基于U^(2)-Net和CBAM融合注意力的双模态睡眠分期研究 被引量：1

1

作者 赵倩 李锦 +2 位作者 凤飞龙 强宁 胡静 《陕西师范大学学报(自然科学版)》 北大核心 2025年第1期1-11,共11页

针对当前自动睡眠分期方法存在的难点问题,提出了一种结合U^(2)-Net和CBAM融合注意力对EEG-ECG双模态信号进行自动睡眠分期的方法。首先,采用MIT-BIH公开数据集中的EEG-ECG信号进行预处理;然后,利用添加了多尺度特征提取模块的U^(2)-Ne... 针对当前自动睡眠分期方法存在的难点问题,提出了一种结合U^(2)-Net和CBAM融合注意力对EEG-ECG双模态信号进行自动睡眠分期的方法。首先,采用MIT-BIH公开数据集中的EEG-ECG信号进行预处理;然后,利用添加了多尺度特征提取模块的U^(2)-Net网络并行提取EEG和ECG中的波形特征;其次,利用CBAM融合注意力对全部特征进行权重分配;最后,使用Softmax激活函数对睡眠时期进行六分类。结果表明:基于U^(2)-Net和CBAM融合注意力模型进行睡眠分期时,使用ECG单模态信号的六分类总体准确率为80.2%,F1分数为75.3%;使用EEG单模态信号的六分类总体准确率为85.8%,F1分数为81.7%;使用EEG-ECG双模态信号的六分类总体准确率为90.4%,F1分数为85.6%。提出的双模态睡眠分期模型是可行有效的,并且为自动睡眠分期提供了一种新的思路。 展开更多

关键词 自动睡眠分期 eeg-ecg双模态信号 U^(2)-Net网络 CBAM融合注意力

在线阅读 下载PDF 职称材料

基于三质量块模型的双馈风机小信号建模和模态分析 被引量：31

2

作者 解大 冯俊淇 +2 位作者 娄宇成 杨敏霞 王西田 《中国电机工程学报》 EI CSCD 北大核心 2013年第S1期21-29,共9页

在风电机组轴系扭振的研究中,风机的建模是一个很重要的课题。针对风机的机械旋转系统,该文提出三质量块模型,进而得到双馈风电机组单机对无穷大母线系统的小信号模型,最后通过Matlab仿真论证该模型如何用于风电机组轴系扭振问题的研究... 在风电机组轴系扭振的研究中,风机的建模是一个很重要的课题。针对风机的机械旋转系统,该文提出三质量块模型,进而得到双馈风电机组单机对无穷大母线系统的小信号模型,最后通过Matlab仿真论证该模型如何用于风电机组轴系扭振问题的研究,并探讨了含有发电机转子转速控制器的控制策略对轴系扭振模式的影响。小信号稳定模型包括机械部分和电气部分。为了便于研究定速风机、定制风机等机组和多机系统的扭振问题,对风机和电网的各个部分进行单独建模,形成独立模块,以便于扩展和修改。 展开更多

关键词 双馈异步发电机 三质量块模型 小信号模型 模态分析 轴系扭振

在线阅读 下载PDF 职称材料

基于语音脑电的双模态心理压力分级评估研究

3

作者 杜扶遥 姜囡 陆思宇 《电子测量技术》 北大核心 2024年第19期114-122,共9页

为了有效提高压力分级方法的精确度,实现多模态信息交互和多维立体融合特征的深层挖掘,提出一种基于模型分级的多模态压力识别方法。基于语音信号振幅特征和脑电信号各频段波幅特征,构建新的心理压力指数模型,并提出针对该模型的心理压... 为了有效提高压力分级方法的精确度,实现多模态信息交互和多维立体融合特征的深层挖掘,提出一种基于模型分级的多模态压力识别方法。基于语音信号振幅特征和脑电信号各频段波幅特征,构建新的心理压力指数模型,并提出针对该模型的心理压力分级方法,有效解决了主观评估精度受限以及压力分类依据不明确等问题。以模型分级为依据重制MAHNOB-HCI数据集标签,构建了包含脑电时频空信息和语音时频信息的立体多维融合特征,避免了单特征识别方法导致的压力信息缺失问题。与单模态识别方法的对比分析,本文提出方法识别准确率分别提高了10.72%和3.36%;与常规双模态方法的对比分析,识别准确率提高了7.51%。综上表明,本文所提方法能够更准确的揭示异构数据全频段信息与心理压力的关联关系,有效提升了识别性能。 展开更多

关键词 脑电信号 语音信号 双模态 心理压力分级 多维融合特征

在线阅读 下载PDF 职称材料

基于改进双耦合Duffing振子的微弱信号检测方法 被引量：3

4

作者 李景贵 靳伍银 《仪表技术与传感器》 CSCD 北大核心 2021年第11期121-125,共5页

针对传统的混沌振子检测强噪声背景下弱信号时存在抗噪性差、易出现相位变化不稳定等问题,结合集合经验模态分解(EEMD)提出一种改进型双耦合Duffing振子系统对强噪声背景下的微弱信号进行检测的算法,并用该检测系统对强噪声背景下微弱... 针对传统的混沌振子检测强噪声背景下弱信号时存在抗噪性差、易出现相位变化不稳定等问题,结合集合经验模态分解(EEMD)提出一种改进型双耦合Duffing振子系统对强噪声背景下的微弱信号进行检测的算法,并用该检测系统对强噪声背景下微弱正弦信号进行分解并检测。结果表明该检测系统解决了检测多个周期分量的含噪声信号时的模态混叠问题;得出改进型双耦合Duffing振子系统能准确、快速地检测强噪声背景下的弱信号;该方法检测精度高、适应性强,为检测任意频率的弱信号提供了一种新方法。 展开更多

关键词 双耦合Duffing振子 微弱信号检测 集合经验模态分解 模态混叠

在线阅读 下载PDF 职称材料

基于双尺度比例判据的解模态混叠算法

5

作者 张优 胡昌华 +3 位作者 李红增 扈晓翔 白灿 张鹏 《电光与控制》 CSCD 北大核心 2019年第10期73-77,110,共6页

针对经验模态分解在实际应用中因异常信号导致的模态混叠问题,提出了一种基于双尺度比例的判据和局部EMD的处理方法。首先分析了异常信号对EMD算法的影响,之后提出了基于时间特征尺度和极值差(双尺度)的判据;通过该判据确定异常信号的... 针对经验模态分解在实际应用中因异常信号导致的模态混叠问题,提出了一种基于双尺度比例的判据和局部EMD的处理方法。首先分析了异常信号对EMD算法的影响,之后提出了基于时间特征尺度和极值差(双尺度)的判据;通过该判据确定异常信号的时域位置后,再对该时段信号进行局部经验模态分解,实现异常信号和固有信号的分离。数值仿真实验以及对比分析表明,相比传统方法,所提方法能够更加有效地抑制因异常信号产生的模态混叠问题。 展开更多

关键词 经验模态分解 异常信号 模态混叠 双尺度比例判据

在线阅读 下载PDF 职称材料

指数型随机共振微弱振动信号检测方法 被引量：15

6

作者 张刚 曹莉 +1 位作者 贺利芳 易甜 《振动与冲击》 EI CSCD 北大核心 2019年第9期53-61,共9页

在实际工程故障诊断中特征频率信号经常淹没在噪声中,信息提取非常困难。为了提取强噪声背景中的微弱信号,将简谐势阱与Gaussian Potential模型相结合,提出一种作用在Duffing方程下的新型指数型双稳随机共振系统。首先,推导逃逸率并研... 在实际工程故障诊断中特征频率信号经常淹没在噪声中,信息提取非常困难。为了提取强噪声背景中的微弱信号,将简谐势阱与Gaussian Potential模型相结合,提出一种作用在Duffing方程下的新型指数型双稳随机共振系统。首先,推导逃逸率并研究系统参数对输出信噪比影响;其次,基于指数型双稳随机共振系统对冲击衰减信号以及谐波振动信号进行检测;最后为检测大噪声下多频信号提出指数型双稳随机共振和经验模态分解的微弱信号联合检测方法并应用于轴承故障信号检测中。实验分析及仿真结果表明,指数型双稳随机共振模型在信号检测中是可行的,并且对于多频谐波信号通过随机共振后进行经验模态分解可使检测更加准确,联合检测不仅能识别故障信号,还能识别故障倍频信号。 展开更多

关键词 指数型双稳随机共振 经验模态分解 故障信号检测

在线阅读 下载PDF 职称材料

利用VMD的双标度分形维数特征提取方法 被引量：10

7

作者 杨望灿 张培林 +1 位作者 张云强 王怀光 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2019年第1期127-133,共7页

为从机械振动信号中提取出有效特征进行故障诊断,提出一种利用变分模态分解(VMD)求取振动信号双标度分形维数的特征提取方法.变分模态分解通过迭代求解变分模型的方式将多分量的振动信号分解为若干个不同时间尺度的本征模态函数分量(IM... 为从机械振动信号中提取出有效特征进行故障诊断,提出一种利用变分模态分解(VMD)求取振动信号双标度分形维数的特征提取方法.变分模态分解通过迭代求解变分模型的方式将多分量的振动信号分解为若干个不同时间尺度的本征模态函数分量(IMF).在多维测度空间,某一时间段内多变量时间序列所占据的空间可以用多维超体体积进行度量.由于VMD得到的IMF本质上为多变量的时间序列,因此,利用IMF定义和计算多维超体体积,得到振动信号的时间尺度和多维超体体积的双对数曲线.根据分形理论和双对数曲线的突变点,对双对数曲线进行分段最小二乘线性拟合,定义并提取了振动信号的双标度分形维数特征.仿真结果表明,利用VMD方法估计分形维数的平均相对误差为4.71%,提高了分形维数估计的精确度.实测行星齿轮箱振动信号对比实验结果表明,利用VMD双标度分形维数特征能够更好地表征机械振动信号的分形特征,行星齿轮箱故障诊断准确率达到了100%. 展开更多

关键词 振动信号 特征提取 变分模态分解 本征模态函数 双标度分形维数

在线阅读 下载PDF 职称材料

改进型EEMD和MSB解调方法及其在轴承故障特征提取中的应用 被引量：6

8

作者 甄冬 田少宁 +2 位作者 郭俊超 孟召宗 谷丰收 《振动工程学报》 EI CSCD 北大核心 2023年第5期1447-1456,共10页

针对滚动轴承振动信号的强非线性和非平稳特性,提出了一种基于改进集成经验模态分解(IEEMD)和调制信号双谱(MSB)分析的故障特征提取方法。将集成经验模态分解(EEMD)应用于滚动轴承的振动信号处理,将其分解成一系列的本征模态函数(IMFs)... 针对滚动轴承振动信号的强非线性和非平稳特性,提出了一种基于改进集成经验模态分解(IEEMD)和调制信号双谱(MSB)分析的故障特征提取方法。将集成经验模态分解(EEMD)应用于滚动轴承的振动信号处理,将其分解成一系列的本征模态函数(IMFs);通过累计均值(MSAM)准则将IMFs自适应地分为低频IMFs和高频IMFs,其中高频IMFs采用小波阈值降噪进行处理;将降噪后的高频IMFs与低频IMFs进行重构以获取高信噪比的瞬态脉冲信号;利用MSB进一步抑制瞬态脉冲信号中的随机噪声和干扰分量,并提取信号故障特征。与谱峭度(SK)和WEEMD-MSB分析结果进行对比,验证了该方法在轴承微弱故障特征提取方面的优越性。 展开更多

关键词 故障诊断 滚动轴承 改进经验模态分解 调制信号双谱分析 累计均值

在线阅读 下载PDF 职称材料

基于WAEEMD和MSB的滚动轴承故障特征提取 被引量：12

9

作者 郭俊超 甄冬 +2 位作者 孟召宗 师占群 谷丰收 《中国机械工程》 EI CAS CSCD 北大核心 2021年第15期1793-1800,共8页

针对调制信号双谱(MSB)方法仅能处理平稳信号的不足,提出了一种基于加权平均集成经验模态分解(WAEEMD)和MSB的滚动轴承故障特征提取方法。首先,利用WAEEMD将滚动轴承的非平稳振动信号分解成一系列具有平稳特性的固有模态函数(IMF);然后... 针对调制信号双谱(MSB)方法仅能处理平稳信号的不足,提出了一种基于加权平均集成经验模态分解(WAEEMD)和MSB的滚动轴承故障特征提取方法。首先,利用WAEEMD将滚动轴承的非平稳振动信号分解成一系列具有平稳特性的固有模态函数(IMF);然后,开发了一种基于Teager能量峭度(TEK)的加权平均方法以强调敏感IMF的重要性,并将加权后的IMF重构为WAEEMD滤波信号;最后,应用MSB分解WAEEMD滤波信号中的调制分量并提取故障特征频率。仿真和实验结果表明,相对于快速谱峭度(FK)和EEMD-MSB方法,WAEEMD-MSB方法能更准确地获取故障特征,从而验证了WAEEMD-MSB方法的有效性。 展开更多

关键词 加权平均集成经验模态分解 调制信号双谱 Teager能量峭度 滚动轴承 特征提取

在线阅读 下载PDF 职称材料

一种WACEEMDAN和MSB的轴承故障诊断方法 被引量：3

10

作者 王星河 王红军 《电子测量与仪器学报》 CSCD 北大核心 2021年第11期91-99,共9页

针对滚动轴承发生故障时的冲击信号易被噪声淹没和其非平稳的特性,以及传统使用自适应白噪声平均总体经验模态分解(CEEMDAN)时固有模态函数(IMFs)中的有效信息不能被充分利用等问题,提出了一种基于加权自适应白噪声平均总体经验模态分解... 针对滚动轴承发生故障时的冲击信号易被噪声淹没和其非平稳的特性,以及传统使用自适应白噪声平均总体经验模态分解(CEEMDAN)时固有模态函数(IMFs)中的有效信息不能被充分利用等问题,提出了一种基于加权自适应白噪声平均总体经验模态分解(WACEEMDAN)和调制信号双谱(MSB)的滚动轴承故障特征提取方法。首先,使用CEEMDAN将采集的非平稳振动信号分解成若干具有平稳特性的IMFs;然后,构建了一种强调敏感分量的新型指标:相关—峭度值,利用该指标对各个IMFs加权并重构为WACEEMDAN信号;最后,应用调制信号双谱(MSB)分解WACEEMDAN信号中的调制分量并提取故障特征频率。研究结果表明,通过使用西安交通大学通用轴承数据集和我们试验台进行了验证,所提出的WACEEMDAN—MSB方法能够准确的提取出轴承故障特征频率,从而验证了WACEEMDAN—MSB方法的有效性。 展开更多

关键词 加权自适应白噪声平均总体经验模态分解 调制信号双谱 故障诊断 特征提取

在线阅读 下载PDF 职称材料

基于PCA的EEG-fNIRS特征融合

11

作者 刘化东 许博俊 李梦琪 《现代电子技术》 2023年第19期29-33,共5页

运动想象脑-机接口(MI-BCI)可解码用户运动意图,它无需任何外部刺激就能产生指令,可以为无法自主运动患者提供一种额外交流通道,辅助或改善其生活方式,但目前还没有一个比较好的方法能对MI-BCI进行高效解码。脑电图(EEG)和功能近红外光... 运动想象脑-机接口(MI-BCI)可解码用户运动意图,它无需任何外部刺激就能产生指令,可以为无法自主运动患者提供一种额外交流通道,辅助或改善其生活方式,但目前还没有一个比较好的方法能对MI-BCI进行高效解码。脑电图(EEG)和功能近红外光谱(fNIRS)是目前一种无创的功能神经成像技术。在单个模式上,EEG的空间分辨率较差,而时间分辨率较高,相比之下,fNIRS提供了更好的空间分辨率,所以文中采用双模态的方式对MI信号进行解码。由于EEG和fNIRS是两种不同类型的信号,如何对两种信号进行融合是目前研究的重点和难点,文中首先对特征提取后的两种信号进行归一化处理,然后采用主成分分析(PCA)算法进行信号融合。实验招募了12名被试做抬左右腿的运动想象。结果表明单独使用EEG和fNIRS进行信号解码精度最高为73.8%,使用PCA对EEG-fNIRS的特征进行融合后分类精度实现了81.2%,提高了7.4%。实验结果证明提出的方法可以为未来的多模态在线BCI系统提供新的思路。 展开更多

关键词 双模态融合 脑电图 功能近红外光谱 运动想象 支持向量机 共空间模式 信号解码 主成分分析

在线阅读 下载PDF 职称材料