版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、非平穩(wěn)非線性信號日益成為學(xué)者研究的熱點(diǎn),構(gòu)成了現(xiàn)代信號處理學(xué)科的重要內(nèi)容。對于傳統(tǒng)的處理信號的方法,用于處理非平穩(wěn)非線性信號顯得欠缺,因?yàn)樗鼈冎皇窃跁r域,或者在頻域處理信號,是不能夠有效的提取到非平穩(wěn)信號的非線性特征,時頻分析方法正是為解決這個問題而出現(xiàn)。論文首先介紹了目前的一些信號處理的方法,通過分析得知每個信號處理方法都有它的針對性以及局限性,針對非平穩(wěn)信號的特征提取、特征選擇與模式分類問題,研究利用小波包分解方法提取時頻域特征,采
2、用核主成分分析(KPCA)方法進(jìn)行降維提取特征;利用支持向量機(jī)(SVM)進(jìn)行智能分類,解決基于時頻分析的非平穩(wěn)信號智能特征提取與模式分類。
研究主要的工作是以下幾個內(nèi)容:
?、籴槍Ψ瞧椒€(wěn)信號的非線性特征問題,采用小波包分解方法提取能量特征。首先介紹了小波以及小波包的基本理論,小波分解只是針對低頻再次分解,對高頻不再分解,故而有的時候會損失重要的高頻信息。而小波包分解克服了小波分解,不能再次進(jìn)行高頻分解的缺點(diǎn),能夠?qū)π盘?/p>
3、的高頻部分再次進(jìn)行分解,使得能夠獲得高頻有用的信號,最后研究了基于小波包分析方法的特征能量的提取。
?、诓捎煤酥鞒煞址治龇椒ń鉀Q非平穩(wěn)信號中主要特征選擇的問題。先分別介紹了PCA和KPCA的降維特征選擇方法;并對兩者降維提取特征方法進(jìn)行對比,在定義性能評價指標(biāo)前提下,將主成分分析和的核主成分分析方法應(yīng)用于非平穩(wěn)信號的特征降維中,通過仿真實(shí)驗(yàn)結(jié)果表明,在相同準(zhǔn)確度下,核主成分分析的特征個數(shù)比主成分分析的少;取與主成分特征個數(shù)相同時
4、,準(zhǔn)確度比主成分分析高,說明在降維提取特征方面核主成分分析有更好的效果。
?、鄄捎弥С窒蛄繖C(jī)解決非平穩(wěn)信號智能特征提取與模式分類問題。首先介紹了支持向量機(jī)的理論,核參數(shù)的參數(shù)分析,通過實(shí)驗(yàn)仿真,驗(yàn)證了研究內(nèi)容的可行性,最后給出了評價分類器性能的參數(shù):靈敏度、特異度、準(zhǔn)確度。
?、軐⒎椒☉?yīng)用到非平穩(wěn)非線性的癲癇腦電信號,對腦電信號去除噪聲,采用小波包分解,提取小波包分解系數(shù)的能量特征,用核主成分分析完成降維提取特征,最后由
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于時頻分析的水中目標(biāo)特征提取.pdf
- 基于時頻分析方法的超聲回波信號特征提取研究.pdf
- 基于時頻分析方法的單細(xì)胞圖像特征提取及識別方法研究.pdf
- 基于時頻分析的水質(zhì)多尺度特征提取和異常檢測方法研究.pdf
- 旋轉(zhuǎn)機(jī)械早期故障特征提取的時頻分析方法研究.pdf
- 基于非負(fù)矩陣分解的信號時頻特征提取方法研究.pdf
- 基于電子鼻的特征提取及模式分類方法研究.pdf
- 基于時頻特征提取和支持向量分類的主動目標(biāo)識別.pdf
- 聲波測井信息的時頻特征提取與分析.pdf
- 基于時間序列分析的GPR數(shù)據(jù)特征提取與模式分類研究.pdf
- 基于運(yùn)動想象的腦機(jī)接口特征提取與模式分類方法研究.pdf
- 圖像模式分類與檢索:核函數(shù)方法與特征提取方法研究.pdf
- 基于稀疏表示的特征提取與分類方法研究.pdf
- 基于張量的心電特征提取及模式分類方法研究.pdf
- 基于時頻分析的頭皮腦電特征提取及其模式識別應(yīng)用研究.pdf
- 基于樂音信號的特征提取與分類方法研究.pdf
- SAR圖像特征提取與分類方法的研究.pdf
- 時頻分析方法在齒輪箱故障特征提取中的研究應(yīng)用.pdf
- 指紋分類特征提取方法研究.pdf
- 基于語句特征提取的文本分類方法研究.pdf
評論
0/150
提交評論