无线信号自动识别算法的仿真实现

首先对比Hilbert变换构建的解析信号进行时频分析的方法,探讨了基于决策理论的模拟调制方式识别方法。然后在分析该方法缺陷的基础上,提出了基于神经网络的识别方法。神经网络(NN)在进行信号识别时,主要是依据谱峰位置的不同,小波变换在这里则相当于一个数学显微镜,反映信号类别与谱峰位置间的必然联系。利用小波变换并结合简单的三层BP神经网络,即可提取更加精确的待识别信号的时频特征。     

基于FFT和BP神经网络的变压器振动噪声特征识别

变压器振动噪声是反应变压器工作状态的重要参数,本文通过利用FFT变换(快速傅里叶变换)提取变压器振动噪声的频域特征,并根据先验知识对振动特征进行相应分析,最后用BP神经网络对特征进行识别得到变压器的振动状态。MATLAB仿真结果表明基于FFT和BP神经网络的变压器振动噪声特征识别方法具有简单实用的特点,能够很好的识别变压器振动状态。     

基于心音信号的身份识别方法

提出了一种基于心音信号谱分析的生物识别方法.首先对心音信号进行消噪预处理,然后利用最大熵谱方法提取出心音信号的谱系数特征,采用欧式距离作为匹配算法完成身份识别.实践证明该方法是提取心音信号唯一性特征的有效方法.     

重载减速齿轮微局部缺陷能量谱故障特性分析

提出基于希尔伯特单边变换以及傅里叶变换分解重载减速齿轮故障特征调幅信号的能量谱故障特性分析算法,算法可以在重载减速齿轮出现局部损坏时就较好的判断出齿轮故障。通过分析重载减速齿轮的故障特性以及故障的冲击振动传播路径,建立其故障模型,在利用希尔伯特单边变换以及傅里叶变换对其故障信号进行分析能量谱提取,检测方法可以较好的进行故障识别与检测。仿真实验表明新算法可以对微弱信号识别,能根据齿轮故障的模型可以同时判断缺陷轮齿的频率和出现的时间,故能准确检测到局部细微齿轮缺陷,为尽早发现故障与解决故障问题提供了保障。     

基于小波变换的层序识别分析与研究

<正>高精度的层序识别对于油田勘探开发具有十分重要的作用,常规的层序识别方法存在一定的缺陷,尺度较大,精度较低。本文主要对基于小波变换的层序识别方法进行了分析与研究,首先简要阐述了小波变换的基本理论,然后对小波变换层序识别的理论基础和关键步骤进行了详细分析,其次结合模型试验验证了该方法的有效性,以期为高精度层序识别提供一种有效手段。     

基于改进神经网络的图像生物特征识别方法

在图像的固定生物特征识别过程中,传统的识别方法针对像素质量不高的问题,很难建立完整的寻优计算过程,识别效果不好。提出基于改进神经网络算法的图像特征识别方法。通过量子计算对神经网络进行优化,优化神经网络在特征识别中的阀值确定过程,完成图像识别。实验结果表明,利用改进的算法进行图像特征识别,能够极大的提高生物特征识别的准确性,扩展了应用的范围。     

一种基于多层BP神经网络面部表情识别方法

人脸表情识别是指通过面部表情特征的计算,实现表情的分类.研究了基于面部运动特征的表情识别方法,提出基于神经网络的表情识别方法.该方法提出一种基于多层BP神经网络进行表情分类的方法,其特征提取利用脸部运动编码系(FACS)进行;训练BP网络作为依据运动特征进行表情分类的判别方法.实验表明分别时上下半边脸的运动单元(AU)进行训练和测试,取得了较好的识别效果.     

基于人工神经网络的围岩损伤识别方法

文章提出了根据公路隧道开挖后变形观测数据,建立基于人工神经网络的围岩损伤识别方法.认为首先利用数值计算围岩的变形对神经网络进行训练,然后根据模拟的观测数据对围岩的损伤程度和损伤位置进行识别.数值计算结果表明,人工神经网络具有良好的识别效果.     

微损小波分解航空行星齿轮故障特征及诊断

提出基于dbN小波算子小波变换分解行星齿轮故障特征的故障检测算法,算法可以在轻微损坏时就较好地判断出齿轮故障。通过分析行星齿轮的故障成型,以及故障的冲击振动传播路径,建立其故障模型,在利用小波变换方法对其故障信号进行分析,检测方法可以较好地进行故障识别与检测,对比传统的傅里叶变换,新算法可以对微弱信号识别,能同时判断缺陷轮齿的频率和出现的时间,在排除故障时能准确分析故障位置,以及故障类型。仿真实验表明改进算法小波变换,具有弱信号检测能力强,准确判断故障出现时间,为尽早发现故障与解决故障问题提供了保障,故障检测概率提高了15%。具有较好的工程实用性。     

基于神经网络的工程图知识表示方法研究

本文在分析工程图知识特点的基础上,提出采用人工神经网络的方法表示其知识,使用BP神经网络实现工程图形符号的知识表达,并设计了基于BP的工程图符识别方法,把识别过程转化为网络内部权值计算过程。     

基于鸟鸣声及深度学习的鸟类识别方法研究

针对基于鸟鸣声的鸟类识别问题,提出一种基于自适应最优核时频分布(adaptive optimal kernal,AOK)与卷积神经网络(convolutional neural network,CNN)的鸟类识别方法.首先对采集的鸟鸣声信号进行预处理,获取对应鸟类的音节后对样本进行数据增强处理,然后通过AOK时频分析方法,得到鸟鸣声音信号的自适应频谱图,分析鸟鸣声信号不同时间和不同频率下的能量分布,通过时频谱图对卷积网络模型进行训练,并进行实时预测.对20种常见鸟类的实验表明,在少量初始样本的情况下,总体识别率也可达到95.5％,并且通过对同一科目和不同科目下的鸟类鸣声分析发现,采用时频图结合卷积神经网络的方法对鸟类鸣声进行识别,提取的特征参数代表性更强,识别准确较好,具有较好泛化性.     

基于神经网络的人体动态行为智能识别方法

针对传统方法的人体动态行为智能识别方法存在识别率较低等问题,提出基于神经网络的人体动态行为智能识别方法。对人体动态行为数据预处理,并构建人工神经网络模型,实现人工神经网络训练以及特征提取;将视频的光流图像放置于卷积神经网络模型中,获取图像的时域特征;融合人工神经网络特征与时域特征,并将其放入SVM中进行类别划分,实现基于神经网络的人体动态行为智能识别。仿真实验研究结果表明,所提方法能够有效提升人体动态行为识别准确率,并且整个方法的综合性能较好。     

基于聚焦检测的轨道交通故障网络特征识别

轨道交通网络配网调度管理中,需要对交通网络的故障特征节点进行准确检测和识别,实现故障排除和诊断的目的。传统方法中,对轨道交通的故障网络特征识别采用模糊前馈神经网络识别方法,容易使得故障节点边缘化,特征识别性能不好。提出一种基于干扰伪峰聚焦检测的轨道交通故障网络特征识别方法,首先进行轨道交通故障网络模型构建与信号提取,对故障信号进行数学模型构建,实现对故障特征的有效提取,计算控制中心采集到的故障网络宽带波动信号的指向性增益。采用二阶累积算子对故障信号的干扰伪峰进行后置聚焦,实现对干扰伪峰的滤除,提高对轨道交通故障网络的特征识别性能。实验结果得出,该算法具有较好的轨道交通网络组网和故障检测识别能力,识别率较高,优越性明显,具有较高的实用价值。     

基于计算智能的损伤检测研究

本文将计算智能(CI)现代信号处理方法有机地结合起来进行损伤检测,提供了一种机械传动系统故障诊断方法。采用离散小波分解和小波包变换,分别对去噪后的信号进行分解,对齿轮不同状态下的信号进行了研究。重构了小波变换后的各层信号,并计算了各层信号的能量,得到了信号的能量分布特征。分别利用小波分析与神经网络相结合和小波包变换与支持向量机相结合的计算智能算法对获得的齿轮特征信号进行了分析、识别和比较。研究表明,该方法可以很好的用于设备损伤检测领域。     

对大数据的配网告警信号的重点信号的自动识别

大数据时代背景下,配网告警信号中出现了大量的重点信号,严重影响了配网的安全运行和正常运转。如何在海量的信号中识别出重点信号,则需要对大数据的配网告警信号的重点信号的识别方法进行研究,以通过合理科学的识别,提高识别结果的真实性和可信度。基于此,以下详细介绍了重点信号的识别方法,通过自动识别,提高故障识别的效率和精准度,保障配网系统中告警信号的重点信号发挥出巨大的作用。     

大跨度结构损伤定位的研究评述

对损伤识别技术的现状作归纳与总结,并对其发展方向进行了探讨,讲述了振动损伤识别方法,小波分析,神经网络损伤识别方法。指出了损伤识别中有待解决的问题及其发展前景     

基于扩展卡尔曼滤波的子结构损伤识别方法

为提高环境激励下隐蔽结构损伤在线监测识别的精度和效率,本文应用子结构法对隐蔽子结构的损伤识别方法进行探索性研究,建立了基于扩展卡尔曼滤波的子结构损伤识别方法。该方法在测得暴露结构振动信号的基础上,利用扩展卡尔曼滤波追踪识别子结构的时变参数,根据子结构参数的变化来判定结构发生损伤的位置和程度,从而实现对结构的在线监测识别。首先利用扩展卡尔曼滤波稳定性和子结构法的灵活性,建立子结构损伤进行识别基本理论和程序;接着为了能较快识别结构参数的变化,应用预测残差法建立稳定的复合遗忘因子并应用到扩展卡尔曼滤波中,提高了扩展卡尔曼滤波进行参数识别的稳定性和快捷性;最后通过对一个桁架结构损伤在线识别的实例,对该方法的识别效果和识别误差进行了分析。该方法为隐蔽工程结构实现在线健康监测提供理论基础。     

大数据环境下基于SOM神经网络的竞争对手识别方法研究

[目的/意义]大数据环境下,传统的竞争对手识别方法存在局限性,文章针对这种不足提出了一种能够适应大数据环境的竞争对手识别方法。[方法/过程]第一,基于互联网下顾客价值领先战略,从消费者角度出发,选择基于消费者情感特征的竞争对手评价体系;第二,以顾客评论作为数据源,通过对评论文本分析,提取顾客关注的产品特征;第三,基于文本情感分析技术计算企业相应产品特征的顾客情感得分;第四,基于自组织神经网络(SOM)构建竞争对手识别模型,并根据模型结果识别目标企业竞争对手。[结果/结论]使用酒店行业顾客评论数据进行实验,证实了该方法能够在大数据环境下快速、高效、客观地识别企业竞争对手。     

6种牛肝菌的二维相关红外光谱的分析与鉴别

运用傅里叶变换红外光谱、二维相关谱对6种牛肝菌进行了分析鉴别。结果显示:6种牛肝菌的原始光谱总体特征相似。对样品1680～1300 cm-1进行二维相关红外光谱分析,发现不同牛肝菌的同步谱中自动峰和交叉峰的强度、位置显著不同。结果表明,可以通过傅里叶红外光谱结合二维相关红外光谱实现不同牛肝菌的鉴别。该方法对于分类鉴别蘑菇是一种快速、准确、有效的方法。     

一种基于剪枝YOLO的传感器识别方法

传感器的自动识别与配置对于智能物联网的构建具有重要意义。针对传感器识别,本文提出了一种基于YOLOv3网络的传感器识别方法,通过单一的前向神经网络,快速回归图片中传感器的种类、位置与数量信息,为传感器智能化配置与通讯建立基础,同时,对相关从业人员提供可靠的传感器型号或类别参考。本文提出的方法在保证准确率的条件下,有效提高了响应速度和部署可行性。