公共文化服务平台

搜索到1857篇“ 连续小波变换“的相关文章

一种基于连续小波变换和深度学习的调制信号识别方法: 本发明公开了一种基于连续小波变换和深度学习的调制信号识别方法，该方法为：首先在发射端对待发送序列进行调制，在接收端获取无线连续时间信号，并对连续时间信号进行采样，对采样数据进行小波分解，滤除高频噪声，利用小波逆变换进行重...; 邹骏邹正文朱晓雯周威廷赵文清王子铭李鹏

一种基于连续小波变换与卷积神经网络的步态识别及导航方法: 本发明公开了一种基于连续小波变换与卷积神经网络的步态识别及导航方法。相比于传统图像识别方法依赖外部环境等问题，本方法将通过MEMS采集到步态数据，进行连续小波变换，从而使得一维信号转化为二维时频图像，再使用切割后的图像作...; 徐广飞王小涛

基于改进连续小波变换增强非凸正则项稀疏分解的滚动轴承变转速故障冲击特征提取方法: 2025年; 针对变转速工况下滚动轴承非周期性故障冲击特征信号高保真提取问题,提出改进Morlet连续小波变换增强的非凸正则项稀疏分解方法。通过引入波形调节因子构造的改进Morlet小波基函数具有振荡属性可调的特性,能够匹配具有不同波形特征的故障冲击信号。将定转速下采用的包络谐噪比引入变转速工况,提出角度域包络谐噪比指标,实现对波形调节因子及阈值参数的优化。在此基础上,将改进Morlet连续小波变换与广义最小最大非凸正则项相结合形成稀疏分解模型;相较于离散小波变换,改进Morlet连续小波变换更容易将非周期性冲击型故障信号映射到时频稀疏域,进而通过稀疏模型求解实现非周期性故障冲击信号的提取。通过仿真信号及实验数据对该方法的有效性进行了验证,并与传统阈值降噪、频带滤波、基于品质因子可调小波稀疏分解等方法进行了比较。结果表明,所提方法能够有效提取出变转速工况下滚动轴承非周期性故障冲击特征信号。; 张春林吴允恒蔡克燊冯亚东万方义张安

一种基于连续小波变换的时间序列分类方法: 本发明公开了一种基于连续小波变换的时间序列分类方法，属于人工智能技术领域，包括以下步骤：S1、获取数据集，并从数据集中提取出时间序列数据；S2、通过连续小波变换对时间序列数据进行处理，提取时域和频域的特征信息；S3、搭建...; 肖山陈甫张莉李林李法平吴春毅

基于改进复连续小波变换识别桩身损伤位置: 2024年; 为了对在役桩基的安全性进行测试和评估,通过引入K均值聚类算法和快速傅里叶变换提出了基于改进复连续小波变换的桩身损伤位置识别方法。首先,借助K均值聚类算法计算入射波和反射波引起的能量集中点在时频面上对应的时间坐标;其次,针对响应信号进行快速傅里叶变换,然后根据傅里叶频谱图中首尾两个峰值点对应的频率坐标确定相位角映射图中“交叉点”的频率查找范围。由于时间和频率坐标范围的精确确定,桩身的损伤位置也得以精准定位。最后,通过一个桩基有限元模型和桩基动力试验验证了基于改进复连续小波变换的桩身损伤位置识别方法的有效性。研究结果表明:该方法能够精准定位桩身的损伤位置且降低了干扰点的影响。; 陈杨柳; 关键词：桩基 K均值聚类快速傅里叶变换

基于连续小波变换和机器学习的小麦产量预测被引量：3: 2024年; 及时、准确的作物估产,对作物管理决策和粮食安全评估具有重要意义。该研究在建立一种耦合连续小波变换(CWT)与机器学习准确预测小麦产量的方法。基于2020年—2021年两年小麦田间试验获取的开花期和灌浆期冠层高光谱数据及产量数据,首先采用CWT提取三种小波特征(WFs),分别为:基于Bortua方法筛选的特征波段(Bortua-WFs)、提取WFs与小麦产量确定系数的前1%(1%R^(2)-WFs)和单一分解尺度下的所有WFs(SS-WFs)。然后采用随机森林(RF)、 K最邻近(KNN)和极端梯度提升(XGBoost)三种机器学习算法构建产量预测模型。最后选取最优的光谱特征,采用相同的方法进行建模并比较。结果表明:(1)三种WFs结合机器学习方法的模型均表现良好,基于Bortua-WFs构建的模型具有更高的精度和稳定性。(2)相比光谱特征模型,Bortua-WFs模型在各生育期的精度均有所提高,开花期的R^(2)精度分别提高了17.5%、 4%和39.6%,灌浆期分别提高了8.4%、 5.6%和16.9%。(3)灌浆期的产量估算模型优于开花期,结合Bortua-WFs和XGBoost的模型表现最佳,R^(2)为0.83, RMSE为0.78 t·ha^(-1)。该研究比较了不同特征和方法相结合的性能,确定了不同方案下的最佳模型精度,为光谱准确预测小麦产量提供技术参考。; 樊杰杰邱春霞樊意广陈日强刘杨边明博马彦鹏杨福芹冯海宽; 关键词：连续小波变换小麦

连续小波变换弱峰甄别方法、系统、介质及电子设备: 本发明提供了一种基于非均匀尺度参数的连续小波变换弱峰甄别方法、系统、介质及电子设备，在低能量分辨率探测器(如LaBr3(Ce))在低中放废物测量应用中，能谱中存在大量被部分或全部淹没的弱峰，导致核素识别困难的问题，针对此...; 单健杨桧杨茜羽

多尺度连续小波变换岸基高光谱溢油厚度定量监测: 2024年; 聚焦于对0#柴油油膜厚度的监测,分析不同厚度油膜的光谱曲线特征;为深入挖掘光谱数据与油膜厚度间的复杂关系,引入Morlet多尺度连续小波变换(CWT)技术,精准筛选出与油膜厚度高度敏感的特征波段,成功解决高光谱数据维度高、处理复杂的难题,从而显著提升厚度回归预测的准确性.利用Cat Boost回归模型高效的计算能力、强大的特征捕捉能力以及优异的泛化能力来高效监测这些敏感特征,进而构建精确的油膜厚度回归预测模型,提升了溢油事件的实时监测速度,确保了预测结果的精确性,为溢油应急响应的迅速启动与精准防控策略的制定提供了参考.实验及现场验证结果表明:多尺度连续小波变换技术在本研究中发挥了关键作用,它能够有效地从海量的高光谱数据中提取出与油膜厚度高度相关的敏感波段,从而提升了溢油厚度监测的准确率和效率.Cat Boost回归模型能够更好地捕捉油膜厚度变化特征,进一步增强模型泛化能力和鲁棒性,Cat Boost回归模型建立的柴油油膜厚度预测模型,表现出了极高的精确度,其验证集上R^(2)=0.90,RMSE=95.14mm,d=30.126%.; 董杨崔厚欣邓家春马俊杰秦海啸; 关键词：高光谱成像光谱分析连续小波变换

一种基于连续小波变换的跌倒检测方法、装置及电子设备: 本发明提供一种基于连续小波变换的跌倒检测方法、装置及电子设备，包括：从发送端和接收端传输的数据中获取原始信道状态信息；对所述原始信道状态信息进行预处理，获取具有动作代表性的信道状态信息；根据预处理后得到的所述信道状态信息...; 陈颖文魏玉婷逄德明陈锐

基于连续小波变换和残差神经网络的房颤预测研究: 2024年; 心房颤动(AF)是一种最常见的心律失常类型,为了提高房颤预测的准确率和可靠性,提出了一种基于连续小波变换和残差神经网络的房颤预测方法。首先,采用软阈值小波去噪方法去除心电图信号的噪声干扰;其次,通过连续小波变换生成二维时频图;最后,使用带下采样的残差神经网络进行房颤预测。为了全面评估所提方法的性能,新建立了一个包含2160条心电图(ECG)记录的综合数据集,并在此数据集上进行了实验。实验结果表明,该方法在新数据集和公开数据集(AFPDB)上分别得到92.4%和96.1%的精确度,相较于当前的深度学习方法,实现了显著提升。; 朱宇翔童基均夏淑东朱海航; 关键词：房颤心电图连续小波变换

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈