期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于信号稀疏性的EMT流型辨识 被引量:2
1
作者 王静文 王旭 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2016年第1期11-14,共4页
针对电磁层析成像流型识别率低的问题,提出基于信号稀疏性的EMT流型辨识方法.在Maxwell方程组电磁感应原理基础之上,用Comsol有限元仿真软件建立了带有8个电磁线圈的仿真模型.首先建立了几种不同流型的仿真模型并测量其电压值,将测量电... 针对电磁层析成像流型识别率低的问题,提出基于信号稀疏性的EMT流型辨识方法.在Maxwell方程组电磁感应原理基础之上,用Comsol有限元仿真软件建立了带有8个电磁线圈的仿真模型.首先建立了几种不同流型的仿真模型并测量其电压值,将测量电压归一化后作为EMT流型辨识的判别依据;然后将其表示为稀疏性组合;最后通过信号稀疏性建立的数学模型求得最优解,从而实现流型归属.实验结果表明:本文方法能对环流、核心流等进行识别,且识别率较高,是一种值得进一步研究和推广的方法. 展开更多
关键词 电磁层析成像 流型辨识 信号稀疏性 采样 相关系数
下载PDF
基于单通道盲源分离的结构模态参数识别 被引量:2
2
作者 甄龙信 任良 董前程 《振动与冲击》 EI CSCD 北大核心 2023年第11期252-261,294,共11页
针对基于传统盲源分离算法的结构模态参数识别需要满足传感器数目不少于源信号数目的问题,提出一种基于单通道盲源分离的结构模态参数识别方法,该方法利用单个通道信号即可完成结构模态参数识别。利用同步提取变换(synchro extracting t... 针对基于传统盲源分离算法的结构模态参数识别需要满足传感器数目不少于源信号数目的问题,提出一种基于单通道盲源分离的结构模态参数识别方法,该方法利用单个通道信号即可完成结构模态参数识别。利用同步提取变换(synchro extracting transform,SET)对单通道观测信号进行时频分析以确定变分模态分解(variational mode decomposition,VMD)参数K的取值;将观测信号利用VMD分解形成K个本征模态函数(intrinsic mode function,IMF);将K个IMF进行线性混合形成2维观测信号并与原单通道观测信号重构形成3维观测信号,利用基于信号稀疏性的源信号分离算法分离得到各单模态信号;利用单模态识别技术识别结构模态参数。仿真和实测信号数据表明所提方法的有效性。 展开更多
关键词 单通道盲源分离 同步提取变换(SET) 变分模态分解(VMD) 信号稀疏性 模态参数识别
下载PDF
基于时频域单源主导区的盲源欠定分离方法 被引量:15
3
作者 刘琨 杜利民 王劲林 《中国科学(E辑)》 CSCD 北大核心 2008年第8期1284-1301,共18页
提出时频域上单源主导的概念及其性质,扩充了稀疏性概念涵盖的混叠声源范围,更加接近多声源混叠的客观实际条件.派生的单源主导区间检测准则,在工程实践中具有较强的可操作性.在此基础上提出新的基于时频域单源主导区的盲源欠定分离方法... 提出时频域上单源主导的概念及其性质,扩充了稀疏性概念涵盖的混叠声源范围,更加接近多声源混叠的客观实际条件.派生的单源主导区间检测准则,在工程实践中具有较强的可操作性.在此基础上提出新的基于时频域单源主导区的盲源欠定分离方法(SSDI-UDBBS),对声源数目和混叠矩阵的幅值衰减比与时延差同时进行准确地估计,并根据估计得到的声源数目和混叠矩阵,提出采用计算效率高的限制解计算框架求解还原声源的问题.新算法的可应用性在模拟会议室场景下的声源数目未知和传感器数目小于声源数目的盲源欠定分离实验中得到了佐证. 展开更多
关键词 盲源分离 单源主导区间 衰减与时延差估计 声源数目估计 信号稀疏性
原文传递
Current progress in sparse signal processing applied to radar imaging 被引量:6
4
作者 ZHAO Yao FENG Jing +2 位作者 ZHANG BingChen HONG Wen WU YiRong 《Science China(Technological Sciences)》 SCIE EI CAS 2013年第12期3049-3054,共6页
Sparse signal processing is a signal processing technique that takes advantage of signal’s sparsity,allowing signal to be recovered with a reduced number of samples.Compressive sensing,a new branch of the sparse sign... Sparse signal processing is a signal processing technique that takes advantage of signal’s sparsity,allowing signal to be recovered with a reduced number of samples.Compressive sensing,a new branch of the sparse signal processing,has become a rapidly growing research field.Sparse microwave imaging introduces the sparse signal processing theory to radar imaging to obtain new theories,new systems and new methodologies of microwave imaging.This paper first summarizes the latest application of sparse microwave imaging,including Synthetic Aperture Radar(SAR),tomographic SAR and inverse SAR.As sparse signal processing keeps evolving,an avalanche of results have been obtained.We also highlight its recent theoretical advances,including structured sparsity,off-grid,Bayesian approaches,and point out new research directions in sparse microwave imaging. 展开更多
关键词 sparse signal processing sparse microwave imaging compressive sensing radar imaging
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部