首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 687 毫秒

1.  基于小波变换的脉象信号特征提取方法  被引次数:11
   张丽琼  王炳和《数据采集与处理》,2004年第19卷第3期
   为了较好地区分正常人与心脏病人的脉象信号,利用小波变换奇异性检测功能与多尺度分辨特性,提出了两种提取脉象信号特征的方法:连续小波变换法和二进小波变换法。在此基础上,构造了两种特征向量:小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计,所得数据具有较好的重复性与稳定性,可以作为用于脉象信号识别的特征向量。    

2.  健康监护仪智能报警模型研究  
   徐晓  翟敬梅  刘春  邹焱飚《中国制造业信息化》,2010年第39卷第7期
   为确保生理参数监护仪健康异常自动报警的准确性,采用小波变换模极大值方法消除生理信号的噪声污染;分析了医学传感器信号和人体生理信号的特征,基于小波能量理论建立了典型故障引起信号异常的能量特征关系;通过信号能量特征模式匹配,辨别信号异常是否由生理病变引起。最后通过实验证明了报警模型的有效性。    

3.  健康监护仪智能报警模型研究  
   徐晓  翟敬梅  刘春  邹焱飚《中国制造业信息化》,2010年第4期
   为确保生理参数监护仪健康异常自动报警的准确性,采用小波变换模极大值方法消除生理信号的噪声污染;分析了医学传感器信号和人体生理信号的特征,基于小波能量理论建立了典型故障引起信号异常的能量特征关系;通过信号能量特征模式匹配,辨别信号异常是否由生理病变引起。最后通过实验证明了报警模型的有效性。    

4.  激光针对体感诱发电位的影响  
   王幼娟  黄怀钧  王凤霞  周崇华《中国激光》,1993年第20卷第3期
   我们已通过实验证实,激光照射一侧合谷穴能够使正常人及癫痫病人的脑电产生即时影响。为了探讨远离大脑的合谷穴是如何影响脑电变化的,本文实验应用了体感诱发电位这一新兴的检查技术,以求在神经电生理方面进一步探讨激光针的作用机制。    

5.  小波能量谱和神经网络法识别雷击与短路故障  被引次数:3
   吴昊  肖先勇  沈睿佼《高电压技术》,2007年第33卷第10期
   现有行波测距装置可以同时对线路雷击和普通短路故障进行检测与定位,但其不能将两者区分开来,为此提出了一种基于小波能量谱和神经网络理论的输电线路雷击与短路故障的识别方法。首先,利用小波变换将故障测距装置采集到的各种电流行波信号分解为不同频带的重构信号,并计算信号在各个频带内的能量,提取小波能量谱,然后构造信号的小波能量分布特征向量,将其作为BP神经网络分类器的输入,最终实现雷击与短路故障的识别。仿真结果显示,该方法在不同故障相角和过渡电阻的情况下均能达到满意的识别正确率,是一种有效的线路雷击与普通短路故障识别方法。    

6.  基于神经网络和小波分析的血细胞识别算法  被引次数:1
   贾丹丹  李宏《计算机应用与软件》,2009年第26卷第8期
   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.    

7.  神经网络在内燃机故障诊断中的应用研究  被引次数:2
   夏勇  商斌梁  张振仁  薛模根  郭明芳《机械科学与技术(西安)》,2000年第19卷第Z1期
   运用小波分析对柴油机缸盖振动信号进行分析与讨论,计算二进小波分解后尺度1信号在各个时间段内的能量百分比,最后将此能量比作为神经网络的输入进行训练,得到故障诊断识别网络,取得了较好的故障诊断效果。    

8.  基于混沌和替代数据法的中风病人声音分析  
   李江  赵雅琼  包晔华《浙江大学学报(工学版)》,2015年第49卷第1期
   研究中风病人因为脑损伤导致改变的声音信号,提出基于混沌和替代数据法的中风病人声音信号的分析方法,从非线性的角度分析中风病人的声音信号.计算声音信号的关联维数、最大李亚普诺夫指数和互信息图的第一个最小值;因为中风病人的声音信号会出现明显波动,增大了信号的关联维数,采用替代数据法结合混沌特征量之一的关联维数给出新的特征量,即归一化方差的检测量.对17例中风病人和20例健康人的分析结果表明:中风病人与健康人声音信号的混沌特征有明显差异,说明脑损伤导致声音信号的改变.    

9.  基于小波分析与人工神经网络的水流压力脉动分析  
   赵林明《水利学报》,2008年第39卷第Z2期
   摘 要: 针对水轮机尾水管压力脉动信号的非平稳和时变特性,提出了一种基于小波分析和自组织人工神经网络相结合的尾水管压力脉动信号的分析方法。这种方法以水轮机尾水管压力脉动信号作为分析对象,首先应用小波阈值法对信号进行降噪减少干扰,然后将小波分解系数重构得到不同频带的信号分量,并提取显著的不同频带能量,最后将各频带能量作为特征向量,用自组织人工神经网络进行模式识别,得到了尾水管压力脉动的不同模式。进行对比分析表明,这种分析方法是有效的,能够用于对水轮机尾水管中的压力脉动状态进行有效地识别。    

10.  多分辨率分析在HRV信号分析中的应用  
   单立场  蔡坤宝  王永东《计算机技术与发展》,2008年第18卷第1期
   根据HRV信号的随机特性,采用小波变换中的多分辨率分析算法对其进行分析,旨在提取海洛因吸毒者HRV信号的异常信息.基于小波变换的HRV信号的尺度谱携带有人体健康状况的重要特征信息,应用多分辨率分析法,对22例海洛因成瘾者和22例正常人的HRV信号进行6尺度分解,计算尺度系数和各小波系数的能量,除Cd3(0.5~1Hz)和Cd4(0.25~0.5Hz)频段外,成瘾者能量的均值要大于正常人对应的值.研究结果表明,小波包变换是提取海洛因吸毒者HRV信号中异常信息的有效工具.    

11.  全信息小波能量熵及其在旋转机械状态监测中的应用研究  
   韩捷  谢凯《机械强度》,2009年第31卷第6期
   结合全信息技术、小波分析以及信息熵的基本理论,提出全信息小波能量熵的概念.用小波分析将两个垂直通道的信号分别分解至不同的频率带,综合所有分解系数计算得到小波熵,对融合信号能量分布的紊乱程度进行量化.仿真计算表明,全信息小波能量熵能反映融合振动信号能量分布的复杂性,且对能量分布的变化较为敏感,可作为衡量设备工作状态的指标,应用于旋转机械状态监测中.    

12.  基于小波变换的电力变压器继电保护研究  
   刘军  薛蓉  王得发《电子测量技术》,2016年第1期
   以小波变换中多分辨分析为理论依据,对电流信号进行多尺度小波分解,提取各尺度高频段能量,提出小波能量法,该方法以不同尺度能量变化之比为判据,对变压器的励磁涌流和内部短路电流进行区分。使用 SIMULINK搭建模型对励磁涌流与短路电流的仿真,得到两者波形。通过小波工具箱提取两者的高频系数,得到各尺度能量。仿真实验结果表明,该方法计算简单便利,能够对励磁涌流和短路电流进行有效地区分。    

13.  基于小波-BP神经网络的发动机轴承故障诊断  
   陈良  贾春鹏  杨安元《中国新技术新产品》,2018年第2期
   本文针对发动机滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包变换与神经网络的滚动轴承故障诊断方法。由于滚动轴承发生故障时,加速度振动信号各频带的能量会发生变化,以振动信号小波分解后的能量信息作为特征,以神经网络作为分类器对滚动轴承故障进行识别、诊断。通过对滚动轴承的正常状态、滚珠故障、内圈故障和外圈故障信号的分析,表明以小波包分解为预处理器的神经网络故障诊断方法可以准确、有效地识别滚动轴承的工作状态和故障类型。    

14.  基于小波分析与人工神经网络的水轮机压力脉动信号分析  被引次数:1
   赵林明  楚清河  代秋平  王利英《水利学报》,2011年第42卷第9期
   针对水轮机尾水管压力脉动信号的非平稳和时变特性,提出了一种基于小波分析和自组织人工神经网络相结合的尾水管压力脉动信号的分析方法。这种方法首先应用小波阈值法对信号进行降噪减少干扰,然后将小波分解系数重构得到不同频带的信号分量,并提取显著的不同频带能量,最后将各频带能量作为特征向量,用自组织人工神经网络进行模式识别,得到了尾水管压力脉动的不同模式。应用该方法对某混流水轮机的压力脉动试验结果进行了分析,结果表明,该分析方法是有效的,能够对水轮机尾水管中的压力脉动状态进行有效的识别。    

15.  多分辨率分析在HRV信号分析中的应用  
   单立场  蔡坤宝  王永东《微机发展》,2008年第1期
   根据HRV信号的随机特性,采用小波变换中的多分辨率分析算法对其进行分析,旨在提取海洛因吸毒者HRV信号的异常信息。基于小波变换的HRV信号的尺度谱携带有人体健康状况的重要特征信息,应用多分辨率分析法,对22例海洛因成瘾者和22例正常人的HRV信号进行6尺度分解,计算尺度系数和各小波系数的能量,除Cd3(0.5~1Hz)和Cd4(0.25~0.5Hz)频段外,成瘾者能量的均值要大于正常人对应的值。研究结果表明,小波包变换是提取海洛因吸毒者HRV信号中异常信息的有效工具。    

16.  基于小波包分析和Kohonen神经网络相结合的轴承故障诊断  
   姚万业  蒋雪丽《仪器仪表用户》,2015年第4期
   简述了小波包分析及用于特征提取的机理,以SKF 6326-C3轴承为例,从吉林同发风电场采集了不同工况下的实时信号,利用小波包对滚动轴承振动信号进行分解,振动信号被分解到独立的频段。不同频带内的信号能量变化反映了运行状态的改变,提取各频带小波包能量谱,并对其进行能量归一化处理,作为特征向量,最后应用于基于Kohonen神经网络的故障诊断方法。经对大量实测数据的处理和分析,能够比较准确地诊断出轴承的故障。    

17.  基于小波包与支持向量机结合的齿轮故障分类研究  被引次数:2
   李永龙  邵忍平  曹精明《西北工业大学学报》,2010年第28卷第4期
   文章通过对齿轮系统在不同的运转状态下故障类型进行试验测试分析,采集了有关的振动测试信号,对振动特征信号进行了小波阈值去噪,运用小波包方法对信号进行分解,然后对分解后的各层信号进行重构,并计算各层的能量,将它作为故障特征,在此基础上将各层信号特征作为输入,运用支持向量机对它们进行分类,将所得结果与神经网络分类的结果进行了比较.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波与支持向量机结合的方法,对于单一故障和复合故障都能够进行很好地区分与诊断,其诊断成功率均在92%以上.该方法不仅可对实际工程工作的齿轮系统进行故障诊断,而且可用于其它故障诊断领域.    

18.  基于平稳小波与BP神经网络的换相失败检测算法  
   李福新《沈阳工业大学学报》,2018年第3期
   针对高压直流输电系统中换相失败检测问题,提出了一种采用平稳小波分析和BP神经网络的换相失败检测算法.通过平稳小波提取换相失败信号不同尺度的小波能量,作为特征向量输入神经网络中进行训练,并得到能够进行自动化识别的分类模型.在实际采集得到的200组数据集上进行了算法验证,结果表明,文中算法可以有效地区分直流输电系统中的换相失败和正常信号,其平均检测精确度达到95%以上,为进一步系统准确无功补偿提供保障.    

19.  基于小波变换能量分布和神经网络的电能质量扰动分类  被引次数:4
   秦英林  田立军  常学飞《电力自动化设备》,2009年第29卷第7期
   提出了基于小波变换能量分布和BP神经网络的电能质量扰动的自动分类方法.利用小波变换对电能质量扰动信号进行多分辨分析,计算各分解层能量分布,求出该能量分布与标准信号能量分布差值并将其作为信号特征量,通过一个3层BP网络得到扰动的类型.该方法将小波变换系数转化为能量分布,减少信号特征的数量,从而简化了神经网络结构.测试结果表明,即使在较强噪声信号背景下,该方法对电能质量扰动类型的识别率仍可达到94.5%,证明了该方法的有效性.    

20.  基于人工神经网络及心音小波分析的冠心病诊断方法的研究  被引次数:3
   叶学松《浙江大学学报(工学版)》,1999年第33卷第2期
   通过对冠状动脉动力学及湍流诱发声学的理论研究后,首次提出用整周期心音信号小波分析来提取冠状动脉疾病(CAD)心音特征的方法,诊断系统将CAD病人组及非冠心病对照组提取的心音特征结合人体的个体特征参数输入到神经网络进行学习训练后,最后达到自动诊断冠状动脉疾病,为了检测这种较为微弱的生理信号,本文通过对人体体表声传播模型研究后设计对外界噪声有较强抗干扰能力而又适合于拾取人体体表心音的高灵敏度音腔,实验    

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