共查询到18条相似文献,搜索用时 93 毫秒
1.
2.
3.
二维匹配跟踪自适应图像编码 总被引:2,自引:0,他引:2
提出一种基于二维可分离Gabor函数时频原子字典的自适应图像编码方法.该方法能够产生嵌入式、渐进PSNR的位流,并具有对感兴趣区域ROI优先编码的能力.它将原始图像表示成若干时频原子函数的线性叠加,这些时频原子取自冗余的时频原子字典,可以最佳匹配图像中所包含的各种结构特征.实验结果表明,该算法能够有效地捕捉图像中所包含的纹理和边缘等具有高频窄带的信号特征,在极低位率下该算法的图像恢复质量要优于零树SPIFIT编码算法. 相似文献
4.
5.
6.
针对提取的模拟电路故障特征向量信息不够充分的问题,提出了一种将S时频变换(ST,S-transform)和非负矩阵分解(NMF,non-negative matrix factorization)相结合的特征选取新方法.该方法先对模拟电路故障响应信号应用S时频变换建立时频图谱矩阵,再用NMF算法构造时频图谱数据集合的子空间基矩阵,有效降低了投影特征向量的维数,保留了足够多的故障隐含特征信息,进而提高模拟电路故障识别率.最后,在Sallen-Key高通滤波器电路中验证了文中方法的有效性. 相似文献
7.
8.
9.
现有的时频分析方法很难检测到某型导弹测角仪故障,针对这个问题,提出测角仪故障检测的连续和离散小波变换相结合的时频分析法.给出该方法提出的过程,分析连续和离散小波变换时烦分析法,将两种分析方法的特点结合起来共同分析测角仪故障时的信号信息.通过仿真实验证明,提出的方法能准确的提取测角仪故障时的信号特征,对测角仪故障的检测是... 相似文献
10.
基于稀疏性非负矩阵分解和支持向量机的时频图像识别 总被引:5,自引:0,他引:5
针对机械故障诊断领域对反映设备运行状态的图像识别困难以及选择和提取敏感特征困难的问题, 将基于图像的机械设备运行状态判别问题当作图像的识别问题来处理, 提出使用稀疏性非负矩阵分解(Sparse non-negative matrix factorization, SNMF)和支持向量机(Support vector machine, SVM)对时频图像进行识别进而判断机器运行状态, 从而避免特征的选择和提取. 稀疏性非负矩阵分解在对时频图像进行大规模压缩的同时, 能够很好地保留图像的隐含特征, 从而大大减少自动识别时频图像的计算复杂度, 并有效地提高支持向量机的识别精度. 此外, 本文还对影响识别率的稀疏性非负矩阵分解的各参数进行了讨论. 实验结果表明, 该方法对时频处理方法依赖性低, 在大多数情况下都能获得较传统方法高的识别率. 相似文献
11.
为了有效地检测扬声器异常音,提出一种基于希尔伯特-黄变换的异常音识别及去噪方法。分析了小波变换的不足,再进行HHT分析。建立常见的几类扬声器异常音数学模型,并经EMD分解得到包含异常振动信息的IMF分量,利用IMF分量特点进行去噪处理。再求出各模拟异常音信号的Hilbert谱,采用图像二值化技术处理Hilbert谱,和小波变换时频谱比较后证明了HHT方法具有更多的优势。而且,根据不同类型异常音在时频域的特征,即可判断出扬声器异常音类型。matlab仿真实验结果表明,当归一化阈值取为0.065时,会得到清晰的图像,能更精确地检测出异常音类型。 相似文献
12.
针对发动机轴承损坏情况严重以及基于模型方法预测精度不稳定的问题,提出一种基于深度胶囊网络和粒子群优化算法的轴承故障预测方法。通过将观测振动信号自适应降噪后,基于粒子群优化算法进行稀疏盲分离,得到轴承振动信号,通过S变换获取时域图以及轴承振动特征,其次将时域图经由卷积层卷积,输入到胶囊层进行预测。将高低胶囊层之间的算法转化为数学优化问题,提升传输效率,最后得出高层胶囊的预测向量。结合具体轴承监测数据进行实例分析,与基于数据的浅卷积网络以及经验模态分解预测相比,算法体现了更稳定更精确的预测性能。 相似文献
13.
飞机液压系统故障诊断是飞机故障预测与健康管理(Prognostics and Health Management,PHM)领域的难点。随着液压系统向高压化方向发展,其渗漏、增温、压力脉动导致的管道断裂,以及回油压力过高等诸多液压系统的致命故障发生的概率增加。通过液压系统试验台构成分析及仿真验证,建立了完善的飞机液压系统故障模拟试验台。制订液压系统故障模拟试验方案,在模拟试验台完成试验。采集正常状态、不同工况、预置故障试验和加速寿命试验的数据,获得可靠的飞机液压系统关键征兆参数。通过对比分析不同工况数据的时频特征,确定均方根可用于时域故障特征分析,小波包能量谱可用于频域故障特征分析。利用时频故障特征,通过正常及预置故障试验数据,验证了所提出的检测方法的有效性。 相似文献
14.
Applications of Fractional Lower Order Time-frequency Representation to Machine Bearing Fault Diagnosis 下载免费PDF全文
The machinery fault signal is a typical non-Gaussian and non-stationary process. The fault signal can be described by SαS distribution model because of the presence of impulses. Time-frequency distribution is a useful tool to extract helpful information of the machinery fault signal. Various fractional lower order (FLO) time-frequency distribution methods have been proposed based on fractional lower order statistics, which include fractional lower order short time Fourier transform (FLO-STFT), fractional lower order Wigner-Ville distributions (FLO-WVDs), fractional lower order Cohen class time-frequency distributions (FLO-CDs), fractional lower order adaptive kernel time-frequency distributions (FLO-AKDs) and adaptive fractional lower order time-frequency auto-regressive moving average (FLO-TFARMA) model time-frequency representation method. The methods and the exiting methods based on second order statistics in SαS distribution environments are compared, simulation results show that the new methods have better performances than the existing methods. The advantages and disadvantages of the improved time-frequency methods have been summarized. Last, the new methods are applied to analyze the outer race fault signals, the results illustrate their good performances. 相似文献
15.
准确提取振动信号的特征,是滚动轴承故障检测的关键问题,为此提出一种基于S能量谱特征提取的故障诊断方法。该方法对振动信号进行S变换,得到时频矩阵,并构建S能量谱,对S能量谱进行奇异值分解(Singular Value Decomposition,SVD)分析,得到能够反映S能量谱特征的奇异值,利用变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)方法,通过建立特征值之间的内在关系,构建故障识别模型。将所提方法应用于滚动轴承故障检测,实验结果表明,S能量谱特征提取轴承故障诊断方法具有较高的正判率。 相似文献
16.
基于非线性压缩变换对某型航空发动机整机试车振动信号进行了特征提取与故障诊断;非线性压缩变换由于其幅值无关性,能够增强微弱信号特征的表征能力,同时能够提高时频图的能量聚集性;对某型航空发动机进行地面整机试车试验,并通过数据采集装置获取各测点的振动信号,然后利用非线性压缩变换良好的微弱特征表征能力与时频聚集性,并结合其他信号分析方法,对采集到的振动信号进行分析;最终,结合航空发动机的结构与理论知识,实现了对其可能存在故障的排查与猜测,同时验证了非线性压缩变换在航空发动机实际试车振动信号分析中的有效性与实用性。 相似文献
17.
针对固定扬声器增益参数不能同时最优地实现全部方向声像重建的问题,提出一种基于多增益的Ambisonic三维(Three-dimensional,3D)声像重建方法。该方法将空间连续的声源方位进行空间格点量化(Spatial Localization Quantization Point,SLQP),根据量化方位所匹配的增益参数进行声像的重建。将所提方法应用于Auro-10扬声器配置中,客观测试结果表明,该方法重建声像定位质量优于传统固定增益参数方法。 相似文献