高级搜索

基于奇异值分解的随机共振特征提取研究

,  , 

downloadPDF

上一篇

下一篇

郑安总, 冷永刚, 范胜波. 2012: 基于奇异值分解的随机共振特征提取研究, 物理学报, 61(21): 77-85.
引用本文: 郑安总, 冷永刚, 范胜波. 2012: 基于奇异值分解的随机共振特征提取研究, 物理学报, 61(21): 77-85.
shu
2012: Features extraction based on singular value decomposition and stochastic resonance, Acta Physica Sinica, 61(21): 77-85.
Citation: 2012: Features extraction based on singular value decomposition and stochastic resonance, Acta Physica Sinica, 61(21): 77-85.
shu

基于奇异值分解的随机共振特征提取研究

  • 天津大学机械工程学院,天津,300072

  • 天津大学机械工程学院,天津300072 天津大学机构理论与装备设计教育部重点实验室,天津300072

Features extraction based on singular value decomposition and stochastic resonance

  • 摘要: 针对强背景噪声下信噪比极低的微弱特征信号的识别问题，提出了基于奇异值分解的随机共振特征提取方法．该方法首先利用奇异值分解对实际采样信号进行预处理和重构，然后寻找到特征信号分量与噪声强度相匹配的分量信号．此分量信号再经过非线性双稳系统的随机共振处理，可实现从强噪声背景中检测极微弱的特征信号．
    Abstract: In order to detect the weak characteristic signal submerged in heavy noise with extremely low signal-to-noise ratio, a method based on singular value decomposition (SVD) and stochastic resonance is proposed. The sampling signal is first preprocessed and reconstructed by means of SVD, and then we search for a component signal. In the component signal, the components of the characteristic signal match noise strength. Then the component signal is processed with the non-linear bistable system to obtain stochastic resonance response, thus the goal of detecting the weak characteristic signal submerged in a heavy background noise is realized.
  • 加载中
  • 加载中
计量
  • 文章访问数:  321
  • HTML全文浏览数:  81
  • PDF下载数:  0
  • 施引文献:  0
出版历程
  • 刊出日期:  2012-11-15

基于奇异值分解的随机共振特征提取研究

  • 天津大学机械工程学院,天津,300072
  • 天津大学机械工程学院,天津300072 天津大学机构理论与装备设计教育部重点实验室,天津300072

摘要: 针对强背景噪声下信噪比极低的微弱特征信号的识别问题，提出了基于奇异值分解的随机共振特征提取方法．该方法首先利用奇异值分解对实际采样信号进行预处理和重构，然后寻找到特征信号分量与噪声强度相匹配的分量信号．此分量信号再经过非线性双稳系统的随机共振处理，可实现从强噪声背景中检测极微弱的特征信号．

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回