| 基于最小熵翻卷积的网络故障特征提取仿真 |
| |
| 引用本文： | 马涛,秦轶翚,魏绍谦. 基于最小熵翻卷积的网络故障特征提取仿真[J]. 计算机仿真, 2015, 32(4): 269-272 |
| |
| 作者姓名： | 马涛 秦轶翚 魏绍谦 |
| |
| 作者单位： | 北京联合大学师范学院,北京,100011 |
| |
| 摘 要： | 传统的基于FRFT网络故障特征提取方法当网络信号发生突变时,由于受到噪声和信号衰弱的影响,导致网络故障特征极其微弱,并且网络的拓扑结构和权值分布成非线性映射,将信号简单排列成矩阵,无法有效实现对网络故障特征的提取.提出一种基于小波滤波以及最小熵翻卷积的网络故障特征提取方法,将突变信号在与之相邻尺度上的小波系数直接相乘,依据阈值对噪声中的网络故障信息进行采集并过滤噪声,使获取的小波系数信噪比大大增强.将突变信号小波变换值在几个尺度上进行计算,实现网络故障特征的初提取.获取一个逆滤波器,通过网络输出恢复网络输入信号,依据解卷积后获取的序列对可能估计值的最优解进行计算,求出逆滤波器矩阵,分析了最小熵归迭代算法的具体实现过程.仿真结果表明,所提方法具有很高的准确性.
|
| 关 键 词： | 逆滤波器 信噪比 最小熵翻卷积 故障特征 |
Simulation on Network Fault Feature Extraction Based on Minimum Entropy Turn Convolution |
| |
| MA Tao , QIN Yi-hui , WEI Shao-qian. Simulation on Network Fault Feature Extraction Based on Minimum Entropy Turn Convolution[J]. Computer Simulation, 2015, 32(4): 269-272 |
| |
| Authors: | MA Tao QIN Yi-hui WEI Shao-qian |
| |
| Affiliation: | MA Tao;QIN Yi-hui;WEI Shao-qian;Teachere’s College of Bei jing Union University; |
| |
| Abstract: | |
| |
| Keywords: | Inverse filter Signal to noise ratio Minimum entropy turn convolution The fault feature |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
