搜索资源列表
周期信号的傅里叶分析
- 周期的或非周期的信号分析在科学研究和工程技术中一直是最重要的和最基本的任务之一，傅立叶分析是一种常用的分析信号特征的方法。通过傅立叶变换的方法将信号在时域与频域之间互相转换是一种常用的手段，一些在时域中难以分析的号，在频域中可以清楚地分析它的特征。
机械振动学
- 机械振动学： 《机械振动学》（研究生）（46学时内容与实施计划） Part Ⅰ.线弹性系统的振动 Chapter1.多自由度系统的振动分析 Chapter2.弹性体的振动分析 Chapter3.多自由度系统的特征值、特征向量的计算 Chapter4.振动分析的数值方法 PartⅡ.随机振动 Chapter1.随机过程概论 Chapter2.随机过程的时域分析 Chapter3.随机过程的频域分析 Chapter4.系统的响应函数 Cha
Image-Hashing-based-on-Human-Visual-System
- 提出一种基于视觉特性的图像摘要算法，增大人眼敏感的频域系数在计算图像Hash时的权重，使得图像Hash更好地体现视觉特征，并提高鲁棒性。将原始图像的分块DCT系数乘以若干由密钥控制生成的伪随机矩阵，再对计算的结果进行基于分块的Watson人眼视觉特性处理，最后进行量化判决产生固定长度的图像Hash序列。本算法比未采用视觉特性的算法相比，提高了对JPEG压缩和高斯滤波的鲁棒性。图像摘要序列由密钥控制生成，具有安全性。-Based on t
tuxiangchulixitongpingtai
- 本课题将包括图像的摄入和保存、平滑、直方图、锐化、边缘提取、分析 与描述、频域变化等一系列基本处理过程。为了理论联系实际，本课题还对指 纹，文字等线条纹图像的识别进行了初步的探讨，其目的是构造自动处理某些 信息的机器系统，以代替人类完成分类和辨识的任务，尤其是指纹识别对于安 全保障，公安破案方面有很大的帮助。为了使计算机识别时能很快的提取关键 特征，提高准确度，减少时空耗费，本课题在分析了多种传统的条件细化、模
jingeiARTYU
- 本资料的功能为：运用数学统计方法和时间序列分析方法对原始振动信号进行分析，获取相应的时域，频域，频域及时间序列模型参数并以此作为特征参数，然后运用距离区分技术进行评估，选取敏感的特征参数作为ART-similarity分类器的输入并进行训练，最后便可识别出设备的性能状态。 基于YU范数对承不同预紧状态的分析，针对进给系统所采集的数据样本事先不知其对应的状态时，则可利用基于YU范数的ART-Similarity监督分类器对其进行
seisrectime
- 这就相当于透过栅栏观赏风景,只能看到频谱的一部分,而其它频率点看不见,因此很可能使一部分有用的频率成分被漏掉,此种现象被称为栅栏效应。 不管是时域采样还是频域采样，都有相应的栅栏效应。只是当时域采样满足采样定理时，栅栏效应不会有什么影响。而频域采样的栅栏效应则影响很大，“挡住”或丢失的频率成分有可能是重要的或具有特征的成分，使信号处理失去意义。 -This quite in penetrates the stockade wat
voice-recognition_matlab-code
- 读入语音文件，并对其做时域、频域的分析，提取相关特征参数。进行线性预测分析，得到LPC谱等线性预测参数，并做了基于预测误差的基音周期估计。-read .wav files，analysing them in time domain，frequency domain and extract some feature parameters related，then do linear prediction analysis ，and get
An-Image-Mosaics-Method
- 本文提出了一种基于时域和频域的图像拼接算法。该算法采用一种先粗后细的两步拼接方法，首先利用Fourier变换将原始图像变换到频域进行粗估计，再利用图像时域特征计算精确变换关系，然后根据得到的变换关系迸行匹配拼接。-Image mosaics Feature points Fourier transform
24
- 将高阶时频表示引入机械故障诊断领域。介绍了Wigner 高阶矩谱(WHOS)的概念、定义。针对多分量信号Wigner 高阶矩谱的交叉项会产生“虚假信号”,结合局域波法, 提出了一种抑制WHOS交叉项的新方法。首先对复杂信号进行预处理, 利用局域波分解方法把其分解成有限个具有单分量特性的基本模式分量,然后对每个基本模式分量计算WHOS。该方法能有效抑制WHOS时频分布的交叉项。通过仿真实验和转子的故障实验,以Wigner 双谱为例, 验证
25
- 针对风力发电机齿轮箱的故障，介绍常用的故障诊断方法，理论上分析齿轮箱故障振动 信号的特征，并用 软件仿真其振动信号 对比正常运行与发生故障时的频域信号波形，并进行了一定的分析，为风力发电机齿轮箱的故障诊断提供了参考-Wind turbine gearbox failures, to introduce fault diagnosis method theoretically analyze the characteristics o
WAVE-weifengyin
- 小波变换具有多分辨率分析的特点，并且在时频两域都具有表征信号局部特征的能力。小波变换通过将时间系列分解到时间频率域内，从而得出时间系列的显著的波动模式，即周期变化动态，以及周期变化动态的时间格局（Torrence and Compo, 1998）。小波（Wavelet），即小区域的波，是一种特殊的、长度有限，平均值为零的波形。它有两个特点：一是“小”，二是具有正负交替的“波动性”，即直流分量为零。小波分析是时间（空间）频率的局部化分析，
Local-waveanalysis-of-the-law
- 为了克服傅氏变换不能同时保留信号的时间 信息和频率信息的缺点,人们引进了局域波法，它是最近发展起来的处理非线性、非平稳信号的时频分析方法,通过对信号局部特征出发,直接由信号本身构造基函数,具有良好的局部适应性-In order to overcome the Fourier transform of the shortcomings of the time and frequency information of the signa
frequency-division-multiplexing
- 选择五个不同频段的信号对其进行频谱分析，根据信号的频谱特征设计五个不同的数字滤波器，将五路信号合成一路信号，分析合成信号的时域和频域特点，然后将合成信号分别通过设计好的五个数字滤波器，分离出原来的五路信号，分析得到的五路信号的时域波形和频谱，与原始信号进行比较，说明频分复用的特点。-To select one of five different band signal spectrum analysis and design of fi
DWT-watermarkzip
- 小波分析是从傅立叶分析发展出来的一种新的时间频率分析方法，由于它的多尺度分析特征，又被称为时间尺度分析方法。小波变换的基本思想是将原始信号经伸缩及平移后，分解为一系列具有不同空间分辨率、不同频率特性和方向特性的子带信号，这些子带信号具有良好的时域、频域局部特性，这些特征可用来表示原始信号的局部特征，进而实现对信号时间、频率的局部化分析。-DWT-watermark method
87
- 小波分析可同时从时域和频域两个方面对信号进行分析，结合包络分析十分适合滚动轴承的故障特征提取；基于双通道的全矢小波分析方法不仅对单通道小波分析方法具有兼容性，而且弥补了传统的基于单通道信 息进行旋转机械故障特征提取造成的信息量不完整、易导致误诊的弊端。结果表明，在针对滚动轴承外圈故障特征提取时，全矢小波分析方法较小波一包络分析方法具有一定的优势。 -Wavelet analysis simultaneously from the
shiyuzhibiao16
- 信号特征提取16个时域、频域指标 均值、标准差、方差、 偏斜度指标、峭度指标、 峰-峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标-Signal feature extraction 16 time domain, frequency domain mean, standard deviation, variance, skewness index, kurtosis index, peak- peak, mean s
tiqu_ok
- 实现对信号的时域频域小波奇异值等特征提取-Realization of the signal in the time domain frequency domain wavelet feature extraction, such as singular value
lfm
- 简单的将线性调频信号的时域图和频域图对比描述，帮助读者更加直观的看出线性调频信号的特征-Simple time domain and frequency domain plots in Figure chirp signal contrast descr iption to help readers see more intuitive chirp signal characteristics
shibie
- 为了有效对抗灵巧噪声，从雷达信号与噪声信号的产生原理出发，对比了 2 种信号的时、频域差别，并就对抗技 术进行了针对性探讨，研究表明结合信号特征差异识别和针对性的噪声对抗技术能够有效解决灵巧噪声干扰问题-In order to effectively fight smart noise generated from the principle of the radar signal and noise signal of depa
dimensionalspectral
- 小波变换是一种线性运算 , 它对信号进行不同尺度的分解 , 可有效地应用于如 信噪分离 , 提高时频两域的分辩率等 。本文讨论小波变换用于心电 Q RS 波形中细微特征 ( 即高频成份特征 ) 提取的方法.-Wavelet transform is a linear operation, its signal is decomposed at different scales, can be effectively used