基于局域判别基空间能量的特征提取

针对模式识别中如何提取信号有效特征的问题,对信号进行小波包分解,求取小波包局域判别基,提出求取局域判别基的各子空间的能量,形成特征矢量的特征提取方法。利用Fisher准则函数进行特征选择,得到识别特征矢量。在水声模式识别实例中应用此方法提取特征矢量进行分类实验,取得良好的分类效果,验证了该方法的有效性。     

基于最佳小波包分解的语音信号特征提取

文章提出并论述了基于最佳小波包分解的语音信号特征提取的方法,介绍了小波包分解的原理及其实现过程,利用代价函数中的对数熵求取最佳小波包基,并采用类似MFCC提取的过程得到识别语音信号特征的WPTC参数,通过对语音信号特征和识别的两组实验证明文章提出特征提取方法的有效性。     

基于小波包分析粘接声信号特征提取

本文针对金属与非金属这种特定的复合材料粘接结构,采用一维离散小波变换对得到的粘接信号进行消噪,利用小波包分解得到其粘接声信号相关的特征量,为这种复合材料粘接质量的识别提供有利的依据。     

小波方差与小波熵在信号特征提取中的应用

讨论了单一尺度下的小波方差,并结合信息论中信息熵的定义和物理意义,进一步引进了多尺度下的小波熵;分别以频率突变和幅度突变两种仿真信号为对象,分析了小波方差与小波熵在反映随机信号统计特征方面的特点;最后,以一类钻井信号为例,分别利用两种方法分析和提取了信号在强噪声环境下的脉冲特征。仿真和实例说明,相对于小波方差对尺度选择的依赖,小波熵可以综合各尺度的信息,能够从整体上更有效地提取信号特征。     

基于小波包变换的超声回波信号特征提取

超声检测技术中,缺陷的定性分类这一技术难题至今尚未得以彻底解决。文章介绍了一种基于小波包变换的多尺度空间能量特征提取方法,并对实测的超声缺陷回波信号进行了特征提取;进而采用基于距离的类别可分性判据对提取结果进行了评价。结果表明:该方法提取的缺陷回波信号特征值,其可分性测度均值达91.7%,从而证明该方法对超声检测缺陷回波信号的特征提取是相当有效的。     

基于小波变换的雷达信号特征提取方法

基于小波变换,提出了一种提取雷达信号特征的方法。通过对雷达信号进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样就得到了雷达信号的特征。通过目标识别实验,证明本文提出的方法是有效的。     

基于VMD-熵方法的管道信号特征提取方法

由于仪器设备工作以及室外环境等因素的影响,采集的管道信号中会存在一定的随机噪声,使原始信号失去本身特征,导致无法对管道信号进行准确识别,为此,提出一种基于变分模态分解(VMD:Variational Mode Decomposition)算法-熵方法的特征提取方法。首先基于VMD算法对采集的管道工况信号进行去噪处理,然后从能量、冲击特性、时间序列复杂性3个角度全面提取不同工况下的信号特征,分别计算3种工况信号重构后信号的能量熵、峭度熵以及模糊熵,最后建立特征向量输入到极限学习机中进行工况识别。实验结果表明,该特征提取方法相比其他特征参数能更加准确地分类识别管道工况信号,识别率达到98.33%,证明该方法对管道泄漏信号分类识别的可行性。     

一种基于最优小波包基的电泳荧光信号去噪方法

针对现有电泳荧光信号去噪处理方法的不足,提出一种基于最优小波包基的信号去噪方法.该方法采用Shannon熵准则选择最优小波包基,选取Penalized阈值,用量化后的系数重构得到去噪后的信号.仿真实验表明:基于最优小波包基的电泳荧光信号去噪方法在使信噪比得到提高的同时,电泳荧光信号的峰值误差也进一步减小.     

基于非线性特征提取的EEG信号支持向量分类器

为提高癫痫脑电(EEG)信号的正确识别率,设计了一种基于非线性特征提取的EEG信号支持向量分类器.分类器首先将EEG信号通过四层小波包变换分解到不同频段,然后计算各频段小波系数的近似熵(ApEn)值,作为特征向量,最后使用支持向量机(SVM)进行分类.实验结果显示该分类器能有效提高正确识别率.     

基于Matlab方法水下爆炸声信号的特征提取及其分析

为了解水下爆炸声信号的特征, 采用Welch法实现对水下爆炸声信号的特征提取,然后利用Mallat算法,采用一维离散小波变换对爆炸信号进行逐级过程提取分析,将信号中的平滑分量和细节分量分离开来. 研究结果表明, 该方法可以更加合理地得到水下爆炸信号的全部特征,从而达到准确分析信号特性的目的.     

基于振动的蚕茧质量智能无损检测

提出了一种基于振动的蚕茧质量智能无损检测的方法.通过对蚕茧振动信号进行小波分解重构蚕蛹的振动冲击信号,提取与蚕蛹质量有关的特征值,并利用模糊聚类的方法优选特征值,然后将优选的特征值作为BP神经网络的输入参数,以蚕蛹质量作为输出参数训练该网络,训练后的神经网络可利用所采集的蚕茧振动信号确定蚕蛹的质量,从而间接得到茧壳的质量.试验结果表明该方法有效可行.图4,表2,参9.     

基于小波包样本熵和支持向量机的框架结构损伤识别

基于小波包样本熵和支持向量机原理,研究了钢框架结构的损伤定位识别方法.分析在冲击载荷作用下框架结构的动力响应,对加速度信号进行小波包分解,建立小波包样本熵的损伤指标,采用支持向量机原理,识别结构损伤位置以及损伤程度.研究表明,该方法能够利用单一的传感器,实现理想的识别效果,且具有一定的适用性和鲁棒性,在60 dB的噪声水平环境中损伤定位识别结果在90％以上,在40 dB的噪声水平环境中,损伤程度识别结果在90％以上,框架实验模型研究表明,柱的损伤识别精度要高于梁的损伤识别精度.     

基于振动信号降噪的钢板件损伤定位

为了实现汽车船舶等行业中钢板件的结构健康监测,针对冲击、碰撞损伤发生时的振动信号,提出了一种结合小波包阈值降噪(WPT)和集合经验模态分解(EEMD)降噪的方法来提高损伤源的定位精度。首先,设计了动态环境下钢板件的冲击损伤试验系统并进行实验方案设计,采集了损伤时刻数据;其次,通过对损伤信号进行WPT-EEMD降噪有效提高信噪比,并利用阈值检测获得信号到达各传感器的时间;最后,基于延时叠加算法,完成了钢板件中损伤区域的定位成像。实验结果表明,该方法可在动态环境下有效定位出钢板件上冲击损伤发生的位置,为解决动态无损监测问题提供了思路。     

基于信息熵度量的局部线性嵌入算法

针对局部线性嵌入算法使用欧氏距离计算非对齐样本相似性时, 受数据位置差影响较大, 导致度量精度较低, 影响算法特征提取精度的问题, 提出一种基于信息熵度量的局部线性嵌入算法. 首先利用信息熵统计样本特征间的混乱程度, 提高划分局部邻域的准确性; 然后建立局部重构模型, 挖掘出流形的本质结构; 最后利用局部结构构建低维重构模型, 以获得样本的显著特征. 通过在轴承数据集上的实验证明了该算法在特征提取方面的有效性.     

基于Shannon熵的1/f类分形信号去噪方法

通过分析l／f类分形信号及白噪声小波系数的Shannon墒在不同分解级数上的特点，提出了根据信号墒所占比例，从加性白噪声背景下估计分形信号的方法。计算机仿真结果表明，该方法简单可靠、有效可行，且事先不需要知道分形信号参数及加性白噪声的统计特性，只需估计出带噪分形信号的信噪比，具有较好的适应性。     

一种基于ELM与LDA的音频信号分类算法

针对多媒体信息中的音频信号,提出一种基于线性判别分析（LDA）与极限学习机（ELM）的分类方法．首先,使用傅里叶变换等方法从每一段音频中提取特征,并将它们按比例组成一个高维向量;其次,应用LDA对高维向量进行降维,使其成为用于分类的最优特征,作为ELM的训练和测试样本;最后,分别采用ELM,SVM,BP分类器对4种音频信号进行分类,并进行性能对比与分析．实验表明：提出的算法对于较难分的类也具有较好的分类效果,平均正确率为90％,同时运算速度比SVM快一千多倍．     

基于谐波小波包变换的脑电波基本节律分析

为了实现脑电图分析定量化、智能化以便为医学分析诊断提供客观有效的辅助信息,探讨了应用谐波小波包变换分析脑电波.通过谐波小波包变换提取用于临床诊断的,δθ,α,β等4种基本节律的波形,并引入反映基本节律变化的特征参量即基本节律的频带能量比例进行定量分析.经过对正常人和癫痫病人的脑电波进行分析验证,其分析结果与先验知识和确诊病症吻合得很好,可以提取得到精确的、量化的、直观的特征参数作为诊断依据.实验结果表明,应用谐波小波包变换分析脑电波是一种有效的方法,它为脑电图机实现智能化和临床分析诊断提供了有益的参考.     

基于Volterra级数和ULSP的机械隐含故障特征提取

针对提取机械原始振动信号中的隐含故障特征,提出了一种结合Volterra级数及冗余提升小波包(ULSP)的信号处理方法.先用二阶Volterra模型对信号进行延拓、预测,然后用冗余提升小波包对信号进行分解.对仿真信号的处理结果表明:分解得到的信号在边界没有振荡,有利于微弱特征的提取.工程应用中,完整地提取出了往复注水泵活塞与液缸密封碰磨产生的微弱故障特征信号.     

基于Haar小波的虹膜特征提取算法

虹膜特征提取算法的优劣决定了虹膜识别系统的性能,经典小波变换算法在特征提取上存在不足,提出一种利用二维Haar小波提取虹膜特征的算法。算法在虹膜预处理的基础上,利用2D Haar小波对虹膜特征提取区域分解,对第三层小波分解高频系数编码生成375bits虹膜编码,利用相似度作为特征匹配关系。在中国科学院虹膜数据库[CASIA(1.0)]上的实验结果表明,算法在认证模式(Verification)与识别模式(Identification)下,性能均优于Boles的算法和Wildes的算法,仅次于Daugman的算法;但本算法虹膜码长度仅为Daugman的1/5,更节省储存空间,正确识别率为99.16%,等错率达到0.54%。