排序方式: 共有30条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
基于Wavelet-HMM的旋转机械故障诊断方法研究 总被引:1,自引:1,他引:0
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
6.
7.
8.
9.
小波和FHMM在旋转机械升降速过程中的应用 总被引:3,自引:0,他引:3
小波变换具有时频局部化的特点,可有效地用于非平稳信号的分析和处理。因子隐Markov模型(FHMM)是隐Markov模型(HMM)的扩展形式,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。结合小波变换和FHMM.提出了基于小波变换的FHMM状态识别法,即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,以FHMM作为分类器.并进行实验研究。实验结果表明,该方法是有效的。 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