期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于单通道算法的内燃机油底壳辐射噪声分离
被引量：
1
1
作者
姚家驰
向阳
李胜杨
《噪声与振动控制》
CSCD
2016年第3期132-136,共5页
通过对内燃机的辐射噪声源进行分离和识别,得到的各独立噪声可为其减振降噪和监测诊断提供依据。在内燃机噪声源识别中,燃烧噪声和活塞敲击噪声在时域和频域上均有混叠,很难准确地将其进行分离。在半消音室中进行内燃机振动噪声试验,采...
通过对内燃机的辐射噪声源进行分离和识别,得到的各独立噪声可为其减振降噪和监测诊断提供依据。在内燃机噪声源识别中,燃烧噪声和活塞敲击噪声在时域和频域上均有混叠,很难准确地将其进行分离。在半消音室中进行内燃机振动噪声试验,采集一路内燃机油底壳近场辐射噪声,先对其进行消除趋势项及滑动平均等预处理,减少随机误差成分,然后用集合经验模态分解得到IMF分量,用主分量分析降维,最后用快速独立分量分析进行盲源分离,并结合连续小波时频分析等方法进行识别。研究结果表明:通过采用单通道算法对内燃机油底壳辐射噪声进行分离和识别,可得到各独立分量,分别为内燃机的燃烧噪声和活塞敲击噪声。
展开更多
关键词
声学
内燃机
油底壳
噪声分离
集合经验模态分解
盲源分离
在线阅读
下载PDF
职称材料
基于特征提取和机器学习的电磁目标识别方法
被引量：
6
2
作者
徐洪志
姚家驰
+4 位作者
刘超
李彩霞
蒋东翔
孙腾龙
赵新青
《火控雷达技术》
2022年第2期10-14,共5页
电磁目标识别在军事领域中非常重要。为了准确识别电磁目标,本文提出一种基于特征提取和机器学习的电磁目标识别方法。首先,通过重采样、改变幅值和信号叠加三种方法扩充电磁目标数据库;然后,提取电磁目标的时域和频域统计特征;之后,通...
电磁目标识别在军事领域中非常重要。为了准确识别电磁目标,本文提出一种基于特征提取和机器学习的电磁目标识别方法。首先,通过重采样、改变幅值和信号叠加三种方法扩充电磁目标数据库;然后,提取电磁目标的时域和频域统计特征;之后,通过主成分分析方法进行特征降维,保留前三个主成分;最后,用机器学习算法进行分类识别。研究结果表明,本文所提出的方法能够准确快速地识别电磁目标,在不同信噪比下的识别准确率均在98%以上。
展开更多
关键词
电磁目标
特征提取
特征降维
机器学习
在线阅读
下载PDF
职称材料
题名
基于单通道算法的内燃机油底壳辐射噪声分离
被引量：
1
1
作者
姚家驰
向阳
李胜杨
机构
武汉理工大学能源与动力工程学院
武汉理工大学船舶动力系统运用技术交通行业重点实验室
出处
《噪声与振动控制》
CSCD
2016年第3期132-136,共5页
基金
国家自然科学基金资助项目(51279148)
文摘
通过对内燃机的辐射噪声源进行分离和识别,得到的各独立噪声可为其减振降噪和监测诊断提供依据。在内燃机噪声源识别中,燃烧噪声和活塞敲击噪声在时域和频域上均有混叠,很难准确地将其进行分离。在半消音室中进行内燃机振动噪声试验,采集一路内燃机油底壳近场辐射噪声,先对其进行消除趋势项及滑动平均等预处理,减少随机误差成分,然后用集合经验模态分解得到IMF分量,用主分量分析降维,最后用快速独立分量分析进行盲源分离,并结合连续小波时频分析等方法进行识别。研究结果表明:通过采用单通道算法对内燃机油底壳辐射噪声进行分离和识别,可得到各独立分量,分别为内燃机的燃烧噪声和活塞敲击噪声。
关键词
声学
内燃机
油底壳
噪声分离
集合经验模态分解
盲源分离
Keywords
acoustics
internal combustion engine
oil pan
noise separation
ensemble empirical mode decomposition
blind source separation
分类号
TK4 [动力工程及工程热物理—动力机械及工程]
在线阅读
下载PDF
职称材料
题名
基于特征提取和机器学习的电磁目标识别方法
被引量：
6
2
作者
徐洪志
姚家驰
刘超
李彩霞
蒋东翔
孙腾龙
赵新青
机构
中国人民解放军
清华大学
河北大学
出处
《火控雷达技术》
2022年第2期10-14,共5页
文摘
电磁目标识别在军事领域中非常重要。为了准确识别电磁目标,本文提出一种基于特征提取和机器学习的电磁目标识别方法。首先,通过重采样、改变幅值和信号叠加三种方法扩充电磁目标数据库;然后,提取电磁目标的时域和频域统计特征;之后,通过主成分分析方法进行特征降维,保留前三个主成分;最后,用机器学习算法进行分类识别。研究结果表明,本文所提出的方法能够准确快速地识别电磁目标,在不同信噪比下的识别准确率均在98%以上。
关键词
电磁目标
特征提取
特征降维
机器学习
Keywords
electromagnetic targets
feature extraction
feature dimension reduction
machine learning
分类号
TN95 [电子电信—信号与信息处理]
TJ760 [兵器科学与技术—武器系统与运用工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于单通道算法的内燃机油底壳辐射噪声分离
姚家驰
向阳
李胜杨
《噪声与振动控制》
CSCD
2016
1
在线阅读
下载PDF
职称材料
2
基于特征提取和机器学习的电磁目标识别方法
徐洪志
姚家驰
刘超
李彩霞
蒋东翔
孙腾龙
赵新青
《火控雷达技术》
2022
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
