利用T2FNN進(jìn)行MEC建模,針對(duì)IC散射現(xiàn)象進(jìn)行量測(cè)與模擬比較
上傳時(shí)間： 2014-01-10
上傳用戶：fandeshun
本文在確定了水聲信道的數(shù)學(xué)描述后,提出了在信道自適應(yīng)過程中,可以應(yīng)用 子波對(duì)信號(hào)進(jìn)行多分辨率分解,逐尺度地對(duì)信道進(jìn)行均衡. 這樣,不但減少了運(yùn)算數(shù) 據(jù)量,也減少了均衡所需的權(quán)系數(shù)個(gè)數(shù).
上傳時(shí)間： 2017-04-24
上傳用戶：gut1234567
心音信號(hào)是人體最重要的生理信號(hào)之一，包含心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量生理病理信息。心音信號(hào)分析與識(shí)別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對(duì)目前該研究領(lǐng)域中存在的分析方法問題和分類識(shí)別技術(shù)難點(diǎn)展開了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號(hào)特征向量的提取、正常心音信號(hào)（NM）和房顫（AF）、主動(dòng)脈回流（AR）、主動(dòng)脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號(hào)的分類識(shí)別。本文的工作內(nèi)容包括以下5個(gè)方面： a）心音信號(hào)采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽診器實(shí)現(xiàn)對(duì)心音信號(hào)的采集。通過對(duì)心音信號(hào)噪聲分析，選用小波降噪作為心音信號(hào)的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級(jí)閾值的方法作為心音信號(hào)預(yù)處理方案。 b）心音信號(hào)時(shí)頻分析方法。文中采用5種時(shí)頻分析方法分別對(duì)心音信號(hào)進(jìn)行了時(shí)頻譜特性分析，結(jié)果表明：不同的時(shí)頻分析方法與待分析心音信號(hào)的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時(shí)頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應(yīng)錐形核時(shí)頻（ATF）分析方法，通過實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號(hào)的時(shí)頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時(shí)頻分析方法，從而選擇自應(yīng)錐形核時(shí)頻分析方法進(jìn)行心音信號(hào)分析。 c）心音信號(hào)特征向量提取。根據(jù)對(duì)3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標(biāo)準(zhǔn)心音信號(hào)的時(shí)頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過Fihser降維處理方法提取出了實(shí)現(xiàn)分類可視化，且最易于分類的心音信號(hào)的2維特征向量，作為心音信號(hào)分類的特征向量。 d）心音信號(hào)分類方法。根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類支持向量機(jī)的選取方法，同時(shí)，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號(hào)分類的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫中NM、AF、AR、AS、MR每類心音信號(hào)的80組2維特征向量中每類60組數(shù)據(jù)作為支持向量機(jī)的學(xué)習(xí)樣本，對(duì)余下的每類20組數(shù)據(jù)進(jìn)行測(cè)試，得到每類的分類精度（Ar）均為100％，同時(shí)對(duì)臨床上采集的與上述4種同類心臟雜音信號(hào)和正常心音信號(hào)中每類24個(gè)心動(dòng)周期進(jìn)行分類實(shí)測(cè)，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗(yàn)證了該方法的分類有效性。 e）心音信號(hào)分析與識(shí)別的軟件系統(tǒng)。本文以MATLAB語言的可視化功能實(shí)現(xiàn)了心音信號(hào)分析與識(shí)別的軟件運(yùn)行平臺(tái)構(gòu)建，可完成對(duì)心音信號(hào)的讀取、預(yù)處理，繪制時(shí)-頻、能量特性的三維圖及兩維等高線圖；同時(shí)，利用MATLAB與EXCEL的動(dòng)態(tài)鏈接，實(shí)現(xiàn)對(duì)心音信號(hào)分析數(shù)據(jù)的存儲(chǔ)以及統(tǒng)計(jì)功能；最后，通過對(duì)心音信號(hào)2維特征向量的分析，實(shí)現(xiàn)心音信號(hào)的自動(dòng)識(shí)別功能。 本文的研究特色主要體現(xiàn)在心音信號(hào)特征向量提取的方法以及多分類支持向量機(jī)模型的建立兩方面。 綜上所述，本文從理論與實(shí)踐兩方面對(duì)心音信號(hào)進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時(shí)頻分析方法提取心音信號(hào)特征向量，根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，建立心音信號(hào)分類的支持向量機(jī)模型，并對(duì)正常心音信號(hào)和4種心臟雜音信號(hào)進(jìn)行了分類研究，取得了較為滿意的分類結(jié)果，但由于用于分類的心臟雜音信號(hào)種類及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類的心臟雜音信號(hào)，進(jìn)一步提高心音信號(hào)分類精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽診。 關(guān)鍵詞：心音信號(hào)，小波降噪，非平穩(wěn)信號(hào)，心臟雜音，信號(hào)處理，時(shí)頻分析，自適應(yīng)，支持向量機(jī)
上傳時(shí)間： 2013-04-24
上傳用戶：weixiao99
工業(yè)生產(chǎn)過程中，時(shí)滯對(duì)象普遍存在，同時(shí)也是較難控制的，尤其是大時(shí)滯對(duì)象的控制一直都是一個(gè)難題。而很多溫度控制系統(tǒng)都是屬于大時(shí)滯系統(tǒng)，常見的智能溫度控制器雖然在溫度控制的實(shí)際應(yīng)用中表現(xiàn)了比較理想的控制效果，但它仍然屬于將參數(shù)整定與系統(tǒng)控制分開處理的離線整定方法，如果工況發(fā)生變化就必須重新調(diào)整參數(shù)。針對(duì)這一問題，為了實(shí)現(xiàn)時(shí)滯系統(tǒng)參數(shù)自整定的控制，本文將神經(jīng)網(wǎng)路控制、模糊控制和PID控制結(jié)合起來，設(shè)計(jì)了基于神經(jīng)網(wǎng)路的模糊自適應(yīng)PID控制器。 首先，本論文分析了時(shí)滯系統(tǒng)的特點(diǎn)，討論了幾種時(shí)滯系統(tǒng)較為成熟的常規(guī)控制算法：微分先行控制算法、史密斯預(yù)估控制算法、大林控制算法，并深入研究了它們的控制性能；并且通過仿真對(duì)這三種控制方法在溫控系統(tǒng)中的控制性能進(jìn)行了比較。 其次，在分析PID參數(shù)自整定傳統(tǒng)方法的基礎(chǔ)上，設(shè)計(jì)了一種改進(jìn)方法，并設(shè)計(jì)了相應(yīng)的控制器。該控制器綜合了模糊控制、神經(jīng)網(wǎng)絡(luò)控制和PID控制各自的長(zhǎng)處，既具備了模糊控制簡(jiǎn)單有效的控制作用以及較強(qiáng)的邏輯推理功能，也具備了神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自學(xué)習(xí)的能力，同時(shí)也具備了傳統(tǒng)PID控制的廣泛適應(yīng)性。該方法不需要離線整定參數(shù)，實(shí)現(xiàn)了在線自整定參數(shù)。仿真實(shí)驗(yàn)表明了該控制器對(duì)模型和環(huán)境都具有較好的適應(yīng)能力和較強(qiáng)的魯棒性。 最后將基于神經(jīng)網(wǎng)路的模糊自適應(yīng)PID控制器應(yīng)用于貝加萊PID溫控裝置，能夠出色地實(shí)現(xiàn)參數(shù)的在線自整定。理論分析、系統(tǒng)仿真、實(shí)驗(yàn)結(jié)果都證實(shí)了這種控制策略能有效地減少系統(tǒng)超調(diào)量，并減少了調(diào)節(jié)時(shí)間，提高了系統(tǒng)的實(shí)時(shí)性和控制精度。
標(biāo)簽： 時(shí)滯系統(tǒng) 參數(shù) 自整定控制
上傳時(shí)間： 2013-07-05
上傳用戶：xinyuzhiqiwuwu
量熱儀是能源生產(chǎn)和能耗企業(yè)必備的重要測(cè)量?jī)x器,其測(cè)量精度和效率直接影響著經(jīng)濟(jì)效益。為了提高量熱儀的測(cè)量精度，整個(gè)量熱系統(tǒng)的測(cè)溫精度、準(zhǔn)確性、穩(wěn)定性等諸多方面都需要得到改善和提高。本文給出了采用單片機(jī)及鉑電阻PT1000 為核心器件的高精度恒溫式自動(dòng)量熱儀設(shè)計(jì)。燃料的價(jià)值就在于燃燒過程中能夠發(fā)熱，因此燃燒熱量就成為評(píng)估燃料質(zhì)量最重要的指標(biāo)，而燃燒熱量通常是由量熱儀來測(cè)量的。因此，量熱儀是能源生產(chǎn)和能耗企業(yè)必備的重要儀器,其測(cè)量精度和效率直接影響著經(jīng)濟(jì)效益。量熱儀可分別用于電力、煤炭、焦炭、石油、化工、水泥、軍工、糧食、飼料、木材、木炭以及科研等行業(yè)測(cè)量固體、液體等可燃物資的發(fā)熱量。由于其應(yīng)用范圍很廣，因此研制出更高測(cè)量精度和效率的量熱儀具有很好的發(fā)展前景及經(jīng)濟(jì)效益。我國(guó)是產(chǎn)煤大國(guó)，而衡量煤炭質(zhì)量的最重要指標(biāo)之一是其燃燒發(fā)熱量。因而，目前國(guó)內(nèi)普遍采用以發(fā)熱量作為動(dòng)力煤計(jì)價(jià)的主要依據(jù)。由于煤炭的發(fā)熱量主要是利用量熱儀來測(cè)定，因此，目前恒溫式自動(dòng)量熱儀在包括煤炭生產(chǎn)以及用煤?jiǎn)挝蝗珉娏Φ认到y(tǒng)廣泛應(yīng)用。但由于其在測(cè)溫過程中不可避免地會(huì)受到客觀和人為干擾，準(zhǔn)確性受到一定影響。為了解決這一問題并根據(jù)現(xiàn)有量熱儀存在的其它缺點(diǎn)，本文所設(shè)計(jì)的量熱儀采用了以單片機(jī)為控制單元，選用更高精度的鉑電阻PT1000 作為溫度傳感器，精心設(shè)計(jì)相關(guān)電路，增加信號(hào)處理單元，采用LabVIEW 設(shè)計(jì)操作界面等，不僅提升了量熱儀的測(cè)量精度，而且具有良好的性價(jià)比。
標(biāo)簽： 單片機(jī) 恒溫 自動(dòng) 量熱
上傳時(shí)間： 2013-12-29
上傳用戶：lvzhr
量熱儀是能源生產(chǎn)和能耗企業(yè)必備的重要測(cè)量?jī)x器,其測(cè)量精度和效率直接影響著經(jīng)濟(jì)效益。為了提高量熱儀的測(cè)量精度，整個(gè)量熱系統(tǒng)的測(cè)溫精度、準(zhǔn)確性、穩(wěn)定性等諸多方面都需要得到改善和提高。本文給出了采用單片機(jī)及鉑電阻PT1000 為核心器件的高精度恒溫式自動(dòng)量熱儀設(shè)計(jì)。燃料的價(jià)值就在于燃燒過程中能夠發(fā)熱，因此燃燒熱量就成為評(píng)估燃料質(zhì)量最重要的指標(biāo)，而燃燒熱量通常是由量熱儀來測(cè)量的。因此，量熱儀是能源生產(chǎn)和能耗企業(yè)必備的重要儀器,其測(cè)量精度和效率直接影響著經(jīng)濟(jì)效益。量熱儀可分別用于電力、煤炭、焦炭、石油、化工、水泥、軍工、糧食、飼料、木材、木炭以及科研等行業(yè)測(cè)量固體、液體等可燃物資的發(fā)熱量。由于其應(yīng)用范圍很廣，因此研制出更高測(cè)量精度和效率的量熱儀具有很好的發(fā)展前景及經(jīng)濟(jì)效益。我國(guó)是產(chǎn)煤大國(guó)，而衡量煤炭質(zhì)量的最重要指標(biāo)之一是其燃燒發(fā)熱量。因而，目前國(guó)內(nèi)普遍采用以發(fā)熱量作為動(dòng)力煤計(jì)價(jià)的主要依據(jù)。由于煤炭的發(fā)熱量主要是利用量熱儀來測(cè)定，因此，目前恒溫式自動(dòng)量熱儀在包括煤炭生產(chǎn)以及用煤?jiǎn)挝蝗珉娏Φ认到y(tǒng)廣泛應(yīng)用。但由于其在測(cè)溫過程中不可避免地會(huì)受到客觀和人為干擾，準(zhǔn)確性受到一定影響。為了解決這一問題并根據(jù)現(xiàn)有量熱儀存在的其它缺點(diǎn)，本文所設(shè)計(jì)的量熱儀采用了以單片機(jī)為控制單元，選用更高精度的鉑電阻PT1000 作為溫度傳感器，精心設(shè)計(jì)相關(guān)電路，增加信號(hào)處理單元，采用LabVIEW 設(shè)計(jì)操作界面等，不僅提升了量熱儀的測(cè)量精度，而且具有良好的性價(jià)比。
標(biāo)簽： 用單片機(jī) 恒溫 自動(dòng) 量熱
上傳時(shí)間： 2013-11-07
上傳用戶：oojj
為有效合理利用雷達(dá)資源和解決雷達(dá)測(cè)量值與運(yùn)動(dòng)狀態(tài)間的非線性關(guān)系以及目標(biāo)狀態(tài)本身可能出現(xiàn)的非線性，提出了一種基于交互式多模型粒子濾波（IMMPF）的相控陣?yán)走_(dá)自適應(yīng)采樣目標(biāo)跟蹤方法。將交互式多模型粒子濾波一步預(yù)測(cè)值的后驗(yàn)克拉美羅矩陣代替預(yù)測(cè)協(xié)方差矩陣，通過該矩陣的跡與某一門限值比較來更新采樣周期以適應(yīng)目標(biāo)運(yùn)動(dòng)狀態(tài)的變化。將該方法與基于量測(cè)轉(zhuǎn)換的IMM自適應(yīng)采樣算法進(jìn)行仿真實(shí)驗(yàn)，表明了該算法的有效性。
標(biāo)簽： 交互式 多模型 粒子濾波 相控陣?yán)走_(dá)
上傳時(shí)間： 2013-10-09
上傳用戶：1037540470
落煤殘存瓦斯量的確定是采掘工作面瓦斯涌出量預(yù)測(cè)的重要環(huán)節(jié),它直接影響著采掘工作面瓦斯涌出量預(yù)測(cè)的精度,并與煤的變質(zhì)程度、落煤粒度、原始瓦斯含量、暴露時(shí)間等影響因素呈非線性關(guān)系。人工神經(jīng)網(wǎng)絡(luò)具有表示任意非線性關(guān)系和學(xué)習(xí)的能力,是解決復(fù)雜非線性、不確定性和時(shí)變性問題的新思想和新方法。基于此,作者提出自適應(yīng)神經(jīng)網(wǎng)絡(luò)的落煤殘存瓦斯量預(yù)測(cè)模型,并結(jié)合不同礦井落煤殘存瓦斯量的實(shí)際測(cè)定結(jié)果進(jìn)行驗(yàn)證研究。結(jié)果表明,自適應(yīng)調(diào)整權(quán)值的變步長(zhǎng)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度高,收斂速度快 該預(yù)測(cè)模型的應(yīng)用可為采掘工作面瓦斯涌出量的動(dòng)態(tài)預(yù)測(cè)提供可靠的基礎(chǔ)數(shù)據(jù),為采掘工作面落煤殘存瓦斯量的確定提出了一種全新的方法和思路。
標(biāo)簽： 瓦斯 環(huán)節(jié) 人工神經(jīng)網(wǎng)絡(luò) 精度
上傳時(shí)間： 2015-03-12
上傳用戶：熊少鋒
一款為房產(chǎn)中介公司及房產(chǎn)租售類網(wǎng)站量身定制的一套系統(tǒng)，與其它房產(chǎn)類程序不同的是，百姓房產(chǎn)中介系統(tǒng)更貼近用戶，更理解用戶真正的需求，在同類產(chǎn)品中具有以下優(yōu)點(diǎn)。 1、asp.net開發(fā)，簡(jiǎn)單易用，功能超強(qiáng)，速度無與論比，安全性好。 2、房源信息中的聯(lián)系人及電話可以自定義為原房東或者房產(chǎn)中介。 3、快速、方便地登記、查詢、修改、刪除房源信息及客戶信息。 4、支持URL重寫(Url Rewriting)，把動(dòng)態(tài)信息的每個(gè)ID號(hào)虛擬成不同的文件名，增加搜索引擎收錄的機(jī)會(huì)，提高網(wǎng)站的排名。 5、2005年3月17日之后的最新的購房貸款計(jì)算器，如按揭、公積金、組合及稅率貸款等計(jì)算。 6、完善的網(wǎng)站后臺(tái)管理。支持多用戶管理，支持權(quán)限設(shè)置，更方便與現(xiàn)有網(wǎng)站系統(tǒng)集成。 7、新聞管理集成了好評(píng)如潮的百姓新聞系統(tǒng)v3.2，易用性更好，使用更方便。 8、對(duì)虛擬主機(jī)用戶提供了特別優(yōu)化，同時(shí)支持虛擬目錄模式和站點(diǎn)模式，真正做到零配置。無需專業(yè)知識(shí)照樣可以輕松安裝，使用。 9、同時(shí)支持Access數(shù)據(jù)庫和Sql Server數(shù)據(jù)庫。 10、全動(dòng)態(tài)網(wǎng)站，可以輕松配置此系統(tǒng)的各項(xiàng)信息（如網(wǎng)站名稱、網(wǎng)頁標(biāo)題、頁面顏色、頁眉、頁腳等）。
上傳時(shí)間： 2014-12-21
上傳用戶：王者A
小數(shù)據(jù)量法求混沌吸引子最大Lyapunov指數(shù)的Matlab程序，參考文獻(xiàn)：張家樹.混沌時(shí)間序列的Volterra自適應(yīng)預(yù)測(cè).物理學(xué)報(bào).2000.03
標(biāo)簽： Lyapunov Matlab 數(shù)據(jù) 混沌吸引子
上傳時(shí)間： 2015-05-09
上傳用戶：wsf950131
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
