导读:本文包含了时域特征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:时域,特征,层析,模型,过电压,粒子,寿命。
时域特征论文文献综述
戴邵武,陈强强,丁宇[1]（2019）在《基于时域特征的滚动轴承寿命预测》一文中研究指出为了更好地表征滚动轴承性能退化趋势,提出基于时域特征和支持向量机的滚动轴承退化趋势预测方法;首先提取振动信号的时域特征组成高维特征集,利用主成分分析方法(PCA)对时域高维特征集进行维数约简,以消除各特征指标之间的冗余及信息冲突等问题;然后将维数约简后的特征向量作为输入数据,输入至由粒子群(PSO)优化的支持向量机中,建立退化趋势预测模型,从而完成退化趋势预测。运用滚动轴承全寿命试验数据进行验证分析,结果表明该方法能够获取准确的预测结果。(本文来源于《计算机测量与控制》期刊2019年10期）
罗媛媛,于林韬[2]（2019）在《基于时域特征的非局部块匹配去噪算法研究》一文中研究指出在传统的数字图像去噪算法中,大多数算法在单幅图像的基础上,根据噪声的统计特性模型来求取噪声特性的最优解,从而实现对噪声的去除。通过对噪声的形成原因和统计特性进行分析研究,从时域中提取有效的信息,结合噪声和图像纹理的特性提出了基于时域特征的非局部图像去噪算法。并通过仿真实验对算法进行了验证,实验的结果表明本文提出的算法在有效的去除了噪声的同时也很好的保留了图像的原始纹理细节。同目前已有的算法相比,所提算法去噪之后的图像可以呈现更好的主观质量。(本文来源于《长春理工大学学报(自然科学版)》期刊2019年05期）
孟丹阳,戴敏[3]（2019）在《基于时域特征的房颤识别方法》一文中研究指出针对便携式心电采集设备采集的手部心电信号质量较差、阵发性房颤识别困难问题,提出一种房颤自动识别方法,利用信息熵和连续小波变换(CWT,continuous wavelet transform)筛选奇异波形,准确识别心电信号中的R波,并利用R波信息提取心电信号的时域特征,利用BP神经网络构建阵发性房颤识别模型.在PCinCC2017和AFDB数据集上的实验表明,本文方法的房颤识别的灵敏度和特异性分别高于96%和98%,对失常10秒左右的短时阵发房颤的识别灵敏度和特异性均高于94%,可以应用于家庭便携式房颤监测.(本文来源于《天津理工大学学报》期刊2019年04期）
刘宇,肖明朗,郭俊启,张旭,张泽欣[4]（2019）在《基于加速度时域-斜率特征的多向行走识别算法》一文中研究指出为了解决行人多向行走模式识别中实时性差和识别精度不高的问题,提出了一种基于加速度时域-斜率特征的多向行走识别算法,通过计算和分析z轴加速度波峰或波谷时刻行人运动方向加速度斜率大小,准确识别行人前进、后退、左移、右移多个方向的行走模式。结果表明,本算法能实时识别行人每一步行走模式,平均识别精度在96%以上。(本文来源于《压电与声光》期刊2019年04期）
梁良,唐守锋,童敏明,董海波[5]（2019）在《基于THz时域混沌特征的煤粉细度检测方法的研究》一文中研究指出煤粉气力输送的细度检测对磨煤机工作状态的最优控制具有重要的意义。传统的检测方法多采用抽检取样法,通过分样筛等设备检测样品的细度,耗时长且操作复杂。国内外对细度地快速检测也有部分研究成果,但所测粉体浓度须较低,且设备稳定性还有待提高。太赫兹时域光谱技术(THz-TDS)是一种新型的无损检测技术,其低能性、选择透过性、相干性等特点使它具备其他光谱测量方法没有的优势。国内外对太赫兹辐射与颗粒介质相互作用的研究表明,太赫兹波对颗粒介质的细度具有显着敏感性,因此通过太赫兹波检测煤粉细度具有可行性。太赫兹波在高浓度颗粒介质的传播可以被看成是一个非线性动力过程,这个过程包含了复杂的非线性动力学效应,导致光谱测量结果具有混沌特征。将非线性动力系统的概念应用到太赫兹时域光谱信号的分析中,将太赫兹时域光谱信号视为由复杂非线性动力系统产生的时间序列进行特征分析。实验中将煤样研磨并筛分为<38.5, 55～74, 74～88, 88～105和105～200μm六种细度,并将煤粉与HDPE混合后压制成样品片。分别提取了的煤粉样品太赫兹时域光谱信号的功率谱熵、小波能量熵、盒维数、关联维数、偏度和峭度作为太赫兹时域光谱的混沌特征,通过比较发现这些混沌特征与细度变化具有一定的相关性,从视觉上可以大致区分出细度范围,但无法进行定量分析。支持向量机常用来解决小样本和非线性的分类问题,但是需要选择合适的参数才能建立较为准确的预测模型。文中引入粒子群算法来优化支持向量机建模参数选择。将上述提取的混沌特征向量作为粒子群算法优化的支持向量机的输入变量,以分样筛筛孔作为回归目标,对所测量煤粉细度建立回归模型。实验结果表明利用混沌特征建立的回归模型对<38.5和38.5～55μm样品的预测结果要逊色于消光谱建模的回归结果,认为这是因为煤粉细度小,太赫兹波在样品中传播时与煤粉颗粒相互作用也比较弱,时域信号的混沌特征表现不明显所导致。对55～74, 74～88, 88～105和105～200μm煤粉样品细度的预测结果要明显优于频域消光谱建立的模型,特别是74～88和105～200μm样品,校正集均方根误差相对于消光谱分别下降了29.48%和26.14%,预测集误差分别下降了88.62%和56.86%。从预测结果整体上来看,采用混沌特征建模的预测结果与目标细度的相关系数为0.9618,消光谱建模的预测结果相关系数仅为0.78。混沌特征建模的均方根预测误差仅为9.52,消光谱建模的均方根预测误差为24.48。同时采用混沌特征的建模时间相对于消光谱的建模时间下降了43.19%。研究结果为太赫兹时域光谱技术在高浓度煤粉气力输送细度检测上的应用提供了科学依据和参考。(本文来源于《光谱学与光谱分析》期刊2019年05期）
马尚洋[6]（2019）在《基于能量代谢时域特征方法细胞标记系统的关键技术研究》一文中研究指出并行光学相干层析术(Parallel Optical Coherence Tomography,POCT)是一种基于宽谱低相干光源弱干涉原理的新兴医学成像技术,主要用于捕获高分辨、深穿透、高对比度生物组织图像。它具有非接触、无损害、高分辨率、实时成像等诸多优势,已经普遍地应用于门诊预先研究、心血管影像、生物实验室活体组织检测等领域。目前,POCT图像提取算法主要采用相位移动算法(如二阶相移、四阶相移等),法国Langevin研究所Boccara团队提出利用时间域图像信号动态解算POCT图像,实现生物组织特征图像提取,称之为‘动态POCT’图像。本文针对动态POCT影像系统的调校、图像解算算法和噪声抑制技术展开研究。本文阐述了POCT系统原理及研究动态,结合生物组织成像要求,搭建了以Linnik干涉结构为核心的POCT成像系统。系统由光源臂(含非相干LED光源、准直扩束结构)、采样臂(含显微物镜和样品室)、干涉臂和探测臂(含位移台、面阵CCD探测器)以及控制和解算计算机组成。POCT系统的光源干涉长度只有微米级,参考臂与采样臂单臂出现微米级对位误差、毫弧级折射元器件倾斜,都将导致干涉条纹丧失,致使系统失效,本文创造性地采用光源与相机相互矫正离焦量的迭代调校手段,利用光学元件10微米以上的焦深和微米级干涉图案深度迭代调校,实现了高精度元件定位,获得了高对比度的干涉条纹。本文还依据POCT成像特点,详细分析POCT系统的噪声来源及特性,提出降噪方法与标准差计算相结合的动态POCT图像解调方案,并利用MATLAB仿真分析了中值降噪、均值降噪和小波阈值降噪算法有效性。数值仿真分析结果表明,相比于传统去噪方法如中值降噪、均值降噪,基于小波变换的阈值降噪方法与标准差计算相结合的技术方案,具有更高的信噪比,为提取高质量动态POCT图像奠定了良好数值基础。(本文来源于《长春理工大学》期刊2019-05-01）
王斌[7]（2019）在《基于时域分割特征的弹簧操动机构断路器机械故障诊断》一文中研究指出电网可靠性与高压断路器的运行状态直接相关。断路器操动机构的安全可靠性是保证断路器正常运行的重要条件。当电力系统处于正常运行状态,进行高压设备的计划检修时,高压断路器用于开断线路以保证安全;当系统发生故障时,通过继电器保护装置的作用,切断高压线路中的短路电流和过负荷电流,以防止故障范围变大。高压断路器在正常运行时发生故障,将对电力系统造成非常严重的危害,甚至会引起供电中断,对国民经济造成严重损失。在高压断路器运行过程中,通过对其动作产生的振动信号进行分析能够发现弹簧储能不足、螺丝松动等多种机械故障。因此,基于振动信号的高压断路器的故障诊断具有重要意义。为提高高压断路器机械振动信号特征提取效率,本文采用原始信号时域分割方法对断路器振动信号进行信号处理和特征提取,来获取高压断路器操动机构在动作过程中产生的机械状态信息。其主要研究内容包括振动信号采集、振动信号特征提取、最优特征集合构建和断路器状态识别四个部分。首先,针对断路器振动信号的获取,搭建了合理的高压断路器振动信号采集平台,用来采集断路器不同状态下的振动信号。其次,现有特征能够准确的对不同状态信号进行有效描述,但高压断路器振动信号的故障特征频域分布广泛,且实际工作中易受安装等外界因素影响,难以从特定频域中提取相关特征。由于断路器振动信号中,不同故障状态信号在幅值、衰减程度及振动起始时间上存在差异,因此,可直接对原始振动信号时域分割提取特征分析高压断路器故障状态。通过多组测试样本实验分析,证明了本文采用的特征提取方式效率高。然后,为了提高特征的分类能力,针对原始特征集合的维度过高造成特征提取效率低的问题,采用基于基尼重要度对特征进行排序和基于散布矩阵的特征评价指标对所提取特征进行特征可分离性分析以及最优特征集合分析,单特征分析时只对单特征集合进行评估,多特征分析时先计算特征重要度并降序排列,之后采用评价指标结合前向搜索确定最优特征集合。最后,构建了单类分类器和多类分类器联合的层次化混合分类器,首先由单分类支持向量机区分正常与故障状态;如为故障状态,则使用随机森林识别故障类型,之后再以单分类支持向量机校正随机森林识别结果。实验证明,采用基于原始信号时域分割的特征提取效率高,特征选择能够降低运算复杂度,而且层次化混合分类器能有效识别无训练样本未知故障类型且识别准确率高。(本文来源于《东北电力大学》期刊2019-05-01）
韩海安[8]（2019）在《时域有限差分法配电线路耦合雷电过电压求解及空间变化特征分析》一文中研究指出电力系统中配电线路一般裸露在空气中,极易遭受雷电过电压侵害造成供电中断。针对配电线路耦合过电压的空间分布特征问题,采用时域有限差分方法(FDTD)对雷击点相对于配电线路中点、端点位置处的雷电感应过电压进行计算,从而对耦合的雷电过电压峰值时间及空间变化趋势进行研究。仿真结果表明:雷击点处于配电线路中部时,产生峰值28. 07 kV的雷电过电压,且线路中点位置处束缚的感应电荷最多,随后由中点迅速地向线路两端移动。而雷击点处于线路两端时,产生峰值32. 74 k V的雷电感应过电压。(本文来源于《电测与仪表》期刊2019年11期）
张妮[9]（2019）在《基于表面肌电信号时域特征分析的下肢康复评估研究》一文中研究指出肌张力障碍是目前发病率比较高的一种运动性障碍综合征,这类病症不仅给患者的生活带来行动不便、生活不能自理等问题,甚至还严重的影响了患者的身心健康。传统的临床康复治疗受医师和患者的双重限制存在很多的弊端,而利用表面肌电信号(surface electromyogram,sEMG)与临床医疗的结合,可以通过数据分析定性地对受试者进行诊断评估,从而大大提高了训练效率。信号采集作为数据分析的基础,由于采集过程比较繁琐、采集设备较为昂贵等因素可能会出现某些通道信号缺失或采集存在误差等现象。因此,本论文提出将神经网络模型用于缺失通道的sEMG信号预测,并利用预测得到的sEMG信号提取特征信息对肌张力障碍进行下肢康复评估分析。论文的主要工作如下:首先,根据sEMG信号的产生机理及特点设计实验的总体方案,包括确定电极类型、肌肉组织以及电极的贴放位置、健康受试者、患病受试者以及下肢典型动作等,并完成各个肌肉通道的sEMG信号的采集。其次,对采集sEMG信号时外界干扰的噪声源进行分析,并利用巴特沃斯低通滤波对信号进行滤波处理。本文以Keras深度学习框架为基础,通过搭建深度神经网络(Deep Neural Network,DNN)、支持向量回归(Support Vector Regression,SVR)和栈式自编码(Stack Autoencoder,SAE)模型对健康受试者的股直肌(RF)肌肉的sEMG信号进行预测。最后,对sEMG信号的分析处理进行介绍,包括时域特征提取以及显着性差异分析等。通过提取健康受试者预测数据以及患病受试者采集数据的各个典型动作的特征值信息,并利用显着性水平α=0.05的T-检验对两组受试者各特征值的变异系数之间进行显着性差异分析,从而实现肌张力障碍的诊断评估。本论文提出的利用神经网络模型预测缺失通道sEMG信号的方法取得了很好的实验效果。因此提出的神经网络模型可以有效的用于有限通道的肌电图捕获和缺失通道信号的计算,不仅节省了时间和精力,还节省了捕获设备的费用。同时利用时域特征值提取并进行显着性差异分析的方法也可以有效地对两组受试者进行区分诊断,从而为后续的研究奠定了基础。(本文来源于《长安大学》期刊2019-04-12）
高峰,曲建岭,袁涛,高峰娟[10]（2019）在《基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法》一文中研究指出实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度学习理论的基础上,着重考虑不同传感器之间的参数关系,引入差分时域特征扩充特征集,构建了基于长短时记忆网络的寿命预测模型DTF-LSTM。在C-MAPSS数据集上的实验结果表明,该算法相较于其他深度学习算法具有更低的均方根误差(RMSE)值,可以有效实现发动机剩余寿命预测。(本文来源于《电子测量与仪器学报》期刊2019年03期）
时域特征论文开题报告
（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：
在传统的数字图像去噪算法中,大多数算法在单幅图像的基础上,根据噪声的统计特性模型来求取噪声特性的最优解,从而实现对噪声的去除。通过对噪声的形成原因和统计特性进行分析研究,从时域中提取有效的信息,结合噪声和图像纹理的特性提出了基于时域特征的非局部图像去噪算法。并通过仿真实验对算法进行了验证,实验的结果表明本文提出的算法在有效的去除了噪声的同时也很好的保留了图像的原始纹理细节。同目前已有的算法相比,所提算法去噪之后的图像可以呈现更好的主观质量。
（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。
时域特征论文参考文献
[1].戴邵武,陈强强,丁宇.基于时域特征的滚动轴承寿命预测[J].计算机测量与控制.2019
[2].罗媛媛,于林韬.基于时域特征的非局部块匹配去噪算法研究[J].长春理工大学学报(自然科学版).2019
[3].孟丹阳,戴敏.基于时域特征的房颤识别方法[J].天津理工大学学报.2019
[4].刘宇,肖明朗,郭俊启,张旭,张泽欣.基于加速度时域-斜率特征的多向行走识别算法[J].压电与声光.2019
[5].梁良,唐守锋,童敏明,董海波.基于THz时域混沌特征的煤粉细度检测方法的研究[J].光谱学与光谱分析.2019
[6].马尚洋.基于能量代谢时域特征方法细胞标记系统的关键技术研究[D].长春理工大学.2019
[7].王斌.基于时域分割特征的弹簧操动机构断路器机械故障诊断[D].东北电力大学.2019
[8].韩海安.时域有限差分法配电线路耦合雷电过电压求解及空间变化特征分析[J].电测与仪表.2019
[9].张妮.基于表面肌电信号时域特征分析的下肢康复评估研究[D].长安大学.2019
[10].高峰,曲建岭,袁涛,高峰娟.基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法[J].电子测量与仪器学报.2019
论文知识图
