共查询到19条相似文献,搜索用时 156 毫秒
1.
由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性. 相似文献
2.
采用基于1(1/2)维谱分析与K-L变换相结合的特征提取方法,获取被动声纳噪声信号的有效识别信息,对被动声纳的目标信号进行分类。首先对被动声纳噪声进行1(1/2)维谱子带能量的特征提取,然后运用K-L变换实现高维特征向量的降维,剔除冗余特征,并以BP神经网络作为分类器对三类目标进行识别与分类。计算机仿真结果表明,该方法具有较好的分类效果和稳健性。 相似文献
3.
介绍了以多项式拟合的方法进行信号重构的非线性动力学模型 ,选取少量的拟合系数作为衡量信号与干扰的特征差异的表征量 ,构成“动力学分类器”。数据分析结果表明了该方法的有效性 ,得出的结论表明舰船辐射噪声具有与海洋背景干扰不同的非线性动力学特征 ,且不同目标之间的非线性动力学特征也不相同 ,这为舰船辐射噪声的非线性动力学建模及其用于检测与分类奠定了基础 相似文献
4.
5.
6.
基于小波包和支持向量机的故障诊断方法研究 总被引:1,自引:0,他引:1
基于支持向量机(SVM,support vector machine)对小样本决策具有较好的学习推广性,本文提出一种基于小波包和支持向量机的故障诊断方法,通过小波包分解系数求取频带能量,并根据各个频带的能量的变化提取故障特征,应用LSSVM(least squares support vector machines)进行故障分类。实验结果表明,支持向量机分类器优于传统的BP神经网络和RBF神经网络分类器,识别率较高,具有更强的泛化推广能力。 相似文献
7.
提出了一种基于小波包能量熵作为鱼体回波声信号的识别特征量,用以实现不同种类鱼体的分类识别。通过在消声水池中完成鲫鱼、草鱼和鲳鱼三种不同种鱼体的回波声数据提取采集实验,进行了数据预处理,并利用小波包能量熵算法计算鱼体回波声信号的识别特征量,再分别通过BP神经网络和支持向量机两种分类器进行了分类,分类识别效果较好,识别率分别达到了76.1%和82.2%。验证了小波包能量熵对于鱼体回波声信号识别的有效性。 相似文献
8.
9.
10.
该文研究了航船辐射噪声的谱特征和分形特征,并利用这两个特征作为航船分类的依据,同时阐述了以模糊神经网络为分类器所具有的独特优越性。分类处理获得了较为满意的结果。 相似文献
11.
基于神经网络的滚动轴承故障诊断智能方法 总被引:1,自引:0,他引:1
提出了基于神经网络的滚动轴承故障诊断方法.以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别.经过实验表明,该方法对于滚动轴承的故障诊断具有一定的应用价值, 并可方便地推广到其他类似的诊断领域. 相似文献
12.
基于ICA与BP神经网络相结合的人脸识别研究 总被引:2,自引:0,他引:2
提出了独立成分分析和BP神经网络相结合的人脸识别方法。首先对人脸图像进行小渡分解。提取人脸图像的低频子带图像,然后用被立成分分析方法对低频子带图像进行特征提取,并用改进的BP神经网络时所提取的人脸特征进行分类识别。在AR人脸图像库中进行的实验表明,此方法取得了较高的识别率。 相似文献
13.
提出了基于小波包预处理的神经网络模拟电路故障诊断方法的两种改进方法:最优小波包变换(OWPT)预处理和不完全小波包变换(IWPT)预处理BP神经网络算法。首先对模拟电路的响应信号用这两种方法进行预处理,然后计算预处理后信号各个频段上的归一化能量,把归一化的能量作为训练样本送给BP网络进行训练,有效减少了BP网络的输入节点和隐层节点的个数,从而减小了神经网络的规模,降低了计算的复杂度,加快了网络的训练和收敛速度。仿真实验表明此方法能够快速有效的对模拟电路的故障进行诊断和定位。 相似文献
14.
为了提高红外步态识别精度的目的,采用分别基于小波描述子特征的模糊分类器识别和基于体形平均灰度图特征的贝叶斯分类器识别,再进行基于遗传算法和BP模糊神经网络的多分类器融合识别的新方法。做了基于中科院红外步态数据库的识别仿真实验,获得识别率、等错误率和累积匹配分值的实验数据及对比结果,得到多分类器融合识别比单分类器识别提高约10%识别率,降低约10%等错误率,完全收敛阶数提高1倍多的结论。具有识别精度高、收敛速度快的特点。 相似文献
15.
16.
17.
18.
在雷达目标识别中,利用核主分量分析(KPCA)方法来进行目标特征提取,忽略了高分辨率距离像(HRRP)的本身特性。提取一种平移不变特征-中心矩作为特征向量,采用KPCA进行特征降维;由于BP神经网络易陷入局部极小,采用遗传算法(GA)对BP网络节点权值和阀值进行优化选择。基于雷达实测数据的实验结果表明:平移不变的KPCA特征提取方法实现了平移不变和降维的结合,同时,利用GA优化BP神经网络提高了分类器稳定性改善易陷入局部最小的缺陷,提高了雷达目标识别的性能。 相似文献
19.
基于光电混合功率谱分析的BP神经网络分类器在癌细胞筛选中的应用张以谟,史韦,李贺桥(天津大学现代光学仪器研究所)AnApplicationofBPNeuralNetworkforCancerCellPatternRecognitionBasedont... 相似文献