振动信号处理

Python在振动信号处理中的应用（〇）：编者闲扯

——致敬王济老师《matlab在振动信号处理中的应用》  自2013年“工业4.0”概念提出后，工业大数据分析与应用领域的发展可谓日新月异，不断为社会贡献各种可能。
一事无成_暂定·2023-02-23 22:44

matlab在振动信号处理中的应用_深度学习在物理层信号处理中的应用研究

作者：Murph摘要：目前针对5G通信高可靠和超高容量无线通信的需求已经引起了广泛关注与研究。然而，当前的通信系统依然受制于传统的通信理论而限制了网络性能的突破性提升。作为一项广受关注和应用的新兴技术，深度学习已经被证实有潜力处理复杂通信系统中通信问题并提高通信性能。本文主要介绍基于深度学习的物理层应用，并提出一种基于深度Q网络(DQN)的MIMO系统位置信息验证方案，接收者在多变未知的信道环境下
weixin_39612849·2023-02-01 07:54

Pyhon在振动信号处理中的高级应用（四）：匹配滤波去噪

文章目录一、概述二、基本原理三、python实现3.1生成模拟信号3.2源信号匹配滤波3.3自相关匹配滤波四、Tips一、概述  匹配滤波（matchedfiltering）是最佳滤波的一种，该滤波器的准则是输出信噪比最大，常用于通信、雷达等系统的接收机中，当输入信号具有某一特殊波形时，其输出达到最大。说人话就是，假设我们有两个信号A和B，用A来对B信号进行滤波，如果B信号与A信号波形一致，其输出
白银时代_·2022-12-06 19:15

matlab在振动信号处理中的应用,MATLAB在振动信号处理中的应用

pdf扫描文件共259页书名:MATLAB在振动信号处理中的应用出版社:中国水利水电出版社定价:32条形码:9787508426808ISBN:ISBN7-5084-2680-0作者:王济,胡晓出版日期
水稻偏爱者·2022-12-01 07:03

Pyhon在振动信号处理中的高级应用（七）：自适应滤波降噪（LMS、RLS算法）

文章目录一、概述二、算法原理三、Python实现四、Tips一、概述  自适应滤波是近年以来发展起来的一种最佳滤波方法。它是在维纳滤波,Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能。从而在工程实际中,尤其在信息处理技术中得到了广泛的应用。自适应滤波存在于信号处理、控制、图像处理等许多不同领域，它是一种智能更有针对性的滤波方法，通常用于去噪。二、
白银时代_·2022-11-27 01:32

python实战故障诊断之CWRU数据集（一）：数据集初识

文章目录1.概述2.CWRU数据集简介2.1.试验设施简介2.2.试验数据简介3.轴承数据初步探索4.轴承的故障特征频率探索1.概述  在完成了振动信号处理的基础篇与高级篇后，不少读者建议采用真实数据对各类振动信号算法进行剖析
白银时代_·2022-11-22 18:04

稀疏表示与字典学习（2）基于字典学习的振动信号处理

稀疏表示与字典学习（2）基于字典学习的振动信号处理1.信号读取2.基于字典学习的信号特征提取3.提取结果与可视化参考文献资料1.信号读取测试数据集为Ottawa变转速轴承数据集importscipy.ioasscioimportmatplotlib.pyplotaspltdefdata_acquist
cnjs1994·2022-11-14 19:16

Python在振动信号处理中的应用（一）：振动信号消除多项式趋势项

文章目录一、概述二、最小二乘法去除趋势项原理三、python模块介绍3.1scikitlearn简介（1）转化器(Transformer)（2）估计器(Estimator)3.2线性回归LinearRegression3.3多项式PolynomialFeatures3.4工作流Pipeline四、python代码实现4.1构造模拟信号4.2编写去除趋势项主代码4.3展示算法效果五、TIPS一、概述
白银时代_·2022-10-27 18:03

Python在振动信号处理中的应用（六）：振动信号时域特征提取

文章目录一、概述二、算法原理2.1概率分布函数和概率密度函数2.1.1概率分布函数2.1.1概率密度函数2.2均值、均方根值及方差2.3相关函数2.3.1自相关函数2.3.2互相关函数四、python代码实现五、TIPS一、概述  在振动信号大数据应用过程中，通常需要提取信息的特征数据。对于振动信号来说通常我们采用信号处理方法来得出相关振动信号的特征，用于进行大数据分析计算。  振动信号常用的时域
白银时代_·2022-09-22 07:17
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他