搜索资源列表
Ch1799
- 小波工具箱的应用基础 395 16.1 一维小波分析的应用 395 16.1.1 小波分解在普通信号分析中的应用 395 16.1.2 小波变换在信号特征检测中的应用 411 16.2 二维小波分析的应用 417 16.2.1 小波分析在图像平滑中的应用 417 16.2.2 小波分析在图像增强中的应用 418 16.2.3 小波分析在图像融合中的应用 420 16.3 小波包分析的应用 422 16.3.1 小波包在信号时频分析中的应用 423 16.
labview-EMD
- labview编写的emd程序，可用于信号的分解-emd program written in labview, can be used for signal decomposition
neuralandwavelet
- 对采集到的电压信号进行小波包分解提取特征向量，再进行BP神经网络训练-On the acquisition of the voltage signal to the wavelet packet decomposition to extract feature vector and then BP neural network training
jinzhend
- 独立成分分析( I C A) 是一项把混合信号分解成具有统计独立性成分的新技术 。I C A近年已在生物医 域的信号分离中展示 了很好的应用前景 。 我们比较系统地介绍了 I C A的基本原理 、 主要算法 、 应用和 究的发展方向，旨在进一步推动有关的理论与应用研究工作。-Independent Component Analysis (ICA) is a decomposition of the mixed-signal components into a statistical in
Based-on--ESPRIT-
- 摘 要:基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计.如果将空间的位移变成时间的 延迟,单个矢量传感器可以实现高分辨率的频率估计.将ESPRIT与矢量传感器相结合,研究了高分辨率频率估计 算法,建立了矢量传感器的数据模型,推导了矢量传感器的空时阵列流形,通过对协方差矩阵进行子空间分解,求得 目标信号的频率估计值.仿真计算研究了不同信噪比!采样频率和数据长度条件下该算法的性能.结果表明基于矢 量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度.
lmd
- 包含国内外介绍局部均值分解（一种非平稳信号处理方法）的文献。-articles about Local Mean Decomposition method.
EMD-envelope-improve-research
- EMD中包络算法改进的研究与分析，可以很好的实现非平稳信号的分解！-EMD in the envelope algorithm to improve research and analysis, can achieve a good decomposition of non-stationary signals!
41
- 基于小波包的信号瞬态成分检测与提取方法及其应用,提出基于小波包分解特征表示和瞬态特征重 建方法并应用于汽车变速器齿轮的故障诊断,结果表明基于小波包分解的信号特征表示方法能有效检测信号中瞬 态成分的存在,瞬态成分的重建结果有效地表示了齿轮的故障状态。 -The detection and extraction of signal transients through wavelet packets decomposition are studied and signal trans
emd-eliminate
- 文中基于经验模态分解，提出一种信号强干扰的消除方法-Paper based on empirical mode decomposition, a strong signal interference elimination
EMD-When-frequency-analysis
- 研究了经验模态分解与希尔伯特变换相结合的提取信号瞬时特征的EMD/HS法，并对其性能进行了分析-EMD/HS method to study the transient characteristics of the empirical mode decomposition and Hilbert transform combining the extracted signal, and its performance is analyzed
system-identification
- 采用时频聚集性较好的线性调频信号作为线性时不变系统输入激励，采用Gabor字典作为过完备原子库。在利用传统系统辨识法之前先利用稀疏分解算法将输出信号进行去噪处理，显著提高系统辨识精度。 具体包括互谱算法，信号的Gabor稀疏分解的详细代码-Space can be a time for sparse decomposition to solve the problem of huge memory needed。This approach, combined with the rapid d
MatchingPursuit
- Matching Pursuit 算法是信号分解的一种具体实现方法。但其本质上则是一种估计 信号模型参数的方法，因而可直接用于信号检测及参量估计。本文以谐波信号特征参量的估计为例，介绍了其具体实现方法。-Matching Pursuit algorithm is a specific method of signal decomposition. But by its very nature is an estimated signal model parameters, and thus
The-empirical-mode-decomposition-
- 应用经验模式分解将恒电量瞬态响应信号分解为不同时间尺度的内在模函数分量，去除其中的小时间尺度的干扰噪声分量-Empirical mode decomposition coulostatic transient response signal is decomposed into different time scales intrinsic mode function component, remove the small time scale interference noise compon
wavelet-motion-interference
- 运用小波模极大值滤波算法消除光电容积脉搏波中的运动干扰,主要采用小波的算法，进行信号分解，去除干扰信号的运动伪像-Wavelet modulus maxima filtering algorithms eliminate photoelectric volume pulse wave motion disturbances, mainly wavelet algorithms for signal decomposition, removing the motion artifacts inte
emd--luntan
- 该程序可以把原始信号分解成各个固有模态函数，从而可以进行其他处理。-empirical mode decomposition
LMD
- 局部模态分解，具有良好的信号分解能力，不会产生模态混叠现象。-Local mode decomposition, has a good ability to decompose a signal, no modal aliasing.
VMD
- 本文介绍了一种自适应信号分解新方法-变分模态分解，并且针对滚动轴承早期故障识别困难这一问题，提出了基于VMD的诊断方法。-In this paper, a new adaptive signal decomposition method, variational mode decomposition, is introduced. Aiming at the problem of early fault identification of rolling bearing, a diagnosis
VMD-Parameter-Estimation
- 变分模态分解在信号分解精度和噪声鲁棒性方面具有明显优势，但需预先确定模态数K，而目前K 只能靠先验知识进行预估，如果预估的K 与实际信号存在差异，会导致分解误差较大。针对以上问题，利用EMD 不需预先设定模态数的自适应分解特点，通过对EMD 分解结果的分析，进行VMD 分解模态数的估计，并通过仿真信号分析及滚动轴承故障信息提取-Variational modal decomposition has obvious advantages in signal decomposition accura
Empirical-wavelet-transform
- 最近的一些方法，如经验模式分解 （EMD），提出将信号分解 其包含的信息。尽管它的适应性似乎 对于许多应用程序，这种方法的主要问题 是它缺乏理论。本文提出了一种新的方法 建立自适应小波。主要的想法是提取不同 设计适当的小波滤波器组的信号模式。 这种结构导致我们到一个新的小波变换，称为 经验小波变换。许多实验 显示此方法相比经典的有用性 EMD-Some recent methods, like the Empirical Mode Decompositio
信号与图像的稀疏分解及初步应用
- 信号与图像的稀疏分解是信号与图像的一种新的分解方法，在信号与图像的压缩编码、去噪、信号的时频分析与信号识别等方面有看极为广阔的应用前景，是信号与图像处理研究领域中一个新的很有意义的研究方向。本书总结了国际上在这一研究方向 的研究进展以及作者多年来的研究成果。在稀疏分解方法方面，重点介绍了作者关于信号与图像稀疏分解快速算法的研究成果。在稀疏分解应用方面，重点介绍了作者在信号处理及图像压缩编码方面的研究成果。