期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
解相关多频率经验模态分解的故障诊断性能优化方法 被引量：12
1
作者 詹瀛鱼 程良伦 王涛 《振动与冲击》 EI CSCD 北大核心 2020年第1期115-122,149,共9页
针对故障诊断中采用EMD方法存在模态混叠现象,引起故障特征提取精度低的问题。提出了一种解相关多频率经验模态分解(Decorrelation Multiple-Frequency Empirical Mode Decomposition,DMFEMD)方法,首先对初始信号添加多个频率的掩蔽信号... 针对故障诊断中采用EMD方法存在模态混叠现象,引起故障特征提取精度低的问题。提出了一种解相关多频率经验模态分解(Decorrelation Multiple-Frequency Empirical Mode Decomposition,DMFEMD)方法,首先对初始信号添加多个频率的掩蔽信号,初步分解其中不同频率比的信号分量得到多个IMF分量;其次计算相邻IMF之间的相关系数并对其解耦,进一步分离IMF中存在混叠的部分,得到最优IMF;最终,从原始信号中减去最优IMF,然后重复上述步骤,直到残余分量为常数或单调。由于保证了IMF之间互不相关且互不干扰,因此模态混叠现象显著减弱,有效提高故障特征提取精度。利用排列熵算法对一系列最优IMF构造特征样本集,引入SVM建立故障分类模型,实现设备故障诊断。通过试验证明,DMFEMD与传统的方法相比,能有效分离不同频率比混合信号,提高分解效果。同时以轴承振动信号为例,DMFEMD可以更好的提取轴承的故障特征,结合PE与SVM能够实现不同故障类型的高效精确的诊断。 展开更多
关键词 经验模态分解(EMD) 相关系数 多频率 故障特征提取 故障诊断
下载PDF
多采样频率的配网接地故障检测与定位 被引量：6
2
作者 齐文斌 《电力大数据》 2018年第5期59-65,共7页
现有文献的故障监测与定位小波算法都是在录波采样频率相同的前提下进行的,配电网小电流接地故障实时检测,与变电站接地故障检测的环境完全不同,配网故障监测装置,采用不同标准采样频率(3 600 Hz、4 800 Hz)上送实时故障录波数据到配网... 现有文献的故障监测与定位小波算法都是在录波采样频率相同的前提下进行的,配电网小电流接地故障实时检测,与变电站接地故障检测的环境完全不同,配网故障监测装置,采用不同标准采样频率(3 600 Hz、4 800 Hz)上送实时故障录波数据到配网中心,更有采用4 096 Hz的采样频率上送故障录波数据,在配网中心需要把不同采样频率的录波数据进行分析计算,提取故障特征、检测故障,确定故障首尾端,实现故障检测与定位。本文给出了小波能量特征的定义、不同采样频率能量特征的折算、基于能量特征的配电网接地故障监测与定位算法。多种采样频率下配网接地故障检测与定位,通过小波变换提取故障能量特征、将不同采样频率故障录波信号,折算到最低采样频率下的能量特征,然后根据能量特征来判别故障类型、确定故障首尾端。多采样频率的小波能量特征折算算法,对于类似的小波变换的使用场合,也有借鉴意义。 展开更多
关键词 接地故障检测 小波分析 多采样频率 小波能量特征 配电网
下载PDF
基于空-频上下文联合卷积网络的单图像去雨 被引量：1
3
作者 杨青 于明 《兵器装备工程学报》 CAS CSCD 北大核心 2022年第8期275-282,共8页
针对单图像去雨中,雨纹尺度、方向等随机分布导致的图像背景信息损失的问题,提出一种基于空-频域上下文联合卷积网络的单图像去雨算法。首先通过上下文信息聚合模块,对雨图像的全局信息重新分配权重,强化重要特征。建立空-频域去雨模型... 针对单图像去雨中,雨纹尺度、方向等随机分布导致的图像背景信息损失的问题,提出一种基于空-频域上下文联合卷积网络的单图像去雨算法。首先通过上下文信息聚合模块,对雨图像的全局信息重新分配权重,强化重要特征。建立空-频域去雨模型,提高空-频域之间上下文信息的相关性。设计多频特征映射模块,对重新分配权重的空域特征采用下采样低频特征与频间信息交互的方式映射雨频特征,去除空间冗余,提高网络运行速度。最后,通过序列操作迭代分解出不同成分的雨纹信息,完成单图像去雨。实验表明,所提算法去雨性能优越,对于背景图像的细节信息也具有较好的保护作用。 展开更多
关键词 多频特征 全局操作 上下文信息 卷积网络 序列操作
下载PDF
基于多频特征和纹理增强的轻量化图像超分辨率重建
4
作者 刘媛媛 张雨欣 +1 位作者 王晓燕 朱路 《计算机应用研究》 CSCD 北大核心 2024年第8期2515-2520,共6页
现有基于卷积神经网络主要关注图像重构的精度,忽略了过度参数化、特征提取不充分以及计算资源浪费等问题。针对上述问题,提出了一种轻量级多频率特征提取网络(MFEN),设计了轻量化晶格信息交互结构,利用通道分割和多模式卷积组合减少参... 现有基于卷积神经网络主要关注图像重构的精度,忽略了过度参数化、特征提取不充分以及计算资源浪费等问题。针对上述问题,提出了一种轻量级多频率特征提取网络(MFEN),设计了轻量化晶格信息交互结构,利用通道分割和多模式卷积组合减少参数量;通过分离图像的低频、中频以及高频率信息后进行特征异构提取,提高网络的表达能力和特征区分性,使其更注重纹理细节特征的复原,并合理分配计算资源。此外,在网络内部融合局部二值模式(LBP)算法用于增强网络对纹理感知的敏感度,旨在进一步提高网络对细节的提取能力。经验证,该方法在复杂度和性能之间取得了良好的权衡,即实现轻量有效提取图像特征的同时重建出高分辨率图像。在Set5数据集上的2倍放大实验结果最终表明,相比较于基于卷积神经网络的图像超分辨率经典算法(SRCNN)和较新算法(MADNet),所提方法的峰值信噪比(PSNR)分别提升了1.31 dB和0.12 dB,参数量相比MADNet减少了55%。 展开更多
关键词 图像超分辨率重建 卷积神经网络 轻量化 多频率特征提取 局部二值模式算法
下载PDF
基于多频带多特征融合的配电网单相接地故障选段方法
5
作者 肖文妍 郭谋发 +1 位作者 林佳壕 林骏捷 《电气技术》 2024年第7期7-14,共8页
针对现有配电网单相接地故障选段方法存在的通信负担重、阈值设置困难及故障特征量单一等问题,提出一种基于多频带多特征融合的配电网单相接地故障选段方法。首先,利用小波包变换分别对故障后首半个工频周期的零序电压导数和零序电流进... 针对现有配电网单相接地故障选段方法存在的通信负担重、阈值设置困难及故障特征量单一等问题,提出一种基于多频带多特征融合的配电网单相接地故障选段方法。首先,利用小波包变换分别对故障后首半个工频周期的零序电压导数和零序电流进行分解和重构,得到原始波形的不同频带分量。其次,根据不同频带分量间的极性关系分别引入伏安特性特征向量与零序功率累加和作为故障特征。最后,筛选特征频带并构造基于特征频带与故障特征融合的选段判据。仿真实验及现场数据验证结果表明,所提方法能够有效实现单相接地故障免阈值就地选段。 展开更多
关键词 谐振接地系统 单相接地故障 故障选段 多频带多特征融合 免阈值 小波包变换
下载PDF
基于多尺度振动和振声频谱特征自适应提取与选择的磨机负荷参数软测量 被引量：7
6
作者 刘卓 柴天佑 汤健 《控制与决策》 EI CSCD 北大核心 2019年第12期2603-2610,共8页
针对磨机筒体振动/振声多尺度频谱与磨机负荷参数间的模糊特性、多源多尺度频谱间的冗余性与互补性,以及现有文献中潜结构选择性集成模型难以模拟运行专家"听音"推理识别磨机负荷参数等问题,提出一种基于多尺度振动/振声频谱... 针对磨机筒体振动/振声多尺度频谱与磨机负荷参数间的模糊特性、多源多尺度频谱间的冗余性与互补性,以及现有文献中潜结构选择性集成模型难以模拟运行专家"听音"推理识别磨机负荷参数等问题,提出一种基于多尺度振动/振声频谱特征自适应提取与选择的磨机负荷参数软测量模型.该方法首先进行多尺度频谱获取,然后基于核潜结构映射和互信息进行多尺度振动和振声频谱特征的自适应提取和选择,最后采用同步聚类算法、Madani模糊模型以及基于分支定界和自适应加权融合算法的选择性集成学习策略构建磨机负荷参数软测量模型.通过实验球磨机验证了所构建的软测量模型能够模拟运行专家的模糊推理机制,具有较好的建模精度. 展开更多
关键词 磨机负荷 经验模态分解 多尺度频谱 特征选择与提取 模糊推理 选择性集成建模
原文传递
基于多频特征学习的恶意代码变种分类
7
作者 靳黎忠 薛慧琴 +2 位作者 段明博 赵旭俊 高改梅 《计算机工程与设计》 北大核心 2024年第7期1934-1940,共7页
针对恶意代码变种分类方法没有充分对原始输入进行分析的问题,提出一种更加高效的基于深度学习的办法,使用卷积神经网络对多频信息进行学习。对恶意代码转化而成的图像进行研究,利用小波变换进行多频和多层次的分析,抓住低频和高频特征... 针对恶意代码变种分类方法没有充分对原始输入进行分析的问题,提出一种更加高效的基于深度学习的办法,使用卷积神经网络对多频信息进行学习。对恶意代码转化而成的图像进行研究,利用小波变换进行多频和多层次的分析,抓住低频和高频特征;针对多频信息输入,设计一种多频特征学习模块,充分挖掘其中有用信息。实验结果表明,该方法在Malimg数据集上,相比其它两种恶意代码分类办法,分别取得了1.5%和0.8%的效果提升。 展开更多
关键词 恶意代码分类 多频特征 深度学习 小波变换 灰度图像 卷积神经网络 恶意代码家族
下载PDF
基于多域判别核典型相关分析的辐射源指纹特征融合方法 被引量：1
8
作者 孙丽婷 王翔 黄知涛 《中国科学：信息科学》 CSCD 北大核心 2023年第1期146-163,共18页
辐射源个体识别(specific emitter identification,SEI)是指通过提取信号中蕴含的有关其发射来源的硬件指纹信息,来实现对特定信号辐射源的精确识别.SEI技术的关键在于指纹特征的提取.相关研究大多侧重于定义和提取新的指纹特征,较少关... 辐射源个体识别(specific emitter identification,SEI)是指通过提取信号中蕴含的有关其发射来源的硬件指纹信息,来实现对特定信号辐射源的精确识别.SEI技术的关键在于指纹特征的提取.相关研究大多侧重于定义和提取新的指纹特征,较少关注对已有特征的综合利用问题.鉴于不同分析域的特征对辐射源指纹的描述存在互补性,本文提出一种基于多域判別核典型相关分析(multi-domain discriminant kernel canonical correlation analysis,MDKCCA)的辐射源指纹多域特征融合方法,充分利用特征的标签信息以及特征间的互补性,在高维空间完成多域特征的降维与融合.以4个特征分析域8种常见指纹特征为依托,在4种不同类型的实测数据集上验证了算法的性能.结果证明,该方法无需人工特征寻优环节,可大幅降低融合特征的维度,对4类目标的准确识别率均达到95%以上,优于最优单一特征,同时优于基于直接级联或基于PCA(principal component analysis)降维变换的简单特征综合方法、基于神经网络的特征综合方法,以及基于判别相关分析(discriminant canonical correlation,DCA)等方法的特征融合方法. 展开更多
关键词 辐射源个体识别 特征融合 多域辐射源指纹特征 典型相关分析 特征提取
原文传递
基于自适应反馈信道调制的多信道跳频通信系统异常跳变识别方法研究 被引量：2
9
作者 米捷 《轻工学报》 北大核心 2021年第4期112-117,共6页
针对多信道跳频通信系统常受信道跳变的干扰而导致通信信道异常的问题,基于自适应反馈信道调制设计了一种新的多信道跳频通信系统异常跳变识别方法.该方法首先构建系统信道传输模型,结合空间信道均衡方法对其展开输出转换控制,并采用判... 针对多信道跳频通信系统常受信道跳变的干扰而导致通信信道异常的问题,基于自适应反馈信道调制设计了一种新的多信道跳频通信系统异常跳变识别方法.该方法首先构建系统信道传输模型,结合空间信道均衡方法对其展开输出转换控制,并采用判决反馈调节方法调节其载波调制和波束输出结果,继而建立信道反馈均衡控制模型;然后通过自适应参数调节方法进行系统的均衡设计和参数辨识优化,并利用扩频处理提高信道输出增益,再根据信道差异特征点提取结果识别异常跳变位置信息.仿真结果表明,该方法对多信道跳频通信系统的异常跳变识别准确性较高,应用该方法后通信信道均衡性较好. 展开更多
关键词 多信道跳频通信 异常跳变 特征识别 信道均衡
下载PDF
无线mesh网络多信道射频ISR方法研究 被引量：1
10
作者 刘耕昕 胡曼青 +1 位作者 张燕 潘艳艳 《计算机仿真》 北大核心 2021年第6期129-132,共4页
由于现有方法未对瞬时特征分析,导致射频信号识别误码率较高,提出的无线mesh网络多信道射频信号智能识别方法,通过无线mesh网络的拓扑图构造,分析网络不确定变量,将信号分配至多信道内,估计射频信号载波频率,并把该信号正交下变频至基带... 由于现有方法未对瞬时特征分析,导致射频信号识别误码率较高,提出的无线mesh网络多信道射频信号智能识别方法,通过无线mesh网络的拓扑图构造,分析网络不确定变量,将信号分配至多信道内,估计射频信号载波频率,并把该信号正交下变频至基带,获得IQ正交复包络的信号,实现瞬时特征分析,同时利用信号段瞬时频率、瞬时相位以及瞬时幅度分类射频信号类型,求出各信号段的每个特征值,计算完的总信号帧生成各自特征序列,作为神经网络特征矢量提取信号特征,再将射频信号数据映射至复数域当做信号调制的一部分,由于信号的发送者和接收者间时钟的晶振会有微小差别,凭借接收者评估并补偿两种间频率偏差值,即完成射频信号的智能识别。仿真结果证明:所提方法识别精度高,识别误码率较低,能够有效提升工业自动化管理效果。 展开更多
关键词 多信道射频信号 信号智能识别 瞬时特征分析 特征提取
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部