sinc-1模型作为逆系统能较好地改善LCD运动图像模糊现象,但其在极点处无法正确还原运动模糊的图像,且难以硬件实现.因此,本文从系统辨识的角度出发,提出了一种采用基于变步长最小均方误差(Least mean square,LMS)的低阶Volterra非线性...sinc-1模型作为逆系统能较好地改善LCD运动图像模糊现象,但其在极点处无法正确还原运动模糊的图像,且难以硬件实现.因此,本文从系统辨识的角度出发,提出了一种采用基于变步长最小均方误差(Least mean square,LMS)的低阶Volterra非线性系统拟合sinc-1模型的LCD运动图像去模糊的方法.仿真结果表明,该方法能消除sinc-1模型的极点问题,较好地改善了LCD运动图像模糊现象,简单且易于硬件实现.展开更多
针对旋转机械故障诊断方法中信号处理和模式识别的不足,即端点效应和判别片面性问题,提出一种基于互相关匹配延拓局部特征尺度分解(Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition,CELCD)和...针对旋转机械故障诊断方法中信号处理和模式识别的不足,即端点效应和判别片面性问题,提出一种基于互相关匹配延拓局部特征尺度分解(Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition,CELCD)和改进多变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的智能故障诊断方法,首先探索待分解信号前后端的数据规律,选取匹配波形完成端点延拓,然后利用局部特征尺度分解(Local Characteristic scale Decomposition,LCD)得到各去除端点效应的内禀尺度分量(Intrinsic Scale Component,ISC),最后输入到基于多模型融合的多变量预测模型(Multi-model Fusion-Variable Predictive Model based Class Discriminate,MFVPMCD)分类器中进行概率状态判定.实验分析结果表明,所提方法能有效地对滚动轴承的工作状态进行识别.展开更多
文摘sinc-1模型作为逆系统能较好地改善LCD运动图像模糊现象,但其在极点处无法正确还原运动模糊的图像,且难以硬件实现.因此,本文从系统辨识的角度出发,提出了一种采用基于变步长最小均方误差(Least mean square,LMS)的低阶Volterra非线性系统拟合sinc-1模型的LCD运动图像去模糊的方法.仿真结果表明,该方法能消除sinc-1模型的极点问题,较好地改善了LCD运动图像模糊现象,简单且易于硬件实现.
文摘针对旋转机械故障诊断方法中信号处理和模式识别的不足,即端点效应和判别片面性问题,提出一种基于互相关匹配延拓局部特征尺度分解(Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition,CELCD)和改进多变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的智能故障诊断方法,首先探索待分解信号前后端的数据规律,选取匹配波形完成端点延拓,然后利用局部特征尺度分解(Local Characteristic scale Decomposition,LCD)得到各去除端点效应的内禀尺度分量(Intrinsic Scale Component,ISC),最后输入到基于多模型融合的多变量预测模型(Multi-model Fusion-Variable Predictive Model based Class Discriminate,MFVPMCD)分类器中进行概率状态判定.实验分析结果表明,所提方法能有效地对滚动轴承的工作状态进行识别.