排序方式: 共有30条查询结果,搜索用时 46 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
隐Markov模型是一个双随机过程,适用于动态过程的时间序列的建模并具有强大的时序模式分类能力,特别适合非平稳、重复再现性不佳的信号分析;小波变换具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力。文中将小波变换和隐Markov模型相结合,提出基于小波变换的HMM状态识别法,利用Daubechies小波进行8尺度的小波分解,然后从小波分解结构中提取一维信号的低频系数作为特征向量,将其输入到各个状态HMM来进行训练,其中输出概率最大的状态即是机组运行状态,从而实现状态的识别,实验结果表明该方法很有效。 相似文献
9.
谱分析方法已在机床传动精度研究中获得成功的应用。本文利用5110数据处理系统和自己编制的计算机程序对不同类型的机床传动误差用傅里叶谱和最大熵谱进行了分析和比较,考虑了采样信号的数据长度,自回归模型的阶次和噪声等对最大熵谱分析结果的影响,说明了如何选用合适的方法分析机床传动误差。得到的结果对机床传动精度研究有实际意义。 相似文献
10.
研究了一种AR模型的盲辨识算法,该算法可同时辨识AR模型的阶次及相应的模型参数,而不需事先确定AR模型的阶次或者假定AR模型的阶次已知,其特点是计算量小,具有很好的收剑性,适合在线建模,并与常用的奇异值-最小二乘法相比较,无论是运行速度、还是辨识精度方面,都具有优势,尤其随着阶次的增加,优势越明显,仿真结果表明该算法是很有效的。 相似文献