共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
3.
为实时、准确识别司机疲劳驾驶行为响应状态,保护司机驾驶过程中的人身安全,研究基于小波能量熵的司机疲劳驾驶行为响应算法.通过匹配追踪算法匹配司机驾驶时的方向盘转向信号,基于稀疏分解对司机方向盘转向信号进行去噪处理,获取纯净的司机方向盘转向信号;基于小波能量熵对去噪后的司机方向盘转向信号进行小波多分辨分析,获取信号的小波能量熵值,通过能量熵测度得到方向盘的修正响应行为,识别司机疲劳驾驶行为响应状态.仿真分析得出,在S形、双道路两种道路工况中,所提算法对驾驶熟练度存在差异的司机驾驶行为响应状态识别结果和实际响应状态相符,识别耗时低于0.5s,且有效提升司机方向盘转向信号信噪比. 相似文献
4.
为了在复杂的噪声环境中区分出语音信号和非语音信号(噪声),提出了一种基于小波及能量熵的带噪语音端点检测方法.该方法利用小波的多分辨率特性以及它对非平稳信号局部特征的表现能力,对含噪语音信号进行小波变换,用各层能量熵值的平均值来有效地区分语音段和非语音段.不同背景噪声及不同信噪比下的实验结果表明,提出的带噪语音端点检测算法获得了较高的检测正确率. 相似文献
5.
6.
为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明:该方法相比传统的小波阈值降噪方法具有更好的降噪效果。 相似文献
7.
研究电路故障诊断问题,提高诊断效率.由于电路集成度提高,电路信号与故障相关,针对传统故障诊断因采用线性诊断方法与提取的电路特征信息不全面,导致诊断定位精度不高,为有效提高电路故障诊断的速度与精度,提出了一种根据小波包能量熵的支持向量机电路故障诊断方法(EE-SVM).首先利用小波包对电路故障信号进行3层的小波包分解,并提取小波包能最熵,构建输入特征向量.对于支持向量机进行非线性特征向量汰选,去除冗余特征,以保留特征向量构建智能化诊断模型.进行实例仿真,结果显示,方法在所有参比模型中精度最高,能高效地对电路故障进行检测与定位. 相似文献
8.
端点检测是语音识别过程中的一个重要的环节,因此改善端点检测的效果一直是语音识别领域的一个重要课题。为了提高在背景噪声下语音信号端点检测的准确率,提出了一种基于小波包的谱熵端点检测方法。该方法对语音信号进行小波包变换,将每帧信号分解成多个子带,在此基础上计算每帧信号的子带能量,通过子带能量所占比例求出每帧信号的谱熵,最后确定新的门限值。仿真实验表明,该方法比传统方法更有效、更优越,能够比较准确地检测语音信号。 相似文献
9.
小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值.基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。仿真实验证明小波分析技术对电机声频故障诊断十分有效,有进一步的研究的必要,在电机的故障诊断方面小波有良好的应用前景。 相似文献
10.
小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。仿真实验证明小波分析技术对电机声频故障诊断十分有效,有进一步的研究的必要,在电机的故障诊断方面小波有良好的应用前景。 相似文献
11.
一种用于非线性函数逼近的小波神经网络 总被引:4,自引:0,他引:4
提出一种用于非线性函数逼近的小波神经网络,给出了网络的参数训练方法。从信息熵的概念出发,改进了网络参数训练的目标函数,并利用引入动量项的最速下降法训练网络权值、尺度因子和平移因子。仿真实验表明,该小波神经网络用于非线性函数逼近时优于同等规模的BP网络,且其训练方法亦具有收敛速度快、逼近精度高等优点。 相似文献
12.
13.
边缘特征是图象最为有用的高频信息,因此,在图象去噪的同时,尽量保留图象的边缘特征,应是图象去噪首要顾及的问题。基于这一思想,提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前,先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,而不必担心损害图象的边缘特征。理论分析和实验结果都表明,与普通的小波阈值去噪方法相比,该方法不但可以保持图象的边缘信息,而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声,又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来,在一定程度上解决了这种两难的问题。 相似文献
14.
基于MATLAB的奇异信号检测中小波基选择研究 总被引:7,自引:0,他引:7
小波分析是近年来发展起来的一门新的数学理论和方法,在图像处理、特征提取及数据压缩等领域都有着广泛的应用。该文介绍了小波变换及其用于信号奇异性检测的基本原理,重点研究了信号奇异性检测中小波基(又称母小波)及尺度的选择问题,提出了规则性系数相似法,即根据相似性,可以用平滑的小波,即规则性系数大的小波表示平滑的函数;用不平滑的小波,即规则性系数小的小波表示非平滑的函数。同时针对天然气管道泄漏检测这一具体的工程实例,采用该方法对管道发生微小泄漏时所产生的缓变信号进行了分析,仿真实验验证了该方法的有效性和适用性。 相似文献
15.
信号的小波分析及在信号检测中的应用 总被引:4,自引:0,他引:4
对典型的线性调频信号进行了小波分析,并运用小波变换方法对噪声中的方波信号和正弦信号进行了检测,讨论了小波变换滤波器参数变化对检测性能的影响,最后,将小波变换与短时傅里叶变换进行了比较。 相似文献
16.
前端噪声处理直接关系着语音识别的准确性和稳定性,针对小波去噪算法所分离出的信号不是原始信号的最佳估计,提出一种基于子带谱熵的仿生小波变换(BWT)去噪算法。充分利用子带谱熵端点检测的精确性,区分含噪语音部分和噪声部分,实时更新仿生小波变换中的阈值,精确地区分出噪声信号小波系数,达到语音增强目的。实验结果表明,提出的基于子带谱熵的仿生小波语音增强方法与维纳滤波方法相比,信噪比(SNR)平均提高约8%,所提方法对噪声环境下语音信号有显著的增强效果。 相似文献
17.
基于多尺度小波纹理分析的边缘检测 总被引:2,自引:0,他引:2
本文研究了第二代小波在边缘检测中的方法。基于多尺度小波纹理分析的边缘检测,有效地弥补了传统边缘检测算法的不足,在有效地抑制噪声影响的同时,提高了其边缘定位精度,并通过实例得以证明。 相似文献
18.
一种基于小波神经网络故障检测方法的仿真研究 总被引:5,自引:1,他引:4
文中提出了一种基于小波神经网络一性观测器的故障检测方法。它是一种把信号分析和模型相结合的故障检测方法,通过小波对信号的去噪和神经的神经网络的自学习功能,来获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判疡,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法是可行的。 相似文献
19.
20.
根据Mallat的多尺度边界探测的思想,实现了连续小波变换的多尺度边界探测,并用Fourier变换作为工具,进行连续小波变换的计算,在计算任意方向的模值时,了使用加权平均的方法。给出了算例。 相似文献