首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 250 毫秒
1.
一种水声信号识别算法及仿真   总被引:1,自引:0,他引:1  
应用小波包技术,提出了融合能量代价函数的概念及基于此函数的水声信号识别算法。算法以融合能量代价函数为标准,在整个小波库中确定特征空间及特征值。在MATLAB仿真环境下进行的BP神经网络实验显示:与固定尺度小波包能量法及最大距离小波包能量法相比,算法对特征模糊的信号有较好的识别效果。  相似文献   

2.
应用非线性小波去噪技术对小波包能量法进行改进,提出了一种新的方法———去噪小波包能量法。该算法对信号小波去噪后,再用小波包能量法提取信号的特征。文中研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验。结果显示了算法的有效性。  相似文献   

3.
应用非线性小波去噪技术对小波包能量法进行改进,提出了一种新的方法--去噪小波包能量法.该算法对信号小波去噪后,再用小波包能量法提取信号的特征.文中研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验.结果显示了算法的有效性.  相似文献   

4.
基于局域判别基的音频信号特征提取方法   总被引:1,自引:0,他引:1  
音频特征提取在音频信号分析和处理中起着非常重要的作用。考虑到音频信号的非平稳性,对音频信号进行小波包分解,为了获取健壮的特征,采用改进的局域判别基(LDB)技术对小波包树进行裁剪,提取局域判别基各子空间能量的统计特征组成特征矢量,并利用Fisher准则函数进行特征选择,根据特征矢量设计支持向量机分类器,对三类音频进行分类识别。实验结果表明,该方法提取的特征矢量在音频信号分类中是非常有效的。  相似文献   

5.
《工矿自动化》2013,(12):38-42
针对煤岩破裂的声发射信号难以在复杂的噪声环境中识别的问题,提出了一种基于小波包分析和小波特征能谱系数分析的煤岩声发射信号识别方法。选取Symlets小波作为煤岩声发射信号分析的小波基函数,采用混合阈值算法对该信号进行去噪处理,提取出有用声发射信号,并采用Matlab软件分别对有用声发射信号和噪声信号的小波包分解进行仿真,得到两者的小波特征能谱系数和小波包特征向量。仿真结果表明,有用声发射信号特征向量的各级能量变化程度较大,噪声信号特征向量的能量变化较为稳定,从而可实现煤岩声发射信号的识别。  相似文献   

6.
最佳能量小波包技术在海洋水声信号处理中的应用   总被引:1,自引:1,他引:1  
对随机时间序列的特征提取与聚类分析,提出了基于分类距离标准的小波包基能量方法。该方法应用小波包变换提取信号各子空间的能量,以能量分类距离标准选取最佳小波包基,最佳小波包基上距离系数大的能量作为特征值。实验结果表明此方法比固定尺度小波包能量法有着更好的分类效果,并且特征值维数低。  相似文献   

7.
杨亚菁 《计算机工程与设计》2006,27(12):2187-2188,2195
对水声信号的识别,提出了高频小波能量法,并构造了一个自动识别系统模型。系统对信号进行小波分解后,取高频子空间能量作为特征向量值进行信号的识别。高频小波能量法可采取小波包与小波两种变换,通过对两种方法的比较显示:高频小波包能量法构造的识别系统能够更好地识别低信噪比水声信号。  相似文献   

8.
基于小波包的频带能量特征提取及智能诊断   总被引:1,自引:0,他引:1  
提出一种基于小波包和BRF神经网络的智能故障诊断方法。对滚动轴承故障信号进行小波包分解,选择合适的小波基函数和尺度,将故障信号分解到八个不同的频段上,提取这八个频段上的能量信息,组成特征问量,作为RBF神经网络的输入;建立RBF神经网络模型并进行训练,对三种滚动轴承故障信号进行智能分类与识别。实验结果表明这种智能诊断方法有效可行。  相似文献   

9.
随着我国计算机技术的发展,少数民族信息处理已经逐渐成熟起来,少数民族文字识别研究已经成为一个热点。本文提出一种基于小波包特征与径向基网络的少数民族文字种类识别方法,该方法采用小波包能量和小波包能量比例分布的特征描述,利用径向基函数神经网络对少数民族文种进行分类识别。通过构建六种常用的少数民族文字及汉字、英文共八种文字的样本库,采用本文的方法对样本库进行了训练和测试。实验结果显示,本文的方法对于少数民族文种识别的平均精度好于小波特征及传统的分类方法。  相似文献   

10.
提出了一种基于小波包变换的纹理分类的锅炉水冷壁表面模式识别算法,该算法选用纹理特征作为冷壁表面模式分类依据,使用小波包计算纹理的能量分布,并以能量分布作为分类特征,用BP神经网络进行了分类识别。  相似文献   

11.
提出一种结合图像融合的PCA与NMF相融合的人脸识别的识别方法。采用小波变换对图像进行处理,对于包含主要信息的低频子图用PCA进行特征抽取,而其他三个高频子图,虽然描述信息相对较少但包含重要的分类信息。为了减少计算量,对高频子图进行图像融合,再用NMF进行特征抽取,采用最近邻分类方法进行分类。最后对这两个识别结果进行加权处理,得到最终的识别结果。实验证明可以有效地提高识别率。  相似文献   

12.
针对单一特征值表征能力差的情况,根据小波变换的多分辨分析思想,采用基于多种母小波的多特征融合的特征提取方法对表面肌电信号进行特征提取。本实验对十名测试人员进行肌电信号的采集,对日常生活中的四个基本下肢动作进行测试。首先,分别基于DB、Dmey和Bior三种不同的母小波,采用离散小波变换通过不同的分析方法对表面肌电信号进行多尺度分解。然后,通过分析发现,不同肌肉在不同特征提取方式下表征效果存在差异,为了结合不同特征方式的特点对基于不同小波基的特征值进行融合分析并比较。最后,将特征值分别输入到Elman神经网络和BP神经网络进行模式识别并比较分析。实验结果表明:通过对不同特征值进行识别比较,融合处理的特征值可以达到98.7%的识别率,并且,BP神经网络相较于Elman神经网络识别效果更好。  相似文献   

13.
为实现对双M-Z型光纤传感器的振动信号进行识别,提出一种基于小波能熵和支持向量机(SVM)的光纤传感信号模式识别方法。该方法对小波分解得到的各频段系数求解其能量信息熵,归一化后得到特征向量。其作为SVM的输入,通过选用合适的核函数和多类的分类方法,对SVM多类分类器进行建模。在多种振动信号的条件下,用测试样本对SVM分类器模型进行测试,测试结果表明:该方法对双M-Z型光纤微振动传感器的振动信号的分类达到了较高的识别率。  相似文献   

14.
基于小波系数聚类的特征提取分类方法   总被引:5,自引:1,他引:4  
神经网络是一种普遍采用的模式分类方法,当对样本的抽样数目较大时,神经网络结构复杂,训练时间激增,分类性能下降,针对这一问题,提出一种基于快速小波变换特征提取的分类方法。着先对婆婆以系数矩阵的每行进行聚类,表达重要频率范围内小波系数矩阵的行有较多的聚类数,从而大大减少了神经网络的输入数,而同时保留了有用的信息。特征提取后,采用小波系数的能量值特征量,应用径向基函数网络识别肺发出的各种不同的声音,实验证明:该方法有较高的识别率。  相似文献   

15.
基于神经网络和小波分析的血细胞识别算法   总被引:1,自引:0,他引:1  
结合小波变换时频局部化特性和神经网络的优势,提出了一种基于神经网络和小波分析的血细胞识别算法.首先对血细胞信号进行小波分解,然后利用小波分解系数重构信号的能量,结合时域特征参数构造特征向量作为神经网络的输入,最后建立神经网络模型进行训练.通过实验分析了不同条件下的信号识别情况,并与传统的识别算法作了比较,结果表明算法具有较强的血细胞识别能力,与传统的识别算法相比,识别准确度更高.  相似文献   

16.
为了评估亚健康状态,提出一种基于心电信号小波包变换和主成分分析的亚健康状态识别新方法。采用小波包变换对心电信号进行特征提取;再利用主成分分析(PCA)对所提特征进行降维处理,以剔除特征之间的冗余信息;最后应用线性判别式分析(LDA)对亚健康状态进行分类识别。研究结果显示,该方法能获得较高的识别率,对于实现亚健康状态的评估具有一定的参考价值。  相似文献   

17.
表面肌电(Surface electromyography,sEMG)信号直接、客观地反映了神经和肌肉的活动功能状态,已获得广泛应用。本文设计了一种sEMG信号采集电路并以单通道形式采集上肢5种动作的sEMG信号,经小波包变换提取6种特征(其中一种引自基于小波变换的特征提取方法)并分别结合PCA和KPCA进行处理;再分别用BP神经网络和SVM进行动作识别。此外,对比了小波变换的特征提取;讨论了KPCA与PCA在特征变换上的差异。所提取的基于小波包变换的6种特征有5种的识别率均超过95.7%,其中引入的高低频系数组合特征在BP神经网络下平均识别率超过99%。基于小波变换提取的5种特征经KPCA变换后也达到较高的识别率。实验结果表明,本文的sEMG信号采集方法及其特征提取方法均达到较好效果。  相似文献   

18.
A novel algorithm for font recognition on a single unknown Chinese character, independent of the identity of the character, is proposed in this paper. We employ a wavelet transform on the character image and extract wavelet features from the transformed image. After a Box-Cox transformation and LDA (linear discriminant analysis) process, the discriminating features for font recognition are extracted and classified through a MQDF (Modified quadric distance function) classifier with only one prototype for each font class. Our experiments show that our algorithm can achieve a recognition rate of 90.28 percent on a single unknown character and 99.01 percent if five characters are used for font recognition. Compared with existing methods, all of which are based on a text block, our method can provide a higher recognition rate and is more flexible and robust, since it is based on a single unknown character. Additionally, our method demonstrates that it is possible to extract subtle yet discriminative signals embedded in a much larger noisy background  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号