导读:本文包含了特征信号提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,分解,计量学,向量,小波,故障诊断,信号。
特征信号提取论文文献综述
肖力伟[1]（2019）在《一种基于小波包和主成分分析的超声信号特征提取方法》一文中研究指出为了有效识别不同类型的超声缺陷信号,提出了一种基于小波包分解和主成分分析(Principal Component Analysis,PCA)的信号特征提取方法。首先,提取缺陷信号小波包分解后的能量系数组成多维特征向量集;然后,使用PCA方法对多维特征向量进行降维得到融合特征量;最后,输入BP神经网络对不同类型的缺陷信号进行分类测试,并与未经PCA处理的特征量分类测试结果进行对比。试验结果证明,该特征量提取的方法能够有效地对缺陷进行分类,且测试速度明显得到提高。(本文来源于《无损检测》期刊2019年12期）
陈彬,刘阁[2]（2019）在《不同颗粒浓度油液压力振动信号特征的HHT提取》一文中研究指出颗粒浓度对油液的湍流脉动特性有一定的影响,利用Hilbert-Huang变换方法对含不同颗粒浓度的油液脉动流的压力信号进行分析,探讨颗粒浓度对压力信号的振动特征的影响规律。利用经验模态函数(EMD)、Hilbert变换和包络解调等方法,获取压力信号的Hilbert谱和信号能量特征,分析了不同颗粒浓度的油液压力信号的能量分布和调幅调频特征以及调制信号的瞬时频率。结果表明以IMF能量作为特征向量将各阶IMF分量划分为3个信号特征频带,随着颗粒浓度的增加,高频率区的累积分布基本稳定在0.7范围内,而中频率区出现下降、低频率区呈现上升的状态;高频率区的边际谱平均幅值随着油液中颗粒浓度的增加呈现先增加后降低的发展趋势,中低频率成分的幅值呈增加的趋势;对压力信号在不同频带内的瞬时能量谱进行积分,得到压力信号的总能量随着颗粒浓度的增加出现下降趋势,中频率区的能量特征值呈逐渐衰减的变化趋势;含不同颗粒浓度的油液压力信号具有调制特征,Hilbert包络解调信号的瞬时频率均值呈先增加后下降的发展趋势。(本文来源于《光学精密工程》期刊2019年11期）
卓欣然,郭海召,窦修全[3]（2019）在《基于跳周期变换的多跳信号特征盲提取方法》一文中研究指出针对多跳频信号特征提取算法整体精度不高,算法适应性能较弱的问题,提出了一种基于跳周期变换的多跳信号特征盲提取方法。采用生成跳周期谱线的方法提取多跳频信号特征参数,与传统方法相比,所提算法提高了多跳频信号的参数估计精度,尤其解决了丢跳等情况发生时估计性能不佳的问题。仿真实验表明,在相同条件下,所提算法的跳周期估计方差比传统算法低一个数量级。(本文来源于《无线电工程》期刊2019年11期）
李名莉,焦欣欣[4]（2019）在《信号特征提取方法在球磨机故障诊断中的应用》一文中研究指出球磨机运行现场工矿复杂,为对球磨机进行故障监测与诊断,在研究中对球磨机的故障信号进行小波分解和Hilbert小波包络谱分析,找出奇变点对应的频率,诊断出故障部位,最后通过特征向量和欧氏距离的计算,证明了方法的有效性。(本文来源于《计算机与数字工程》期刊2019年10期）
郭华玲,郑宾,刘艳莉,刘利平,刘辉[5]（2019）在《基于EEMD能量熵的激光超声微缺陷信号特征提取》一文中研究指出激光超声技术具有非接触、频带宽和高时间空间分辨率等优势,被广泛应用于材料的微缺陷检测.基于总体经验模态分解(EEMD)解决模态混迭问题算法的特点,将其应用于激光超声信号的消噪处理;针对EEMD降噪时IMF分量选取的问题,设计提出了自适应选取IMF分量重构信号的算法,获取基于EEMD的激光超声微缺陷信号的自适应降噪方法,取得了较好的去噪效果;提出了基于EEMD能量熵的激光超声微缺陷信号特征提取分析方法,并计算各阶能量,成功地探测缺陷的大小.(本文来源于《测试技术学报》期刊2019年05期）
韩宝国,马驰,李静鹏,王洪富,刘长道[6]（2019）在《基于DTCWT与LLE算法的变压器局部放电特高频信号特征参数提取方法》一文中研究指出提出了一种基于对偶树复小波变换(Dual-tree Complex Wavelet Transform,DTCWT)与局部线性嵌入(Locally Linear Embedding,LLE)算法的局部放电特高频信号特征参数提取方法,可以有效识别典型变压器内部绝缘缺陷。首先采用DTCWT算法分解变压器局部放电特高频信号,得到一系列不同变化尺度下细节分量信号。再提取出各细节分量信号的偏斜度和峭度作为初始特征参数。采用LLE算法对初始特征参数组成的特征向量进行降维处理,得到最终的特征参数及特征向量,输入到支持向量机(SupportVectorMachine,SVM)中识别各类绝缘缺陷。结果表明,该特征参数可以有效识别典型变压器内部绝缘缺陷,模拟绝缘缺陷识别准确率达到98.35%,现场检测信号识别准确率达到92.1%。(本文来源于《电力系统保护与控制》期刊2019年20期）
王吉林,孟垂懿[7]（2019）在《基于EEMD的变压器振动与声音信号IMF峭度特征量提取方法》一文中研究指出针对变压器振动问题,提出了一种基于集合经验模态分解(EEMD)的本征模函数(IMF)峭度特征量提取方法,并运用相关系数法、快速谱峭度图法提取敏感IMF分量。提取试验变压器正常、铁心松动故障状态下的振动、声音信号的特征量,研究变压器在正常、故障状态下这两种信号特征量分布情况;分析实际运行中出现铁心磁路故障、铁心多点接地故障状态的变压器的IMF峭度特征。结果表明,提出的特征量提取方法可同时反映频域、时域特性;在不同故障条件下,振动与声音信号的特征量变化不同,二者可相互补充,研究两种信号更有利于变压器状态的判定。(本文来源于《水电能源科学》期刊2019年09期）
孟宗,殷娜,李晶[8]（2019）在《基于信号稀疏表示和瞬态冲击信号多特征提取的滚动轴承故障诊断》一文中研究指出在滚动轴承故障信号特征分析中,针对瞬态冲击信号稀疏表示和特征提取问题,提出一种基于IChirplet原子的故障信号多重特征提取方法。在分析故障信号特点的基础上,构建IChirplet原子库,利用优化的OMP算法进行原子寻优,然后提取IChirplet原子的时频参数和重构信号的敏感特征作为特征参量,通过PSO_SVM实现故障分类。实验证明IChirplet原子与滚动轴承故障信号有较好的匹配性,且多重特征的提取能够有效表征故障信息,更准确地判断轴承故障类型。(本文来源于《计量学报》期刊2019年05期）
张淑清,陈荣飞,张立国,姚家琛,穆勇[9]（2019）在《基于多尺度高阶奇异谱熵的信号特征提取方法》一文中研究指出提出了基于变分模态分解(VMD)的高阶奇异谱熵的特征提取方法,并应用在滚动轴承故障诊断中。首先,使用4阶累积量切片代替奇异谱熵分析(SSEA)的协方差矩阵,引入VMD分解实现方法多尺度化,提出信号多分辨高阶奇异谱熵分析(M-HSSEA)方法;通过信号分析,VMD解决了模态混迭的问题,且能够实现信号滤波,同时该方法提取的熵特征向量增强了相空间重构参数鲁棒性;通过和小波奇异谱提取特征的方法对比,结果表明所提出的方法在克服频率混迭现象,提取的特征点总体离散度小等方面更具优势;最后,结合深度信念网络分类器实现了对故障的分类,实验结果验证了所提方法的有效性和可行性。(本文来源于《计量学报》期刊2019年05期）
卢俊,吴建星[10]（2019）在《基于EEMD近似熵的矿山微震信号特征提取研究》一文中研究指出为解决矿山岩体破裂和爆破震动信号不易自动识别的问题,提出了一种基于EEMD(聚合经验模态分解)和近似熵的微震信号特征提取方法,以某金属矿山微震监测系统建立的爆破震动信号与岩体破裂信号数据为分析对象,首先利用该方法对两类微震监测信号进行EEMD分解,获得多个窄带本征模态分量(IMFs);再利用相关系数法确定与两类原始信号最相关的IMF分量得到主要分量,进而计算各主分量的近似熵;最后把主要分量的近似熵值组成表征微震信号的多尺度高维特征向量作为支持向量机(SVM)的判断输入进行训练预测。预测结果表明:EEMD近似熵特征提取方法结合SVM,对矿山爆破震动信号和岩体破裂信号具有较高的识别率,能准确、有效地进行智能分类,为信号识别研究提供了新的途径。(本文来源于《化工矿物与加工》期刊2019年09期）
特征信号提取论文开题报告
（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：
颗粒浓度对油液的湍流脉动特性有一定的影响,利用Hilbert-Huang变换方法对含不同颗粒浓度的油液脉动流的压力信号进行分析,探讨颗粒浓度对压力信号的振动特征的影响规律。利用经验模态函数(EMD)、Hilbert变换和包络解调等方法,获取压力信号的Hilbert谱和信号能量特征,分析了不同颗粒浓度的油液压力信号的能量分布和调幅调频特征以及调制信号的瞬时频率。结果表明以IMF能量作为特征向量将各阶IMF分量划分为3个信号特征频带,随着颗粒浓度的增加,高频率区的累积分布基本稳定在0.7范围内,而中频率区出现下降、低频率区呈现上升的状态;高频率区的边际谱平均幅值随着油液中颗粒浓度的增加呈现先增加后降低的发展趋势,中低频率成分的幅值呈增加的趋势;对压力信号在不同频带内的瞬时能量谱进行积分,得到压力信号的总能量随着颗粒浓度的增加出现下降趋势,中频率区的能量特征值呈逐渐衰减的变化趋势;含不同颗粒浓度的油液压力信号具有调制特征,Hilbert包络解调信号的瞬时频率均值呈先增加后下降的发展趋势。
（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。
特征信号提取论文参考文献
[1].肖力伟.一种基于小波包和主成分分析的超声信号特征提取方法[J].无损检测.2019
[2].陈彬,刘阁.不同颗粒浓度油液压力振动信号特征的HHT提取[J].光学精密工程.2019
[3].卓欣然,郭海召,窦修全.基于跳周期变换的多跳信号特征盲提取方法[J].无线电工程.2019
[4].李名莉,焦欣欣.信号特征提取方法在球磨机故障诊断中的应用[J].计算机与数字工程.2019
[5].郭华玲,郑宾,刘艳莉,刘利平,刘辉.基于EEMD能量熵的激光超声微缺陷信号特征提取[J].测试技术学报.2019
[6].韩宝国,马驰,李静鹏,王洪富,刘长道.基于DTCWT与LLE算法的变压器局部放电特高频信号特征参数提取方法[J].电力系统保护与控制.2019
[7].王吉林,孟垂懿.基于EEMD的变压器振动与声音信号IMF峭度特征量提取方法[J].水电能源科学.2019
[8].孟宗,殷娜,李晶.基于信号稀疏表示和瞬态冲击信号多特征提取的滚动轴承故障诊断[J].计量学报.2019
[9].张淑清,陈荣飞,张立国,姚家琛,穆勇.基于多尺度高阶奇异谱熵的信号特征提取方法[J].计量学报.2019
[10].卢俊,吴建星.基于EEMD近似熵的矿山微震信号特征提取研究[J].化工矿物与加工.2019
论文知识图
