排序方式: 共有1条查询结果,搜索用时 46 毫秒
1
1.
隐Markov模型是一个双随机过程,适用于动态过程的时间序列的建模并具有强大的时序模式分类能力,特别适合非平稳、重复再现性不佳的信号分析;小波变换具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力。文中将小波变换和隐Markov模型相结合,提出基于小波变换的HMM状态识别法,利用Daubechies小波进行8尺度的小波分解,然后从小波分解结构中提取一维信号的低频系数作为特征向量,将其输入到各个状态HMM来进行训练,其中输出概率最大的状态即是机组运行状态,从而实现状态的识别,实验结果表明该方法很有效。 相似文献
1