排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
为了解决基于希尔伯特黄变换(HHT,Hilbert-Huang Transform)辐射源个体识别方法中的模态混叠分解不充分以及低信噪比下效果较差的问题,本文将信号处理与深度学习相结合提出了一种新的辐射源个体识别方法。首先,对信号进行差分处理,并通过变分模态分解得到对应的模态分量;接着,对各模态分量进行希尔伯特变换得到希尔伯特谱;最后,针对希尔伯特谱的稀疏性特点,本文运用改进的全局信息分析模块对其进行全局细微特征提取。本文实验采用ORACLE公开数据集对所提方法进行性能测试,实验结果表明,该方法识别性能优于4种现有的基于希尔伯特黄变换的辐射源识别方法,其不仅有较低的计算复杂度,而且在5 dB信噪比下有着90%以上的识别效果。 相似文献
5.
6.
7.
8.
迁移学习由于解决了领域之间的分布差异引起的领域迁移问题而引起了人们的关注。现有的迁移学习方法绝大多数需要访问源域数据,访问源域数据可能因为源域数据涉及隐私、数据量过大占据较大的存储空间以及计算成本等原因而带来难题。因此,很多研究开始关注无源无监督的方法,即从预先训练的源模型向不可访问的未标记目标领域执行迁移。首先介绍了无源无监督迁移学习的定义,然后简述了无监督迁移学习的研究现状,最后总结了部分方法在数据集上的表现,有利于进一步的研究。 相似文献
9.
10.
采用硝酸-盐酸-水(1+3+6)混合酸溶液溶解不锈钢样品,用电感耦合等离子体原子发射光谱法同时测定试样溶液中铬、镍、铜、锰、磷、硅、钼和钛等8种合金元素。选择钇元素作为内标元素,选择波长为357.869,231.604,327.396,257.610,178.284,251.611,202.030,337.280 nm8条谱线依次作为铬、镍、铜、锰、磷、硅、钼和钛的分析线。方法用于分析了12种标准物质,测定值同证书值一致,各元素的相对标准偏差(n=7)均小于5.5%。 相似文献