您的位置： 专家智库 > >

聂振国

作品数：2 被引量：42H指数：2
供职机构：华南理工大学机械与汽车工程学院更多>>
发文基金：国家自然科学基金广东省自然科学基金更多>>
相关领域：电子电信理学更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 1篇电子电信
  • 1篇理学

主题

  • 2篇信号
  • 2篇奇异值
  • 2篇奇异值分解
  • 1篇信号处理
  • 1篇特征提取
  • 1篇主成分
  • 1篇主成分分析
  • 1篇消噪
  • 1篇SVD

机构

  • 2篇华南理工大学

作者

  • 2篇赵学智
  • 2篇聂振国
  • 1篇陈统坚
  • 1篇叶邦彦

传媒

  • 1篇振动工程学报
  • 1篇振动与冲击

年份

  • 2篇2016
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
信号有效奇异值的数量规律及其在特征提取中的应用被引量：29
2016年
针对信号的有效奇异值选择问题,发现了有效奇异值和信号频率个数之间存在重要联系,研究结果表明有效奇异值数量由信号中的频率个数决定,而与频率大小及其幅值无关,只要信号所构造矩阵的维数大于信号中频率个数的两倍,则每一个频率成分产生两个有效奇异值。研究了噪声干扰下有效奇异值的分布规律,发现随着矩阵维数的增加,有效奇异值受噪声的影响逐渐变小,而噪声产生的奇异值则会被分离到有效奇异值之后。基于每一个频率成分产生两个奇异值这一特性,提出利用SVD提取由一个或多个特征频率构成的特征信号时域波形,并将这一方法用于轴承和转子振动的波形特征提取,其效果优于小波变换。
赵学智聂振国叶邦彦陈统坚
关键词：信号处理奇异值分解特征提取
PCA与SVD信号处理效果相似性与机理分析被引量：13
2016年
将主成分分析(Principal Component Analysis,PCA)用于信号处理,并与奇异值分解(Singular Value Decomposition,SVD)方法比较。分析总结PCA及SVD信号处理原理,提出基于PCA的特征值差分谱理论用于信号消噪。结果表明,PCA与SVD的处理效果较相似,相似性原因为原始矩阵右奇异向量即为协方差矩阵特征向量。SVD较PCA的重构误差小,因SVD无需计算协方差矩阵,可避免舍入误差产生。
聂振国赵学智
关键词：主成分分析奇异值分解消噪
全选 清除 导出
共1页<1>
聚类工具0