為邊緣點(diǎn)。由于噪聲的干擾，不能檢測(cè)出真正的邊緣。一個(gè)擁有良好屬性的的邊緣檢測(cè)算法是每個(gè)研究者的追求。利用小波交換的特點(diǎn)，設(shè)計(jì)了三次B樣條平滑濾波算子。通過(guò)利用這個(gè)算子，對(duì)利用小波變換來(lái)檢測(cè)圖像的邊緣進(jìn)行了一定的研究和理解。
標(biāo)簽： 小波變換 圖像邊緣檢測(cè) 中的應(yīng)用
上傳時(shí)間： 2013-10-13
上傳用戶：kqc13037348641
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
