基于小波神經網絡的信號去噪時的閥值自學習
格式:pdf
大?。?span id="0adfru1" class="single-tag-height" data-v-09d85783>375KB
頁數(shù):2P
人氣 :91
4.7
本文針對某一確定數(shù)據(jù)采集系統(tǒng)中小波去噪時的閥值選擇,提出以小波神經網絡加標 準信號來標定去噪閥值的方法,從而提高對信號的去噪性能。
基于小波閥值的信號去噪
格式:pdf
大?。?span id="s0zqy6g" class="single-tag-height" data-v-09d85783>156KB
頁數(shù):2P
利用小波變換消除噪聲的方法有多種,如小波模極大值去噪、小波閥值去噪等。本文首先分析小波變換的基本原理,分別對小波變換的模極大值去噪法和閾值去噪法的原理進行闡述,通過計算機仿真表明小波閾值法和模極大值法去噪的有效可行。
轉向架應力信號小波閥值去噪處理
格式:pdf
大?。?span id="a2rzwyw" class="single-tag-height" data-v-09d85783>812KB
頁數(shù):2P
為解決信號檢測中經常存在的噪聲污染問題,本文利用小波變換進行降噪處理。分析了小波變換降噪的理論依據(jù)、降噪處理程序以及閥值的選擇,并在matlab中進行了信號降噪的模擬仿真實驗。分析結果證明了轉向架應力處理以無偏似然估計硬閥值法且分解層數(shù)位5層是處理效果最好。
基于小波閥值消噪的硝銨NQR信號處理
格式:pdf
大小:910KB
頁數(shù):8P
4.4
針對硝銨(an)核電四極矩共振(nqr)信號通過傅立葉變換頻域分析缺乏信號時域信息的特點,對硝銨nqr信號進行時頻分析,達到從強背景噪聲下檢測出nqr信號的目的.引入小波分析閥值去噪的方法對硝銨nqr信號進行處理.對處理后數(shù)據(jù)與標準信號之間的相關系數(shù)進行分析.實驗結果表明小波閥值去噪方法可以成功檢測到硝銨的nqr信號.
基于小波變換的汽輪機振動信號軟閥值消噪技術研究
格式:pdf
大?。?span id="10czcel" class="single-tag-height" data-v-09d85783>297KB
頁數(shù):4P
4.6
信號消噪是小波變換的重要應用,介紹了小波消噪的基本原理及其主要步驟,以及軟閥值消噪方法及軟閥值規(guī)則的選取,最后利用實驗仿真信號和現(xiàn)場實測汽輪機振動信號,并考慮噪聲方差估計的對消噪的影響,分析比較了各種軟閥值選取方式的消噪效果,從而得到軟閥值選取方式的有價值的規(guī)律和原則,利用最佳軟閥值處理后的小波系數(shù)重建信號,分析結果表明該方法能夠最有效地消除噪聲。
基于小波神經網絡的某邊坡預測研究
格式:pdf
大小:521KB
頁數(shù):3P
4.6
邊坡地表位移監(jiān)測是滑坡安全監(jiān)控中的重要內容,對監(jiān)測資料進行及時、合理、有效的分析,獲取滑坡變形規(guī)律和安全狀況是滑坡監(jiān)測的重要工作之一。文中將基于bp算法的小波神經網絡預測模型引入變形監(jiān)測預報中,對工程實例進行預測。結果表明小波神經網絡預測可以取得良好的效果,且自適應預測能力較強。
小波神經網絡在礦山變形監(jiān)測分析中的應用??
格式:pdf
大?。?span id="nfxob6o" class="single-tag-height" data-v-09d85783>1.1MB
頁數(shù):4P
4.4
為了減少礦區(qū)塌陷的發(fā)生,利用gps對礦山地表巖移進行了監(jiān)測分析。為了提高巖移觀測數(shù)據(jù)的預測精度和可靠性,文中采用小波神經網絡方法對監(jiān)測數(shù)據(jù)進行訓練、預測,成功預測出了未來一期的地表移動變化。結果表明,小波神經網絡具有良好的函數(shù)逼近能力,能夠反映出要素之間的非線性關系,預測數(shù)據(jù)可靠。
小波神經網絡在大壩變形監(jiān)測中的應用
格式:pdf
大?。?span id="curtlx6" class="single-tag-height" data-v-09d85783>236KB
頁數(shù):3P
3
小波神經網絡在大壩變形監(jiān)測中的應用——本文就小波神經網絡的模型建立的方法進行了介紹,通過編制matlab小波神經網絡程序,用一組變形監(jiān)測實數(shù)據(jù)對變形結果進行了仿真試驗,仿真的結果精度很高,能夠用于變形分析預報?! ?/p>
小波神經網絡在隧道施工沉降預測中的應用
格式:pdf
大?。?span id="ivx5zvd" class="single-tag-height" data-v-09d85783>362KB
頁數(shù):5P
4.5
為了盡量減小由隧道開挖引起的地面沉降而帶來的風險,需要在隧道施工過程中可靠地預測地表的變形量.該文采用改進的方法來選擇平移和伸縮因子的初始值,利用小波神經網絡分析預測隧道施工中的地表沉降量,并在預測中考慮了地表平均壓力、盾構機平均穿透深度、填充泥漿度等外界因素對地表沉降的影響.結果表明,利用改進的方法來選擇初始的平移和伸縮因子,提高了函數(shù)的逼真性能,并減小了估計誤差.
基于小波神經網絡的某邊坡預測研究
格式:pdf
大?。?span id="umoljv6" class="single-tag-height" data-v-09d85783>312KB
頁數(shù):3P
4.5
邊坡的地表位移監(jiān)測是滑坡安全監(jiān)控中的重要內容,對監(jiān)測資料進行及時、合理和有效的分析,獲取滑坡變形規(guī)律和安全狀況是滑坡監(jiān)測的重要工作之一。文章將基于bp算法的小波神經網絡預測模型引入變形監(jiān)測預報中,對工程實例進行了預測。結果表明小波神經網絡預測可以取得良好的效果,且自適應預測能力較強。
一種學習向量神經網絡的圖像插值算法
格式:pdf
大?。?span id="t2vo0e1" class="single-tag-height" data-v-09d85783>767KB
頁數(shù):4P
4.6
利用一種新型學習向量神經網絡實現(xiàn)了對灰度圖像的基于最佳點對匹配的圖像插值。采用新型學習向量神經網絡的最佳點對匹配圖像插值算法插值出的中間圖像,較好的解決了插值圖像邊緣模糊的現(xiàn)象。試驗結果表明,該方法插值得到的圖像邊界清晰較好,模糊度小,圖像連續(xù)。
基于小波變換的腦電信號去噪方法_論文初稿
格式:pdf
大?。?span id="v5ctr6i" class="single-tag-height" data-v-09d85783>869KB
頁數(shù):64P
4.7
本科畢業(yè)設計(論文) 基于小波變換的腦電信號去噪方法 燕山大學畢業(yè)設計(論文)任務書 學院:系級教學單位: 學 號 學生 姓名 專業(yè) 班級 題 目 題目名稱 題目性質 1.理工類:工程設計();工程技術實驗研究型(); 理論研究型();計算機軟件型();綜合型() 2.管理類();3.外語類();4.藝術類() 題目類型1.畢業(yè)設計()2.論文() 題目來源科研課題()生產實際()自選題目() 主 要 內 容 基 本 要 求 參 考 資 料 周次第~周第~周第~周第~周第~周 應 完 成 的 內 容 指導教師: 職稱:年月日 系級教學單位審批: 年月日 :表題黑體小三號字,內容五號字,行距18磅。(此行文字閱后刪除) 摘要 i 摘要 腦電信號(eeg)是腦神經細胞電生理活動在大腦皮層或頭皮表面的總
基于小波神經網絡的建筑火災預測模型及應用
格式:pdf
大?。?span id="665e5qj" class="single-tag-height" data-v-09d85783>239KB
頁數(shù):4P
4.5
隨著我國城鄉(xiāng)建設的飛速發(fā)展,建筑火災形勢日趨嚴峻,依靠傳統(tǒng)的管理技術和方法已遠遠不能適應社會和民眾對安全的需要。針對某城市建筑火災非線性時間序列,建立了小波神經網絡(wnn)預測模型,計算分析證明了該模型的可行性。該模型可與消防工作相結合,建立和實施城鄉(xiāng)綜合防災減災系統(tǒng),實現(xiàn)城鄉(xiāng)綜合防災減災的科學管理。
基于小波神經網絡的橋梁變形監(jiān)測預報
格式:pdf
大?。?span id="mi6kh10" class="single-tag-height" data-v-09d85783>1.7MB
頁數(shù):3P
4.4
小波神經網絡對建筑物變形預報具有較高的模型擬合及預報精度。從小波神經網絡算法原理出發(fā),闡述了使用該方法對所獲得的橋梁變形監(jiān)測數(shù)據(jù)進行模型建立及預報的過程,并利用matlab實現(xiàn)了編程代碼。通過對某橋梁變形監(jiān)測預報的應用表明,該方法具有很強的可行性和實用性,可及早為橋梁變形預警,避免或減少災害的發(fā)生。
小波神經網絡在房地產價格指數(shù)預測中的應用
格式:pdf
大?。?span id="nlnzxo5" class="single-tag-height" data-v-09d85783>932KB
頁數(shù):3P
3
小波神經網絡在房地產價格指數(shù)預測中的應用——隨著房地產價格指數(shù)的作用充分顯現(xiàn),探求預測房地產價格指數(shù)的有效方法是需深入研究的方向“該文以中房上海住宅價格指數(shù)為例,首先對房地產價格指數(shù)序列性質進行分析,表明房地產價格指數(shù)是具有非線性特征的非平穩(wěn)時...
基于小波神經網絡的城市地鐵施工變形預測
格式:pdf
大小:271KB
頁數(shù):5P
4.3
結合小波分析和神經網絡,建立了小波神經網絡預測模型和改進的小波神經網絡模型,并將其應用到某地鐵施工變形預測中。3種預測模型(傳統(tǒng)的神經網絡、小波神經網絡和改進的小波神經網絡)的對比分析表明,改進的小波神經網絡模型精度高,具有很好的應用前景。
基于小波神經網絡的基坑變形監(jiān)測預報研究
格式:pdf
大小:265KB
頁數(shù):3P
4.6
由于小波神經網絡對建筑物變形預報具有較高的模型擬合及預報精度,文章從小波神經網絡算法原理出發(fā),闡述了使用此方法對所獲得的基坑變形監(jiān)測數(shù)據(jù)進行模型建立及預報的過程,并運用c++語言實現(xiàn)了編程,經過對某基坑變形監(jiān)測預報的研究表明,該方法具有很強的可行性和實用性,可以及早為基坑梁變形做出預警,以避免或減少災害的發(fā)生。
基于小波神經網絡的建筑工程沉降變形預測
格式:pdf
大小:314KB
頁數(shù):8P
4.6
變形監(jiān)測是安全化、信息化工程建設和管理的重要內容,貫穿于建筑物設計、施工和運營整個過程.本文基于小波分析、bp神經網絡、小波分析與神經網絡結合的相關理論,借助matlab編程,建立了改進的bp神經網絡、輔助式小波神經網絡、嵌入式小波神經網絡3種變形預測網絡模型.結合工程實測數(shù)據(jù),利用建立的3種模型,分別應用累積沉降和期間沉降不同模式數(shù)據(jù)進行預測.結果表明,兩種小波神經網絡組合模型的預測效果明顯優(yōu)于單一的bp神經網絡模型,具有更高預測精度和更快的收斂速度,且訓練樣本數(shù)目越多,模型精度越高,預測效果越好.
改進的小波閥值去噪在地震信號中的應用
格式:pdf
大小:436KB
頁數(shù):3P
4.8
提出一種新的閥值函數(shù),對小波閥值去噪方法中傳統(tǒng)閥值函數(shù)的缺點進行改進.實驗結果表明,該方法有效提高了性噪比.
基于改進小波閥值的振動信號去噪方法研究
格式:pdf
大?。?span id="1y6fham" class="single-tag-height" data-v-09d85783>308KB
頁數(shù):3P
4.6
采取小波算法,運用小波變換閥值法對振動信號進行去噪。對比了傳統(tǒng)的軟閥值函數(shù)和硬閥值函數(shù)的優(yōu)缺點,并在軟、硬閥值函數(shù)的基礎上,提出了一種改進的閥值函數(shù)的方法。通過與軟、硬閥值函數(shù)方法去噪效果的仿真對比分析,新的去噪方法提高了重構信號的信噪比,可以有效去除噪聲,并對原始信號的細節(jié)特征保留較好。
遺傳算法優(yōu)化BP神經網絡的信號檢測
格式:pdf
大?。?span id="yrdps02" class="single-tag-height" data-v-09d85783>173KB
頁數(shù):未知
4.4
針對傳統(tǒng)方法單獨采用bp神經網絡算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經網絡,并將其應用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經網絡相結合,用遺傳算法優(yōu)化神經網絡初始值,使bp網絡快速收斂到最優(yōu)解,避免了由初始值的隨機選取而帶來的檢測誤碼。仿真結果表明所提出的方法在誤碼率方面有比較好的性能。
基于小波變換的電力變壓器振動信號去噪研究
格式:pdf
大?。?span id="bobylif" class="single-tag-height" data-v-09d85783>272KB
頁數(shù):未知
4.3
基于變壓器器身振動信號的監(jiān)測方法是近年來國內外研究的一種新方法,本文主要針對變壓器振動機理及采集到的振動信號進行研究,利用小波變換在信號處理方面的強大功能,通過對實際運行的電力變壓器振動信號進行時頻域分析處理,去除信號白噪聲。
基于小波神經網絡的工程陶瓷動態(tài)車削力預測
格式:pdf
大?。?span id="tmzbtfi" class="single-tag-height" data-v-09d85783>195KB
頁數(shù):未知
4.7
以小波分析和bp神經網絡為基礎,構建了小波神經網絡預測模型。使用ca6140車床對氟金云母陶瓷進行了干車削試驗,并用三向測力儀測量了切削過程的切削力變化趨勢?;谛〔ò械膚pbmpen函數(shù)對切削力信號進行了降噪處理,切削力信號在降噪后有明顯改善,能更形象地表達出切削力的變化趨勢。基于小波神經網絡對切削力進行了預測,結果表明:小波神經網絡預測值、信號降噪處理值和試驗值都非常相近,說明切削力在預測過程中具有一定的可靠性,小波神經網絡預測前對切削力信號的降噪處理是合理的。
文輯推薦
知識推薦
百科推薦
職位:交通運輸工程
擅長專業(yè):土建 安裝 裝飾 市政 園林