共查询到10条相似文献,搜索用时 15 毫秒
1.
讨论了传统非线性时间序列相空间重构方法的特点。提出了一种改进的相空间重构方法.为了揭示非线性时间序列中的非线性相关性。采用了一种基于关联积分的统计量,并研究了不同参数对它的影响.研究了延迟时间和嵌入维数之间的关系,并采用时间窗口描述这2个参数的变化规律.同时,应用改进方法计算了混沌时间序列的重构参数。重构了混沌信号的吸引子.研究结果表明。该方法能够从时间序列有效地重构原系统的相空间,为混沌信号识别提供了新的途径. 相似文献
2.
3.
《振动与冲击》2015,(11)
针对实际工程领域振动信号噪声干扰大、具有强烈非线性等问题,提出了基于自适应本征维数估计流形学习的相空间重构降噪方法。利用相空间重构将一维含噪时间序列重构到高维相空间;基于极大似然估计法(maximum likelihood estimate,MLE)估计相空间中每个样本点的本征维数并使用自适应加权平均法计算全局本征维数;采用局部切空间排列(Local tangent space Alignment,LTSA)流形学习方法将含噪信号从高维相空间投影到有用信号的本征维空间中,剔除分布在高维空间中的噪声后,重构回一维时间序列。通过Lorenz仿真实验和风电机组振动信号降噪实例,证实了该方法具有良好的非线性降噪性能。 相似文献
4.
针对遥测振动信号非线性、非平稳性、瞬态冲击性等特点,提出一种基于时频流形自适应稀疏重构的遥测振动信号特征增强方法,对振动信号进行相空间重构提取其时频流形;以时频流形为基础,采用KSVD算法自适应构建过完备字典,并从中找到最匹配的时频原子,根据得到的原子与相空间展开信号的时频分布,依次匹配计算获得其重构的稀疏系数;利用稀疏系数和时频原子对相空间中各维信号的时频分布进行重构,通过时频分布的逆运算和相空间还原得到特征增强信号。仿真和实测信号处理结果验证了算法的有效性。 相似文献
5.
6.
提出采用相空间重构与高斯混合模型相结合的方法,利用声信号对设备进行故障分类.此方法首先将一维声信号时间序列进行相空间重构,在高维相空间展示各故障状态下的动力学特性,然后通过最大期望值算法建立相空间的高斯混合模型,最后采用贝叶斯分类算法进行故障的识别.从齿轮故障试验台上采集常见齿轮故障的声信号并进行分类实验,验证了该方法的有效性. 相似文献
7.
8.
1引言
近来,人们通过延迟重构相空间、计算相关维或嵌入维等非线性动力学方法,发现语音中含有非线性、甚至混沌成分[1][2].用非线性的方法建立更符合物理本质的语音模型,将是对原有语音信号研究的重大突破,因此很有必要进一步验证语音中非线性的存在.对于混沌时间序列,可在Takens相空间重构理论[3]的基础上,建立相应的预测模型作预测分析,例如,局部线性预测(LLP)模型[4][5].文献[6]把LLP方法应用于水声目标辐射噪声分析,通过预测误差曲线类型判定辐射噪声的线性性.受此启发,本文把LLP理论应用到汉语语音领域,通过计算元音的归一化平均预测误差随邻点数的变化曲线、以及比较混沌时间序列和线性时间序列的相应曲线,来验证元音中存在非线性(混沌)的成分,为建立合适的LLP模型提供了依据. 相似文献
9.