排序方式: 共有34条查询结果,搜索用时 31 毫秒
1.
2.
3.
4.
5.
与传统的分析技术相比,研究了基于复小波并结合SVD完成信号时频特征提取的参数化模态估计方法,该方法可获得更为准确的模态参数估计值。通过计算机仿真在低信噪比和模态密集情况下分析了该方法的数值特性,并应用某翼型颤振模型风洞试验验证了方法的工程实用价值。 相似文献
6.
对文献[5]提出的Cao方法进行了改进,提出一种新的多嵌入延迟相空间重构方法,不仅能够判断最小嵌入维数,还能够确定最佳时间延迟矢量。Cao方法的应用领域得以扩展,使得相空间重构问题可以在一个判断标准下完成。数值仿真结果表明,该改进方法在处理包含多个强烈周期成分的信号时比目前常用的单一嵌入延迟方法有明显优势。 相似文献
7.
提出了一种新的以高斯线调频小波作为基函数的自适应信号展开算法。算法融参数的初值估计和精确估计于一体,自适应地将信号展开在高斯线调频小波基函数集上,通过展开系数和基函数参数获得信号的自适应时频能量分布。数值仿真结果表明该算法抗噪性好,信号可重构性高。同时,该算法作为一种时频域滤波技术,成功应用于某型飞机的颤振试验信号处理中,使得颤振边界预测的精度提高了1%~3%。 相似文献
8.
10.
基于LVQ神经网络的混沌时间序列分类识别 总被引:3,自引:1,他引:2
学习向量量化 (L VQ)是一种自适应数据分类方法 ,文中研究了利用这种神经网络对 Jeffcott转子碰摩模型的非线性混沌时间序列进行分类识别 ,得到了满意的效果。分析结果表明 ,该方法可以实现对这类混沌信号和其它响应信号数据的聚类 ,对非线性信号分类识别提供了一种较为直接的处理方法 相似文献