期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于排列组合熵的脑电意识任务识别方法的研究 被引量:9
1
作者 范影乐 李谷 +1 位作者 刘亚景 杨勇 《传感技术学报》 CAS CSCD 北大核心 2008年第1期74-78,共5页
研究基于脑电信号排列组合熵的运动意识任务自动分类方法。求出时变脑电信号所对应的排列组合熵时间序列,它能很好的反映出事件相关去同步(ERD)和事件相关同步(ERS)现象,因此能有效地提取人脑想象左右手运动任务时的特征,最终利用K-近... 研究基于脑电信号排列组合熵的运动意识任务自动分类方法。求出时变脑电信号所对应的排列组合熵时间序列,它能很好的反映出事件相关去同步(ERD)和事件相关同步(ERS)现象,因此能有效地提取人脑想象左右手运动任务时的特征,最终利用K-近邻法模式分类方法对想象左右手运动任务进行分类决策。对国际脑机接口竞赛相关数据进行测试,最高准确率达到88.57%,最大互信息达到0.42。基于排列组合熵的脑电信号特征,可以作为脑电意识任务的有效分类依据。 展开更多
关键词 脑电信号 意识任务 排列组合熵 事件相关去同步 事件相关同步
在线阅读 下载PDF
基于排列组合熵的高速列车走行部故障分析 被引量:8
2
作者 石国良 李晓 +1 位作者 金炜东 苟先太 《计算机应用研究》 CSCD 北大核心 2014年第12期3625-3627,共3页
针对列车走行部的多种故障模式,提出了基于排列组合熵的高速列车走行部故障诊断方法。对原车和抗蛇行减振器失效、空气弹簧失气、横向减振器失效四种工况进行仿真实验,得到列车不同位置的振动信号。计算列车振动信号的排列组合熵,首先... 针对列车走行部的多种故障模式,提出了基于排列组合熵的高速列车走行部故障诊断方法。对原车和抗蛇行减振器失效、空气弹簧失气、横向减振器失效四种工况进行仿真实验,得到列车不同位置的振动信号。计算列车振动信号的排列组合熵,首先实现了同一速度下不同故障的分离,然后以排列组合熵作为故障特征向量,对特征向量进行多级SVM分类识别。实验结果表明,该方法可以有效识别列车同一速度下的不同故障,高速时对四种工况的平均识别率达97%以上。 展开更多
关键词 列车故障 高速列车 排列组合熵 支持向量机 转向架 故障分类
在线阅读 下载PDF
基于排列组合熵和加权核Fisher的肌电跌倒检测 被引量:4
3
作者 席旭刚 武昊 +1 位作者 左静 罗志增 《上海交通大学学报》 EI CAS CSCD 北大核心 2015年第11期1685-1689,1700,共6页
为实现老年人的跌倒与日常行为动作的模式识别,提出了一种基于排列组合熵和加权核Fisher线性判别的表面肌电信号跌倒识别方法.以腓肠肌和股外侧肌2路肌电信号对应的排列组合熵为特征向量输入加权核Fisher线性分类器进行模式识别,对跌倒... 为实现老年人的跌倒与日常行为动作的模式识别,提出了一种基于排列组合熵和加权核Fisher线性判别的表面肌电信号跌倒识别方法.以腓肠肌和股外侧肌2路肌电信号对应的排列组合熵为特征向量输入加权核Fisher线性分类器进行模式识别,对跌倒与坐下、蹲下和行走进行识别.实验结果表明,该方法的跌倒识别率为93.33%,特异度100%,优于其他分类方法. 展开更多
关键词 表面肌电信号 跌到识别 排列组合熵 加权核Fisher线性判别
在线阅读 下载PDF
基于排列组合熵和灰度特征的纹理分割 被引量:5
4
作者 钱诚 范影乐 庞全 《计算机应用》 CSCD 北大核心 2006年第3期586-588,共3页
提出了一种基于排列组合熵和灰度特征的纹理分割方法。该方法将不同方向上的排列组合熵与灰度均值、灰度方差结合起来构成一个多维特征向量,利用模糊C均值聚类算法进行聚类实现纹理图像的分割。实验结果表明该方法对纹理分布均匀的图像... 提出了一种基于排列组合熵和灰度特征的纹理分割方法。该方法将不同方向上的排列组合熵与灰度均值、灰度方差结合起来构成一个多维特征向量,利用模糊C均值聚类算法进行聚类实现纹理图像的分割。实验结果表明该方法对纹理分布均匀的图像有着良好的分割效果。在保持较高纹理分割精度的前提下,该方法能减小计算复杂度,并且具有较强的鲁棒性和抗噪声能力。 展开更多
关键词 纹理分割 排列组合熵 灰度特征 模糊C均值聚类
在线阅读 下载PDF
基于排列组合熵的语音端点检测技术研究 被引量:8
5
作者 吴秀良 范影乐 +1 位作者 钱诚 庞全 《计算机工程与应用》 CSCD 北大核心 2008年第1期240-242,共3页
语音端点检测对于后续语音识别分析有着重要的意义,论文研究基于排列组合熵的语音端点检测技术。分析排列数和窗长对检测性能的影响,对含不同噪声类型及不同信噪比的中英文语音样本进行了端点检测实验。尤其在低信噪比情形下,检测方法... 语音端点检测对于后续语音识别分析有着重要的意义,论文研究基于排列组合熵的语音端点检测技术。分析排列数和窗长对检测性能的影响,对含不同噪声类型及不同信噪比的中英文语音样本进行了端点检测实验。尤其在低信噪比情形下,检测方法要优于谱熵特征检测方法。该方法具有较优的稳健性和实时性等特点,为强背景噪声下的语音端点检测提供了新的研究途径。 展开更多
关键词 端点检测 排列组合熵 排列
在线阅读 下载PDF
基于排列熵的心电信号非线性分析 被引量:11
6
作者 赵小磊 任明荣 +1 位作者 张亚庭 王普 《现代电子技术》 2010年第19期90-93,共4页
排列熵是一种基于复杂性量度的非线性动力学参数,能够快速、有效地反映系统的特征。目前在心电信号检测研究中还少有此类方法的应用,通过对算法进行研究,并应用于心室病症的检测中,利用MIT-BIH数据库,对心室病症心电信号的发病时段进行... 排列熵是一种基于复杂性量度的非线性动力学参数,能够快速、有效地反映系统的特征。目前在心电信号检测研究中还少有此类方法的应用,通过对算法进行研究,并应用于心室病症的检测中,利用MIT-BIH数据库,对心室病症心电信号的发病时段进行排列熵值的计算,实验得出,熵值对病症发作时段的反映灵敏,在心室纤颤、室性心动过速等病症上的检测准确率较高。因此得到结论,排列熵是一个早期检测病症的灵敏参数,可以作为临床诊断的有效依据。 展开更多
关键词 排列组合熵 非线性分析 心室纤颤 心动过速
在线阅读 下载PDF
基于熵和PSO优化SVM的肌电信号跌倒识别 被引量:5
7
作者 武昊 席旭刚 罗志增 《传感技术学报》 CAS CSCD 北大核心 2015年第11期1586-1590,共5页
跌倒对老年人的健康构成严重危害,设计了一种基于肌电信号的跌倒识别方法,可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解,再依据信号特征选取信号的低频分量并重构,计算其排列组合熵,最后以4路肌电信号对应的排列组... 跌倒对老年人的健康构成严重危害,设计了一种基于肌电信号的跌倒识别方法,可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解,再依据信号特征选取信号的低频分量并重构,计算其排列组合熵,最后以4路肌电信号对应的排列组合熵组成的特征向量输入SVM进行模式识别并采用粒子群算法对SVM中惩罚参数c和核函数参数g进行优化,对8种动作进行识别实验,跌倒识别率88%,特异度98.3%,平均识别率97.0%,优于网格法和遗传算法支持向量机(GASVM)的参数优化,具有较强的鲁棒性和抗干扰能力。 展开更多
关键词 表面肌电信号 小波包分解 排列组合熵 支持向量机 粒子群算法
在线阅读 下载PDF
应用EMD熵和ReliefF分析高铁横向减振器故障 被引量:3
8
作者 王卫朝 石国良 +1 位作者 李晓 金炜东 《计算机工程与应用》 CSCD 北大核心 2016年第14期226-231,236,共7页
横向减振器是转向架的关键部件,其作用是衰减车体与转向架间的振动,其性能对列车的舒适性和安全性有重要影响。横向减振器的故障会引起列车车体振动信号的变化,为了能对其进行性能监测和故障诊断,提出一种基于EMD排列组合熵和Relief F... 横向减振器是转向架的关键部件,其作用是衰减车体与转向架间的振动,其性能对列车的舒适性和安全性有重要影响。横向减振器的故障会引起列车车体振动信号的变化,为了能对其进行性能监测和故障诊断,提出一种基于EMD排列组合熵和Relief F的特征分析方法。先对预处理过的信号进行EMD分解,后对得到的若干个包含主要故障信息的本征模式函数求解熵值,最后用Relief F对6阶本征模式函数熵值构成的特征矢量进行优化降维,对降维后的特征用支持向量机对四种工况进行分类识别。实验结果表明,对运行速度200 km/h及以上时的平均识别率可以达到96%以上。 展开更多
关键词 列车故障 横向减振器 经验模式分解 排列组合熵 RELIEFF
在线阅读 下载PDF
基于EEMD-SVD-PE的轨道波磨趋势项提取 被引量:11
9
作者 陈亮 刘宏立 +2 位作者 郑倩 马子骥 李艳福 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2019年第5期171-177,共7页
钢轨波磨检测是保障行车安全的重要手段,针对复杂钢轨线路波磨数据中的轨道起伏趋势提取问题,提出了一种基于排列组合熵(Permutation Entropy, PE)选取低复杂度奇异值分量重构趋势的EEMD-SVD信号去趋方法.相比已有的经验模式分解去趋算... 钢轨波磨检测是保障行车安全的重要手段,针对复杂钢轨线路波磨数据中的轨道起伏趋势提取问题,提出了一种基于排列组合熵(Permutation Entropy, PE)选取低复杂度奇异值分量重构趋势的EEMD-SVD信号去趋方法.相比已有的经验模式分解去趋算法,该方法考虑到原始IMF可能存在的信号成分混杂问题(如含有白噪声与信号的低频成分),首次提出通过奇异值分解来精确提取隐藏在多维IMF矩阵中的趋势项成分作为奇异值分量.由于协方差矩阵构建的奇异值分量排列时只考虑了能量的分布而未考虑趋势项信号低复杂度、高幅的特点,使用排列组合熵来选出符合趋势项特征的奇异值分量,最后对满足要求的奇异值分量进行重建得到最终的趋势项.为验证本文方法的有效性,分别进行了数字仿真和实际钢轨波磨数据去趋实验.数字仿真实验结果表明该方法整体去趋性能优于低通滤波法、与EMD结合的线性规划法和小波分解法,尤其在多信噪比的仿真实验中,当信噪比较低时,提趋准确率最大提高约30%.同时,实际钢轨波磨数据去趋实验说明本文方法能够适用于钢轨波磨检测. 展开更多
关键词 聚合经验模态分解 奇异值分解 排列组合熵 信号去趋
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部