對(duì)脈搏波信號(hào)進(jìn)行分析之前，對(duì)信號(hào)的去噪非常重要，本論文利用Mallat算法對(duì)脈搏波信號(hào)進(jìn)行多分辨分析和去噪，分別對(duì)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(shí)驗(yàn)對(duì)比，比較了它們?cè)谔幚砻}搏波信號(hào)方面的優(yōu)缺點(diǎn)。通過對(duì)一段含噪脈搏波信號(hào)降噪，得到了滿意的去噪效果。
上傳時(shí)間： 2013-10-20
上傳用戶：lmq0059
這是一階二階電路在方波下形成的波形解析
標(biāo)簽： 動(dòng)態(tài)電路 方波 波形
上傳時(shí)間： 2013-11-24
上傳用戶：uuuuuuu
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型的小波和相同類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
介紹了基于采用分立元件設(shè)計(jì)的LC諧振放大器的設(shè)計(jì)方案與實(shí)現(xiàn)電路， 可用于通信接收機(jī)的前端電路，主要由衰減器、諧振放大器、AGC電路以及電源電路四部分組成。通過合理分配各級(jí)增益和多種措施提高抗干擾性，抑制噪聲，具有中心頻率容易調(diào)整、穩(wěn)定性高的特點(diǎn)。電路經(jīng)實(shí)際電路測(cè)試表明具有低功耗、高增益和較好的選擇性。
標(biāo)簽： 分立元件 LC諧振 放大器 設(shè)計(jì)方案
上傳時(shí)間： 2014-12-23
上傳用戶：anng
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
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(duì)包含噪聲的語音信號(hào)進(jìn)行小波分解，以分離出來的噪聲信號(hào)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(duì)帶噪聲語音信號(hào)進(jìn)行降噪處理，最終實(shí)現(xiàn)語音信號(hào)的信噪分離，去除語音信號(hào)中的噪聲。仿真結(jié)果表明，該方法對(duì)語音信號(hào)有較為明顯的降噪效果。
上傳時(shí)間： 2013-10-14
上傳用戶：戀天使569
為去除腦電信號(hào)采集過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。通過對(duì)MIT腦電數(shù)據(jù)庫中的腦電信號(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：如果你也聽說
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
介紹了一種新型線性自動(dòng)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(cè)量電路中，用來抑制工頻干擾對(duì)測(cè)量精度的影響?；趯?duì)自動(dòng)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(jì)方案，成功地解決了工頻頻偏對(duì)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(jì)要點(diǎn)和電路調(diào)試方法。通過性能指標(biāo)的測(cè)試和長期實(shí)際運(yùn)行應(yīng)用，證明陷波器滿足了電子束測(cè)量中對(duì)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(dòng)跟蹤 工頻陷波器
上傳時(shí)間： 2013-11-13
上傳用戶：天涯
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
