欧美精品资源,欧美精品资源,色呦呦国产精品

R波

基于小波分析的脈搏波信號處理

對脈搏波信號進(jìn)行分析之前，對信號的去噪非常重要，本論文利用Mallat算法對脈搏波信號進(jìn)行多分辨分析和去噪，分別對閾值法、平移不變量法、模極大值法的降噪原理進(jìn)行分析，通過大量實驗對比，比較了它們在處理脈搏波信號方面的優(yōu)缺點。通過對一段含噪脈搏波信號降噪，得到了滿意的去噪效果。

標(biāo)簽： 小波分析信號處理脈搏波

上傳時間： 2013-10-20

上傳用戶：lmq0059
動態(tài)電路在方波下形成的波形的解析

這是一階二階電路在方波下形成的波形解析

標(biāo)簽： 動態(tài)電路方波波形

上傳時間： 2013-11-24

上傳用戶：uuuuuuu
基于小波與LS-SVM集成的模擬電路故障檢測

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(fù)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(jī)集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機(jī)的基礎(chǔ)上，設(shè)計了模擬電路的最小二乘支持向量機(jī)預(yù)測模型，實現(xiàn)了對模擬電路的狀態(tài)的故障預(yù)測。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測試驗，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

上傳時間： 2013-10-31

上傳用戶：417313137
小波分析在信號降噪中的應(yīng)用

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(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降噪中的應(yīng)用，分析了被噪聲污染后的信號的特性；利用MATLAB軟件進(jìn)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(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： 小波分析信號降噪中的應(yīng)用

上傳時間： 2013-10-19

上傳用戶：alex wang
脈搏波信號降噪和特征點識別研究

對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中，然而在采集脈搏波信號時容易受到多種干擾的影響，使其提取出來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，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對于分析人體生理健康很有意義。針對信號去噪問題采用小波變換和多分辨率分析的方法，該方法在時域和頻域都能表征信號局部信息的能力，且具有對信號具有自適應(yīng)性。運(yùn)用極值法確定出脈搏波的峰值點，然后再根據(jù)峰值點確定出其他特征點的位置，實驗證明該方法能夠增加特征點的檢出率。

標(biāo)簽： 脈搏波信號降噪特征點識別

上傳時間： 2013-10-12

上傳用戶：shirleyYim
基于仿生小波變換和模糊推理的語音降噪算法研究

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(yīng)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(jìn)行小波分解，以分離出來的噪聲信號作為自適應(yīng)濾波器的輸入，選擇基于模糊推理變步長自適應(yīng)算法對帶噪聲語音信號進(jìn)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(jié)果表明，該方法對語音信號有較為明顯的降噪效果。

標(biāo)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
基于小波分析的腦電信號處理

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(chǔ)，首先利用db4小波對腦電信號進(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。通過對MIT腦電數(shù)據(jù)庫中的腦電信號進(jìn)行仿真，結(jié)果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號的信噪比。

標(biāo)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
形態(tài)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(qiáng)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(jìn)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(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對經(jīng)過處理后的小波系數(shù)進(jìn)行重構(gòu)。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(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)測和診斷。

標(biāo)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
自動跟蹤工頻陷波器的研究與設(shè)計

介紹了一種新型線性自動跟蹤工頻陷波器的電路結(jié)構(gòu)。該陷波器應(yīng)用于電子束曝光機(jī)束流測量電路中，用來抑制工頻干擾對測量精度的影響。基于對自動跟蹤陷波器的基本工作原理分析，陷波器采用了頻率/電壓轉(zhuǎn)換器與壓控帶阻濾波器相結(jié)合的設(shè)計方案，成功地解決了工頻頻偏對常規(guī)工頻陷波器濾波性能的嚴(yán)重影響問題。提出了提高抑制工頻干擾能力的設(shè)計要點和電路調(diào)試方法。通過性能指標(biāo)的測試和長期實際運(yùn)行應(yīng)用，證明陷波器滿足了電子束測量中對工頻干擾進(jìn)行強(qiáng)抑制的要求，提高了電子束曝光機(jī)的制版質(zhì)量。

標(biāo)簽： 自動跟蹤工頻陷波器

上傳時間： 2013-11-13

上傳用戶：天涯
橫向Ka波段波導(dǎo)微帶探針過渡的設(shè)計和優(yōu)化

介紹了一種橫向Ka波段寬帶波導(dǎo)-微帶探針過渡的設(shè)計，基于有限元場分析軟件Ansoft HFSS對該類過渡的設(shè)計方法進(jìn)行了研究。最后給出了Ka波段內(nèi)的優(yōu)化數(shù)據(jù)。仿真結(jié)果表明，該寬帶波導(dǎo)-微帶探針過渡在26.5G~40 GHz內(nèi)插入損耗小于0.065 dB，達(dá)到了設(shè)計目標(biāo)。

標(biāo)簽： Ka波段波導(dǎo) 微帶探針

上傳時間： 2014-05-27

上傳用戶：gxy670166755