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
3
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
基于弱化与增强网络的雷达信号识别
被引量：
1
1
作者
施力泉
张红梅
《电讯技术》
北大核心
2024年第11期1844-1849,共6页
针对传统方法在低信噪比情况下雷达信号特征提取困难、识别准确率较低的问题,提出了一种基于时频分析和深度学习的雷达信号识别方法。首先利用Choi-Williams分布将时域信号转换成时频图像,然后将时频图像作为网络的输入,通过弱化与增强...
针对传统方法在低信噪比情况下雷达信号特征提取困难、识别准确率较低的问题,提出了一种基于时频分析和深度学习的雷达信号识别方法。首先利用Choi-Williams分布将时域信号转换成时频图像,然后将时频图像作为网络的输入,通过弱化与增强残差块来实现对时频图像中噪声信息的弱化以及不同特征形态间差异性的增强,最终实现分类识别。实验结果表明,在信噪比为-10 dB情况下平均识别准确率仍能达到94.5%以上。
展开更多
关键词
雷达
信号
识别
低信噪比信号
时频分析
深度学习
弱化与增强
在线阅读
下载PDF
职称材料
基于Dropout-多尺度空洞卷积神经网络的轴承故障诊断
被引量：
5
2
作者
陈伟
王复淞
+2 位作者
郭婧
黄博昊
白艺硕
《机电工程》
CAS
北大核心
2023年第5期644-654,共11页
为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”...
为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”,强迫模型仅依靠少量特征便可进行故障诊断,以提高模型的抗噪声能力;然后,使用不同扩张率的空洞卷积扩充了多尺度信息,并利用CNN模块来完成对特征的提取与故障诊断;同时,在模型中加入批量归一化处理操作,用来加快模型训练的收敛速度,提高了模型的性能;最后,利用美国凯斯西储大学轴承数据集和东南大学齿轮箱数据集对基于D-MDCNN的模型进行了实验验证,并将实验结果与采用其他深度学习模型所得的实验结果进行了对比分析。实验结果表明:在无噪声至4dB的噪声环境下,D-MDCNN在西储大学和东南大学两个数据集上均可取得99%的诊断准确率;相比于其他同类模型,基于D-MDCNN的模型具有更高的诊断准确率和抗噪声能力。研究结果表明:基于D-MDCNN的模型是一种有效的轴承故障诊断模型。
展开更多
关键词
强
噪
声环境
低信噪比信号
滚动轴承故障诊断
故障特征提取
Dropout-多尺度空洞卷积神经网络
损坏训练数据
抗
噪
声能力
在线阅读
下载PDF
职称材料
光纤参数测试
3
《中国光学》
EI
CAS
2008年第3期55-55,共1页
关键词
光纤
浓度测量
解调方法
参数测试
离子
数字解调
低信噪比信号
互相关检测
信
息科学
光学技术
在线阅读
下载PDF
职称材料
题名
基于弱化与增强网络的雷达信号识别
被引量：
1
1
作者
施力泉
张红梅
机构
桂林电子科技大学信息与通信学院
认知无线电与信息处理省部共建教育部重点实验室
出处
《电讯技术》
北大核心
2024年第11期1844-1849,共6页
基金
广西自然科学基金重点项目(2020GXNSFDA238001)
广西无线宽带通信与信号处理重点实验室(桂林电子技术大学)基金(GXKL0600104)
认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学)基金(CRKL200101)。
文摘
针对传统方法在低信噪比情况下雷达信号特征提取困难、识别准确率较低的问题,提出了一种基于时频分析和深度学习的雷达信号识别方法。首先利用Choi-Williams分布将时域信号转换成时频图像,然后将时频图像作为网络的输入,通过弱化与增强残差块来实现对时频图像中噪声信息的弱化以及不同特征形态间差异性的增强,最终实现分类识别。实验结果表明,在信噪比为-10 dB情况下平均识别准确率仍能达到94.5%以上。
关键词
雷达
信号
识别
低信噪比信号
时频分析
深度学习
弱化与增强
Keywords
radar signal recognition
low signal-to-noise ratio signal
time-frequency analysis
deep learning
weakening and strengthening
分类号
TN957.51 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
基于Dropout-多尺度空洞卷积神经网络的轴承故障诊断
被引量：
5
2
作者
陈伟
王复淞
郭婧
黄博昊
白艺硕
机构
中煤信息技术(北京)有限公司
中国矿业大学(北京)机电与信息工程学院
出处
《机电工程》
CAS
北大核心
2023年第5期644-654,共11页
基金
国家自然科学基金资助项目(52074305)。
文摘
为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”,强迫模型仅依靠少量特征便可进行故障诊断,以提高模型的抗噪声能力;然后,使用不同扩张率的空洞卷积扩充了多尺度信息,并利用CNN模块来完成对特征的提取与故障诊断;同时,在模型中加入批量归一化处理操作,用来加快模型训练的收敛速度,提高了模型的性能;最后,利用美国凯斯西储大学轴承数据集和东南大学齿轮箱数据集对基于D-MDCNN的模型进行了实验验证,并将实验结果与采用其他深度学习模型所得的实验结果进行了对比分析。实验结果表明:在无噪声至4dB的噪声环境下,D-MDCNN在西储大学和东南大学两个数据集上均可取得99%的诊断准确率;相比于其他同类模型,基于D-MDCNN的模型具有更高的诊断准确率和抗噪声能力。研究结果表明:基于D-MDCNN的模型是一种有效的轴承故障诊断模型。
关键词
强
噪
声环境
低信噪比信号
滚动轴承故障诊断
故障特征提取
Dropout-多尺度空洞卷积神经网络
损坏训练数据
抗
噪
声能力
Keywords
strong noise environment
low signal-to-noise ratio signal
fault diagnosis of rolling bearing
fault feature extraction
Dropout-multi-scale dilated convolutional neural networks(D-MDCNN)
damage the training data
anti-noise ability
分类号
TH133.3 [机械工程—机械制造及自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
光纤参数测试
3
出处
《中国光学》
EI
CAS
2008年第3期55-55,共1页
关键词
光纤
浓度测量
解调方法
参数测试
离子
数字解调
低信噪比信号
互相关检测
信
息科学
光学技术
分类号
TN253 [电子电信—物理电子学]
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
基于弱化与增强网络的雷达信号识别
施力泉
张红梅
《电讯技术》
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于Dropout-多尺度空洞卷积神经网络的轴承故障诊断
陈伟
王复淞
郭婧
黄博昊
白艺硕
《机电工程》
CAS
北大核心
2023
5
在线阅读
下载PDF
职称材料
3
光纤参数测试
《中国光学》
EI
CAS
2008
0
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
