导读:本文包含了状态识别论文开题报告文献综述及选题提纲参考文献，主要关键词:手机传感器,交通状态,支持向量机,识别模型
状态识别论文文献综述
杨津达,曹永春,林强,满正行,刘新帅[1]（2019）在《基于手机传感器的交通状态识别研究》一文中研究指出准确获取交通状态是实现智能交通的重要环节之一.为实时检测车辆行驶状态,进而提取出当前道路的运行状况,来研究基于手机传感器的车辆行驶状态数据收集及交通状态识别.首先,应用手机内嵌的加速度传感器获取车辆的实时行驶状态数据,然后构建基于SVM的交通状态识别模型.最后,利用一组真实的车辆运行状态数据集,验证提出的交通识别模型,获得了良好的识别性能,平均准确率达到89.05%.(本文来源于《西北民族大学学报(自然科学版)》期刊2019年04期）
张瑞,陈友荣,陈浩,刘半藤,周骏华[2]（2019）在《基于呼吸声音的用户运动状态离线识别算法》一文中研究指出针对当前可穿戴设备缺少了针对用户自身运动状态的分析,设计了由声音采集模块、骨传导声音播放模块和STM32处理器等模块所组成的声音采集耳机设备,并提出了一种基于呼吸声音的用户运动状态离线识别算法(OLRA)。该算法通过初始化、分帧、能量检测、小波包去噪、特征参数提取、改进K-means聚类、神经网络建模、识别、本地样本更新等步骤实现慢走、慢跑、快跑和环境声音四种状态的离线识别。实验结果表明:OLRA算法可提高不同用户运动状态的正确识别率,降低了错误接受率。(本文来源于《传感器与微系统》期刊2019年12期）
彭熹,肖奕,崔卓,肖萍,李国栋[3]（2019）在《基于卷积神经网络的电力开关柜柜门开合状态图像识别研究》一文中研究指出高压开关柜的安全运行是电力行业的重要部分,开关柜柜门因操作人员疏忽而未关闭会造成比较严重的安全隐患。卷积神经网络算法因其可以最大化地保留图像整体特征和局部特征,而成为目前图像识别领域的研究热点。本文设计了一个轻量级的卷积神经网络,具有7层卷积层的特征分类学习模块和3层卷积层的目标检测学习模块。通过对比3×3和5×5两种卷积核的识别结果可知,3×3卷积核在识别准确率和内存消耗方面具有更佳的效果,说明本文方法具有有效性,可应用于电力安全保障领域中。(本文来源于《科技通报》期刊2019年11期）
吴钊,王倩,胡全贵[4]（2019）在《基于人工智能的电力状态评估系统不良数据高效识别方法》一文中研究指出为了提高电力状态评估能力,需要对电力状态评估系统不良数据进行准确识别,提出基于人工智能的电力状态评估系统不良数据高效识别方法,采用无线传感器网络进行电力状态评估系统的数据采集,对采集的大数据采样区域状态空间结构重组方法进行数据特征重构,提取电力状态评估系统不良数据的统计特征量,采用多层模板特征匹配方法进行电力状态评估系统不良数据的模糊聚类融合处理,根据特征提取结果进行电力状态评估系统不良数据的分组检测,结合自回归分析方法,提高对电力状态评估系统不良数据识别能力。仿真结果表明,采用该方法进行电力状态评估系统不良数据识别的准确性较高,稳定性较好。(本文来源于《自动化与仪器仪表》期刊2019年11期）
武立平,吴强,丰遥,要智宇,王仲[5]（2019）在《基于振动信号SVM分类的变压器状态识别》一文中研究指出为提高基于振动信号的变压器状态识别准确率,提取振动信号的峰峰值、均值、偏度等时域特征量和主频率幅值占比、基频幅值占比、50 Hz及其奇次倍频幅值占比等频域特征量构成特征向量,运用支持向量机(SVM)分类方法对变压器进行状态识别。采集了变压器正常与故障运行状态下的振动信号,结合实测信号分析了各特征量随变压器状态的变化,最后对比了单个特征量与多特征量结合对变压器正常短路、正常空载、故障短路、故障空载4种状态的识别准确率。结果表明,结合振动信号多个特征量的SVM分类对变压器的状态识别准确率显着高于单个特征量的识别准确率。(本文来源于《高压电器》期刊2019年11期）
郭阿英,许志猛,陈良琴[6]（2019）在《一种基于WiFi信道状态信息的人体动作识别方法》一文中研究指出人体动作识别是以人为中心的物联网的核心技术之一。为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information,CSI)的人体动作识别方法。该方法采用Hampel滤波结合离散小波去噪对CSI信息进行处理后,利用CSI幅度方差确定动作起止区间,从中提取CSI的特征向量,并用线性判别式分析算法(Linear Discriminant Analysis,LDA)分类器实现人体日常生活中"蹲下"、"站起"、"坐下"、"捡起"和"走"5种动作的识别,实验结果表明平均识别率可达到96%。(本文来源于《传感技术学报》期刊2019年11期）
唐灏,吴曙光,许日斌,周漪清[7]（2019）在《继电保护开关状态机器视觉识别系统》一文中研究指出继电保护压板开关状态检测装置采用图像采集传感器替代人眼获取保护测控屏上的压板开关图像,经图像识别技术处理后获取压板开关状态特征。将当前提取到的压板开关状态特征与数据库中预存的压板开关状态进行匹配,从而实现压板开关投退状态自动检测。相比于现有的人工检测,图像识别技术可以准确地提取当前压板开关状态特征,通过与预存标准状态相比,实现异常压板开关状态定位及告警功能,使得电气控制柜继电保护压板开关状态检测变得更加敏捷,在电气压板开关控制出现故障时能在第一时间快速定位故障设备。(本文来源于《计算机产品与流通》期刊2019年11期）
刘双刚,陈真生[8]（2019）在《一种基于设备状态识别的控制方案设计方法》一文中研究指出文章介绍了一种基于设备状态识别的控制方案设计方法。经过多种工艺场合验证,该方法开发的控制方案具有结构清晰、代码简洁、界面直观等优点。(本文来源于《电工技术》期刊2019年20期）
谌业皓,罗蔓,黄川[9]（2019）在《火箭级间分离状态的自动识别与跟踪方法》一文中研究指出本文根据火箭级间分离时反射式脉冲跟踪雷达不间断跟踪飞行目标的要求,研究使用了一种能自动识别火箭级间分离状态的方法,波形展宽识别法,并根据识别结果通过距离预测修正达到使雷达能够始终对准飞行目标,避免火箭级间分离时错跟残骸的目的。最后通过半实物仿真系统验证了所研算法的有效性。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25）
唐利平,刘海雄[10]（2019）在《刀具磨损状态特征参数提取与识别方法研究》一文中研究指出为准确识别刀具磨损状态,提出了基于MF-DFA的特征提取方法和基于LS-SVM的磨损状态辨识方法。设计了刀具磨损试验方案;提出了具有可调节参数的改进阈值小波降噪方法,解决了硬阈值降噪不连续和软阈值降噪失真问题,降噪后信号的信噪比和均方误差优于另外两种阈值;分析了多重分形谱参数与声发射信号特征对应关系,基于此初选了特征参数,根据刀具不同磨损阶段各参数的分布情况优选了特征参数,且优选特征参数聚类效果极佳;采用基于LS-SVM算法的磨损阶段识别方法,分别使用初选特征参数与优选特征参数进行模式识别,实验结果表明,优选特征参数的识别精度明显高于初选特征参数;与BP神经网络、SVM算法相比,LS-SVM算法的识别准确率最高、时间消耗最小。(本文来源于《组合机床与自动化加工技术》期刊2019年10期）
状态识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对当前可穿戴设备缺少了针对用户自身运动状态的分析,设计了由声音采集模块、骨传导声音播放模块和STM32处理器等模块所组成的声音采集耳机设备,并提出了一种基于呼吸声音的用户运动状态离线识别算法(OLRA)。该算法通过初始化、分帧、能量检测、小波包去噪、特征参数提取、改进K-means聚类、神经网络建模、识别、本地样本更新等步骤实现慢走、慢跑、快跑和环境声音四种状态的离线识别。实验结果表明:OLRA算法可提高不同用户运动状态的正确识别率,降低了错误接受率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
状态识别论文参考文献
[1].杨津达,曹永春,林强,满正行,刘新帅.基于手机传感器的交通状态识别研究[J].西北民族大学学报(自然科学版).2019
[2].张瑞,陈友荣,陈浩,刘半藤,周骏华.基于呼吸声音的用户运动状态离线识别算法[J].传感器与微系统.2019
[3].彭熹,肖奕,崔卓,肖萍,李国栋.基于卷积神经网络的电力开关柜柜门开合状态图像识别研究[J].科技通报.2019
[4].吴钊,王倩,胡全贵.基于人工智能的电力状态评估系统不良数据高效识别方法[J].自动化与仪器仪表.2019
[5].武立平,吴强,丰遥,要智宇,王仲.基于振动信号SVM分类的变压器状态识别[J].高压电器.2019
[6].郭阿英,许志猛,陈良琴.一种基于WiFi信道状态信息的人体动作识别方法[J].传感技术学报.2019
[7].唐灏,吴曙光,许日斌,周漪清.继电保护开关状态机器视觉识别系统[J].计算机产品与流通.2019
[8].刘双刚,陈真生.一种基于设备状态识别的控制方案设计方法[J].电工技术.2019
[9].谌业皓,罗蔓,黄川.火箭级间分离状态的自动识别与跟踪方法[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
[10].唐利平,刘海雄.刀具磨损状态特征参数提取与识别方法研究[J].组合机床与自动化加工技术.2019