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
共找到291篇文章
< 1 2 … 15 >
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：
降水空间信息的处理策略对径流预测的影响
1
作者 高玉芳 何川 +1 位作者 彭涛 高勇 《水科学进展》 北大核心 2025年第1期143-154,共12页
降水空间信息的精确提取对径流预测的精度至关重要。本文以赣江流域为研究对象,基于长短期记忆网络(Long Short-Term Memory,LSTM)模型,设计原始图像、小波分解、统计特征、面平均值、区域划分5种降水空间信息提取方案,研究降水空间信... 降水空间信息的精确提取对径流预测的精度至关重要。本文以赣江流域为研究对象,基于长短期记忆网络(Long Short-Term Memory,LSTM)模型,设计原始图像、小波分解、统计特征、面平均值、区域划分5种降水空间信息提取方案,研究降水空间信息不同处理策略对基于LSTM模型的径流预测性能的影响。结果表明:相较于直接使用原始图像的方案,综合运用小波分解和统计特征提取的处理方法测试期纳什效率系数分别提升了11.5%和17.9%,同时也增强了模型的稳定性和解释性;不同的区域划分方法能结合土地利用、土壤类型等下垫面因素,反映降水响应的空间差异性,展现了对各流量等级的适应能力,相较于以流域平均值作为输入的方式,能明显提高捕捉高流量和低流量特征的能力。研究表明在基于LSTM模型的降雨—径流预测模型中引入降水空间信息,可以有效改善预测效果。 展开更多
关键词 径流预测 长短期记忆网络 卷积神经网络 小波变换
在线阅读 下载PDF
双通道小波核-卷积神经网络轧机设备轴承诊断方法
2
作者 时培明 肖立峰 +2 位作者 许学方 何俊杰 彭荣荣 《机械科学与技术》 北大核心 2025年第2期335-344,共10页
轧机设备运行过程中产生的振动信号和声音信号包含丰富的状况信息,而使用单类传感器采集信号难以捕获轧机的全面信息。针对上述问题,提出一种基于双通道异源信息融合的小波核-卷积神经网络算法。首先,将采集的振动信号转换成二维小波时... 轧机设备运行过程中产生的振动信号和声音信号包含丰富的状况信息,而使用单类传感器采集信号难以捕获轧机的全面信息。针对上述问题,提出一种基于双通道异源信息融合的小波核-卷积神经网络算法。首先,将采集的振动信号转换成二维小波时频图作为二维卷积神经网络通道的输入;再设计一种小波核网络Wavelet kernel network (WKN)作为一维通道对声音信号进行处理;最后,将各通道提取的特征向量在汇聚层进行拼接,信息融合后实现对轧机设备的轴承状况诊断。为了验证该算法的有效性,搭建轧机状况实验平台。实验结果表明,在变工况下,双通道小波核-卷积神经融合网络对轧机轴承故障诊断准确率可达99%。 展开更多
关键词 故障诊断 轧机轴承 双通道卷积神经网络 小波卷积核
在线阅读 下载PDF
基于WPD-ISSA-CA-CNN模型的电厂碳排放预测
3
作者 池小波 续泽晋 +1 位作者 贾新春 张伟杰 《控制工程》 北大核心 2025年第8期1387-1394,共8页
碳排放的准确预测有利于制定合理的碳减排策略。目前,针对电厂碳排放的研究较少,且传统预测模型训练时间过长。基于此,提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型,该模型创新性地构建“分解-增广融合预测”策略。首先,利... 碳排放的准确预测有利于制定合理的碳减排策略。目前,针对电厂碳排放的研究较少,且传统预测模型训练时间过长。基于此,提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型,该模型创新性地构建“分解-增广融合预测”策略。首先,利用小波包分解(wavelet packet decomposition,WPD)算法将信号按频率特性分解为子序列,再将全部分量增广(component augmentation,CA)作为模型输入,以减少模型的训练时间。其次,考虑到该模型超参数选择困难,利用多策略融合的改进麻雀搜索算法(improved sparrow search algorithm,ISSA)对卷积神经网络(convolutional neural networks,CNNs)的超参数进行寻优。以山西某发电厂2×25 MW锅炉的历史数据为样本,利用5种评价指标将所提模型与BP、LSTM、CNN及其混合模型进行对比。结果表明,所提混合模型在预测火力发电碳排放中各指标均有最佳的准确度且模型训练速度明显提升。 展开更多
关键词 碳排放预测 小波包分解 改进麻雀搜索算法 卷积神经网络
在线阅读 下载PDF
一种小样本滚动轴承故障诊断算法
4
作者 宋存利 王子卓 时维国 《中国惯性技术学报》 北大核心 2025年第1期96-106,共11页
针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可... 针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可视化其特征。然后,通过数据增强扩充样本数据,提升模型在小样本情况下的泛化性。为提高特征提取和模型泛化能力,使用MixConv将ConvNeXt V2模型的7×7卷积层重构为不同大小的并行卷积核,增强多尺度特征提取效果;引入卷积注意力机制模块(CBAM)提升关键特征识别能力。该模型在凯斯西储大学、东南大学和渥太华大学的故障数据集上进行实验验证。实验结果表明,所提模型对不同故障的识别率均为100%,与目前常用的7个模型相比,在相同条件下故障识别准确率最高,具有较强的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 注意力机制 连续小波变换 卷积神经网络
在线阅读 下载PDF
时频空间Transformer网络在主机负载预测中的应用
5
作者 赵卫东 潘智涛 +1 位作者 张睿 吴乾奕 《小型微型计算机系统》 北大核心 2025年第6期1281-1288,共8页
随着大型电子业务系统和科研计算任务日益复杂,预测主机集群未来的指标数据变化趋势具有很强的现实意义.然而,主机时序数据的时空依赖问题很大程度上阻碍了主机集群资源的高效利用.为此,本文提出了TFSformer模型,该模型利用全局时空注... 随着大型电子业务系统和科研计算任务日益复杂,预测主机集群未来的指标数据变化趋势具有很强的现实意义.然而,主机时序数据的时空依赖问题很大程度上阻碍了主机集群资源的高效利用.为此,本文提出了TFSformer模型,该模型利用全局时空注意力和窗口卷积注意力解决了时空依赖问题.在时序数据预处理阶段,本文通过引入Wavelet-TCN-Embedding,实现了对主机负载特征序列的小波分解,将短期和全局时序依赖的特征有效地提取出来,从而提高了预测的准确性.其次,模型通过引入全局时空注意力和窗口卷积注意力,可以挖掘不同负载指标之间的空间依赖关系并且实现了对不同时间尺度下的时间依赖关系的关注,以此解决主机时间序列的时空依赖问题.同时,在主机系统上的实验证明了TFSformer在短期序列预测方面具备出色的性能,模型有效地提高了集群资源利用率并且降低了运维成本. 展开更多
关键词 时间序列预测 TFSformer wavelet-TCN-Embedding 全局时空注意力 窗口卷积注意力
在线阅读 下载PDF
融合双瓶颈结构的轴承外圈缺陷检测算法
6
作者 吴飞 范鹏主 马一凡 《电子测量技术》 北大核心 2025年第6期53-64,共12页
针对轴承外圈表面缺陷检测中存在的缺陷尺度变化大、纹理相似与分布密集等问题,以及现有检测模型结构复杂、计算量与检测精度差的挑战,提出一种轻量高效的轴承缺陷检测算法DWA-YOLO。首先,设计了一种即插即用的轻量化双瓶颈结构模块DBM... 针对轴承外圈表面缺陷检测中存在的缺陷尺度变化大、纹理相似与分布密集等问题,以及现有检测模型结构复杂、计算量与检测精度差的挑战,提出一种轻量高效的轴承缺陷检测算法DWA-YOLO。首先,设计了一种即插即用的轻量化双瓶颈结构模块DBM,以有效降低模型复杂度并强化模型对于不同尺度特征的提取能力。其次,在网络主干中引入多尺度特性的小波卷积WTConv作为下采样算子,通过扩大模型的感受野与利用多尺度分析特性来捕捉图像的细节和纹理信息,增强了模型对纹理与噪声的抗干扰能力和上下文信息理解能力,从而提升了整体检测精度。此外,本文设计了联合损失函数Alpha-MPDIoU,利用幂变换机制提高边界框的定位精度与解决检测多框问题。最后,采用辅助检测头训练策略,加快模型的收敛速度并增强了检测能力。实验结果表明,DWA-YOLO相比基线模型在mAP精度上提升3.5%,模型参数量为2.6 M,计算量为7.4 GFLOPs。改进后的模型不仅提高轴承缺陷识别能力,还降低网络复杂度,更加适用于工业现场对轴承外圈表面缺陷的检测需求。 展开更多
关键词 缺陷检测 小波卷积 双瓶颈结构 Alpha-MPDIoU
在线阅读 下载PDF
小样本下基于DWT和2D-CNN的齿轮故障诊断方法
7
作者 宋庭新 黄继承 +2 位作者 刘尚奇 杜敏 李子平 《计算机集成制造系统》 北大核心 2025年第6期2206-2214,共9页
针对齿轮设备运维过程中故障信号较少的情况,提出一种将离散小波变换(DWT)与二维卷积神经网络(2D-CNN)相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配,实现对齿轮的故障识别。... 针对齿轮设备运维过程中故障信号较少的情况,提出一种将离散小波变换(DWT)与二维卷积神经网络(2D-CNN)相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配,实现对齿轮的故障识别。为了充分获取小样本中的信息来训练神经网络,利用离散小波分解、图像变换和Markov变迁场方法对样本信号进行增量和转换。通过验证齿轮箱数据集得到96%的训练准确率和87.5%的分类准确率,同时通过消融实验和对比实验证明,该方法可以有效克服小样本数据中的噪声干扰,使数据得到增强,在齿轮故障识别中具有很好的现实意义。 展开更多
关键词 故障诊断 小样本 二维卷积神经网络 小波变换
在线阅读 下载PDF
基于小波包分解重构的变工况行星齿轮箱故障诊断
8
作者 史丽晨 周星宇 杨超 《制造技术与机床》 北大核心 2025年第7期50-57,共8页
针对在变工况环境下齿轮箱故障振动数据复杂程度高和故障特征难以提取的问题,提出一种基于小波包分解的三通道数据融合和多尺度残差网络的变工况齿轮箱故障诊断方法。该方法利用小波包分解重构将齿轮箱三通道振动信号进行融合,并利用格... 针对在变工况环境下齿轮箱故障振动数据复杂程度高和故障特征难以提取的问题,提出一种基于小波包分解的三通道数据融合和多尺度残差网络的变工况齿轮箱故障诊断方法。该方法利用小波包分解重构将齿轮箱三通道振动信号进行融合,并利用格拉姆角和图像编码方法转化为二维图像;使用多尺度卷积结构与残差结构相结合的网络结构对变工况齿轮箱故障进行诊断;引入高效通道注意力机制,增强不同尺度卷积下提取到不同特征的敏感性,从而提高模型的表征能力和分类性能。实验结果表明,所提方法在定转速、变负载故障数据下诊断准确率可达到99.59%,定负载、变转速故障数据下诊断准确率可达到98.58%,证明该方法可以有效地弱化运行中变转速和变负载对故障特征的影响。 展开更多
关键词 小波包分解 多尺度卷积 变工况 故障诊断 齿轮箱
在线阅读 下载PDF
基于无意调相边带信息的雷达辐射源个体识别
9
作者 黄湘松 王振 +1 位作者 潘大鹏 赵一洋 《电子与信息学报》 北大核心 2025年第6期1762-1771,共10页
无意调相是雷达辐射源个体识别中的关键信息,能够提供细微的相位变化信息,捕捉到不同辐射源的微小差异,在区分具有相似硬件结构的雷达辐射源时具有显著优势。针对同一厂家生产的同型号辐射源无意调相特性区分性不明显的问题,该文提出一... 无意调相是雷达辐射源个体识别中的关键信息,能够提供细微的相位变化信息,捕捉到不同辐射源的微小差异,在区分具有相似硬件结构的雷达辐射源时具有显著优势。针对同一厂家生产的同型号辐射源无意调相特性区分性不明显的问题,该文提出一种基于无意调相边带信息与深度学习相结合的个体识别方法。通过深入挖掘无意调相特性中的边带信息,增强不同辐射源个体间的差异性,并引入双路循环膨胀卷积网络增加神经网络感受野。实验实测数据显示,该方法在信噪比为5 dB的条件下,仍能对10台同型号的辐射源实现87.58%的平均识别准确率,对比1维残差网络,识别精度提高了21.41%。 展开更多
关键词 辐射源个体识别 无意调相 边带信息 循环膨胀卷积网络 同步压缩小波变换
在线阅读 下载PDF
基于CWT-IDenseNet的滚动轴承故障诊断方法
10
作者 贾广飞 梁汉文 +2 位作者 杨金秋 武哲 韩雨欣 《河北科技大学学报》 北大核心 2025年第2期129-140,共12页
针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为... 针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为二维时频图像;其次,对DenseNet网络进行改进,将DenseNet第1个卷积块中的ReLU激活函数替换为Swish激活函数(Swish激活函数更平滑);同时,在网络中引入基于风格的卷积神经网络重校准模块(style-based recalibration module,SRM)和空间与通道注意力机制模块(convolutional block attention module,CBAM),SRM关注特征通道权重,CBAM则从通道和空间2个维度增强特征表达能力,进而得到IDenseNet;最后,将二维时频图像输入到IDenseNet模型中进行特征提取和故障诊断,通过模型的Softmax层输出故障诊断结果。结果表明,所提方法在恒定工况及变工况下的平均故障识别准确率均达到97.80%,且在迁移学习模型中,平均故障识别准确率达到了99.44%。CWT-IDenseNet方法可以有效提高模型的泛化能力,在恒定工况及变工况下具有显著优势,对提高滚动轴承故障诊断的准确率和可靠性具有参考价值。 展开更多
关键词 机械动力学与振动 滚动轴承故障诊断 连续小波变换 密集连接卷积网络 注意力机制
在线阅读 下载PDF
基于小波包分解卷积神经网络的停运输电线路故障识别方法 被引量：1
11
作者 王鑫明 王祥宇 +3 位作者 贾晓卜 张飞飞 李少博 胡永强 《电测与仪表》 北大核心 2025年第1期61-67,共7页
当输电线路处于热备用状态时,停运线路上仍可能发生短路故障,准确地判断停运线路的故障状态能有效地避免合闸到故障线路时对电力系统造成冲击并对故障的排除提供便利,因此有必要对停运输电线路进行故障识别。对于双回输电线路提出一种... 当输电线路处于热备用状态时,停运线路上仍可能发生短路故障,准确地判断停运线路的故障状态能有效地避免合闸到故障线路时对电力系统造成冲击并对故障的排除提供便利,因此有必要对停运输电线路进行故障识别。对于双回输电线路提出一种采用小波包分解生成的频谱图作为卷积神经网络(convolutional neural network,CNN)输入进行特征提取的停运线路故障识别方法。为减少人为提取特征产生的误差,首先对停运输电线路故障时三相电压暂态波形进行测量,采用小波包分解得到三相电压波形时频特性,最终通过CNN提取特征并进行故障分类。为验证该方法的故障识别效果,以河北省3条线路的实际数据为基础,在ATP-EMTP中建立500 kV同塔双回输电线路模型,为模拟现场各因素产生的误差在测得电压波形中加入10 dB高斯白噪声。结果表明,对热备用线路上故障状态识别准确率为99.98%,在一定程度上为停运线路的故障诊断及排除提供了参考。 展开更多
关键词 同塔双回输电线路 感应电压 小波包分解 时频分析 卷积神经网络 故障识别
在线阅读 下载PDF
基于改进YOLO v11的番茄表面缺陷检测方法
12
作者 朱婷婷 滕广 +2 位作者 张亚军 倪超 何惠彬 《农业机械学报》 北大核心 2025年第6期546-553,共8页
传统的番茄缺陷检测主要依赖于人工分拣,存在效率低、漏检率高等问题。为此,提出了一种改进的YOLO v11番茄缺陷检测方法TDD-YOLO(Tomato defect detection YOLO),实现对番茄表面白斑、增生、凹陷、裂口、变质5种缺陷的自动检测。首先,... 传统的番茄缺陷检测主要依赖于人工分拣,存在效率低、漏检率高等问题。为此,提出了一种改进的YOLO v11番茄缺陷检测方法TDD-YOLO(Tomato defect detection YOLO),实现对番茄表面白斑、增生、凹陷、裂口、变质5种缺陷的自动检测。首先,融合小波深度可分离卷积模块构建新的HE-Head层,在保持模型轻量化的同时提升模型对小目标的检测能力(如白斑);其次,使用WC3k2模块替换原有C3k2模块,扩大模型在特征提取阶段的感受野,同时使用动态上采样方法取代原有的上采样,实现对模型推理效率的提升和轻量化;最后,使用自适应阈值焦点损失函数加强对样本的关注度,提高识别精度。设计实验验证所提方法性能,实验结果表明本文所提的TDD-YOLO模型番茄表面缺陷整体识别精度为89.0%、召回率为84.9%、F1分数为86.9%、平均精度均值为88.0%,识别效果明显优于现有的YOLO系列模型以及Faster R-CNN和EfficientDet模型。此外,TDD-YOLO模型检测速度为142.89 f/s,满足实时检测速度要求,为番茄检测规范化和工业化提供重要技术支撑。 展开更多
关键词 番茄 缺陷检测 YOLO v11 小波深度可分离卷积 深度学习
在线阅读 下载PDF
一种考虑多通道检测数据的航空发动机剩余寿命预测方法
13
作者 刘翠琴 王海瑞 朱贵富 《机械科学与技术》 北大核心 2025年第5期899-912,共14页
针对航空发动机传感器检测数据高噪声、多维度、同剩余使用寿命一致衰减特性的问题,本文采用小波降噪(Wavelet denoising, WD)、时间卷积网络(Time convolution network, TCN)和多头注意力(Multi head attention, MHA)机制,提出一种新... 针对航空发动机传感器检测数据高噪声、多维度、同剩余使用寿命一致衰减特性的问题,本文采用小波降噪(Wavelet denoising, WD)、时间卷积网络(Time convolution network, TCN)和多头注意力(Multi head attention, MHA)机制,提出一种新的网络结构模型:时间卷积-多头注意力(Time convolution-multi head attention, TCN-MHA)求解发动机衰减特性的映射关系来提高航空发动机剩余使用寿命(Remaining useful life prediction, RUL)预测精度。首先对多通道传感器量测数据进行WD去除白噪声干扰,降低多传感器衰减过程中存在的众多因素引起的误差。其次采用TCN提取处理后的多维数据的时序特征并映射出系统性能退化关系,最后利用MHA提取每一维数据预测贡献度,从而给不同维数据分配不同权重并有效预测出航空发动机RUL。在商用模块化航空推进系统仿真(Commercial modular aero-propulsion system simulation, C-MAPSS)数据集上,通过与TCN、MHA以及长短期记忆网络(Long short-term memory network, LSTM)进行实验对比,结果表明本文所提出的预测方法性能优于其他模型,验证了本文所提方法的有效性。 展开更多
关键词 航空发动机 剩余使用寿命 小波降噪 时间卷积网络 多头注意力机制
在线阅读 下载PDF
基于WTT-iTransformer时序预测的容器群伸缩策略研究
14
作者 陈奇超 叶楠 曹炳尧 《电子测量技术》 北大核心 2025年第12期88-98,共11页
Kubernetes默认的HPA策略因其特有的响应性机制而存在扩缩容滞后的局限。为了提高资源的响应性能和资源利用率,本文引入了基于时序资源负载预测的弹性伸缩策略,预测部分创新得提出了WTT-iTransformer模型对集群资源进行预测。已知iTrans... Kubernetes默认的HPA策略因其特有的响应性机制而存在扩缩容滞后的局限。为了提高资源的响应性能和资源利用率,本文引入了基于时序资源负载预测的弹性伸缩策略,预测部分创新得提出了WTT-iTransformer模型对集群资源进行预测。已知iTransformer不仅在长期序列预测表现优异,还可通过变量序列作为token嵌入获取了多变量间的关联性。本文通过增加了小波变换卷积层WTConv2d和多尺度时间卷积网络的WTT-iTransformer模型可以更精确地从时、频域两方面提取资源时间序列的长期特征与依赖关系,更符合容器使用特征的预测。基于该模型的负载变化预测,能够实现高、低流量发生的初期进行快速扩缩容,以解决反应滞后和资源利用率低的问题。实验结果表明,WTT-iTransformer在训练过程中表现出更好的稳定性和更低的训练误差,能够较为准确地预测集群负载的变化趋势,改进的弹性伸缩策略与Kubernetes传统的HPA相比更加智能、稳定,在负载特征明显、突发性负载较多的场景展现出显著提升,具有广泛的应用潜力。 展开更多
关键词 Kubernetes 时序预测模型WTT-iTransformer 负载预测 混合弹性伸缩策略 小波变换卷积 时间卷积网络 iTransformer模型
在线阅读 下载PDF
SG-UNet:基于全局注意力和自校准卷积增强的黑色素瘤分割模型
15
作者 计寰宇 王蕊 +1 位作者 高盛祥 车文刚 《南方医科大学学报》 北大核心 2025年第6期1317-1326,共10页
目的 提出了一种新的黑色素瘤分割模型SG-UNet,以提高黑色素瘤皮肤镜图像的精确分割。通过分割后边界特征评估,可以更准确地识别诊断黑色素瘤从而辅助早期诊断。方法 使用一种U形结构的卷积神经网络UNet,对其主干、跳跃连接和下采样池... 目的 提出了一种新的黑色素瘤分割模型SG-UNet,以提高黑色素瘤皮肤镜图像的精确分割。通过分割后边界特征评估,可以更准确地识别诊断黑色素瘤从而辅助早期诊断。方法 使用一种U形结构的卷积神经网络UNet,对其主干、跳跃连接和下采样池化部分进行改进。在主干部分,我们将UNet的下采样部分参考Vgg的结构将卷积数量由10个增加到13个加深网络层次来捕获更加精细的特征表示。为了进一步提升特征提取和细节识别的能力,主干部分将传统的卷积替换为自校准卷积增强模型对空间维度和通道维度特征的捕获能力。同时,在池化部分将哈尔小波下采样替换原有的池化层实现更有效的多尺度特征融合,并降低特征图的空间分辨率。接着将全局注意力机制融入到每一层的跳跃连接中更好地理解图像的上下文信息。结果实验结果表明SG-UNet在ISIC 2017和ISIC 2018数据集上的分割效果对比目前其他先进分割模型得到明显提升。在ISIC2017和ISIC 2018数据集上Dice,IoU分别达到了92.41%,86.62%和92.31%,86.48%。结论 实验结果证实,所提出的方法能够有效实现黑色素瘤的精确分割。 展开更多
关键词 图像分割 全局注意力机制 黑色素瘤 UNet 自校准卷积 哈尔小波下采样 SG-UNet
在线阅读 下载PDF
一种结合小波去噪卷积与稀疏Transformer的调制识别方法
16
作者 郑庆河 刘方霖 +3 位作者 余礼苏 姜蔚蔚 黄崇文 桂冠 《电子与信息学报》 北大核心 2025年第7期2361-2374,共14页
针对Transformer模型处理时域信号长度受限以及忽略有序特征元素相关性的问题,该文提出一种结合小波去噪卷积与稀疏Transformer的方法用于调制识别。首先,提出可学习的小波去噪卷积帮助深度学习模型提取合适的去噪信号表征,并将自适应... 针对Transformer模型处理时域信号长度受限以及忽略有序特征元素相关性的问题,该文提出一种结合小波去噪卷积与稀疏Transformer的方法用于调制识别。首先,提出可学习的小波去噪卷积帮助深度学习模型提取合适的去噪信号表征,并将自适应的时频特征纳入目标函数的泛函策略中。然后,设计稀疏前馈神经网络替换传统Transformer中的注意力机制,用于对元素关系进行建模,并根据信号域中的少量关键元素对训练过程的梯度进行有效优化。在公开数据集RadioML 2016.10a和RML22的实验结果表明,稀疏Transformer模型能够分别取得63.84%和71.13%的平均分类准确率。与一系列深度学习模型对比,整体分类准确率提升了4%~10%,进一步证明了方法的有效性。此外,超参数消融实验验证了模型组件在复杂移动通信环境中的鲁棒性和实用性。 展开更多
关键词 调制分类 深度学习 稀疏Transformer 小波去噪卷积
在线阅读 下载PDF
基于近红外光谱的连续小波变换与卷积注意力模块建立秦艽的定性分析模型
17
作者 周玉 李四海 +1 位作者 李坤鹏 王泽朋 《理化检验(化学分册)》 北大核心 2025年第4期436-442,共7页
针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取,为了更加全面地挖掘光谱数据中的信息,提高分类模型的建模效果,提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将一... 针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取,为了更加全面地挖掘光谱数据中的信息,提高分类模型的建模效果,提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将一维的信号转换为二维图像表现形式,以得到的小波时频图作为光谱特征,建立具有注意力机制的秦艽近红外光谱的卷积神经网络定性分析模型Att-GoogleNet,并通过翻转、对比度增强以及加入高斯噪声来扩充数据集实现数据增强,提高模型的泛化能力。结果表明:对207个秦艽样品的产地进行分析,Att-GooogleNet模型的分类准确率为99.6%,准确率、精确率、召回率、特异度、F1分数均优于传统机器学习模型。 展开更多
关键词 近红外光谱 连续小波变换 卷积神经网络 注意力机制 模型 秦艽
在线阅读 下载PDF
基于WPD-CNN的补偿电容故障诊断方法研究 被引量：1
18
作者 罗泽霖 孟景辉 +3 位作者 刘金朝 罗依梦 许庆阳 解婉茹 《铁道标准设计》 北大核心 2025年第1期191-197,共7页
为进一步挖掘动态检测数据中蕴含的补偿电容状态特征,针对ZPW-2000A型轨道电路,结合小波包分解与卷积神经网络,提出一种基于WPD-CNN的补偿电容故障诊断方法。采用功率谱分析的方法,找出检测曲线中趋势项特征与补偿电容特征所在频带范围... 为进一步挖掘动态检测数据中蕴含的补偿电容状态特征,针对ZPW-2000A型轨道电路,结合小波包分解与卷积神经网络,提出一种基于WPD-CNN的补偿电容故障诊断方法。采用功率谱分析的方法,找出检测曲线中趋势项特征与补偿电容特征所在频带范围,然后利用小波包分解方法对原始信号进行分解,提取其中特征频带内的小波包系数构造补偿电容特征矩阵。使用动态检测数据构造训练集与测试集,将不同故障类型的特征矩阵输入卷积神经网络进行训练学习,并在测试集上进行验证。实验结果表明,WPD-CNN方法对单个信号的特征提取用时5.9 ms,总体故障识别准确率为98.4%,可有效识别不同位置的补偿电容故障问题,为补偿电容故障诊断提供依据。 展开更多
关键词 轨道电路 补偿电容 动态检测 小波包分解 卷积神经网络 故障诊断
在线阅读 下载PDF
基于小波域的复数卷积和复数Transformer的轻量级MR图像重建方法
19
作者 张晓华 练秋生 《电子学报》 北大核心 2025年第4期1221-1231,共11页
卷积神经网络能够从大规模数据中学习图像先验信息,在图像处理领域具有优异表现,但局部感受野使其难以捕捉像素间的远程依赖关系. Transformer网络架构具有全局感受野,在自然语言和高级视觉问题上表现出色,但其计算复杂度与图像尺寸的... 卷积神经网络能够从大规模数据中学习图像先验信息,在图像处理领域具有优异表现,但局部感受野使其难以捕捉像素间的远程依赖关系. Transformer网络架构具有全局感受野,在自然语言和高级视觉问题上表现出色,但其计算复杂度与图像尺寸的平方成正比,限制了其在高分辨图像处理任务中的应用.此外,许多MR(Magnetic Resonance)图像重建算法仅使用幅值数据或将实部和虚部分离到两个独立的通道作为网络输入,忽略了复值图像实部和虚部之间的相关性.本文提出基于复数卷积和复数Transformer的混合模块,既能利用卷积神经网络提取的高分辨率空间信息恢复MR图像细节,又能通过自注意力模块获取的全局上下文信息捕获远程特征.基于混合模块,结合小波变换进一步提出基于小波域的复数卷积和复数Transformer的轻量级MR图像重建算法.在Calgary-Campinas和fastMRI两个数据集上的实验结果表明,所提出的模型与四种具有代表性的MR图像重建算法相比,具有更高的重建性能和更少的资源消耗.源代码公开于https://github.com/zhangxh-qhd/WCCTNet. 展开更多
关键词 MR图像重建 小波变换 轻量级网络 复数卷积 复数Transformer 感受野
在线阅读 下载PDF
基于光照度适应与小波融合的水下图像增强
20
作者 张贵平 何志琴 《电子测量技术》 北大核心 2025年第12期146-155,共10页
水下成像由于光的被吸收和散射现象,导致水下图像往往存在细节丢失、颜色偏差和光照度损失、过曝等问题。针对上述问题,本文提出了一种基于光照度适应与小波融合的增强算法。利用优化对数变换提升图像整体亮度,并通过高斯核函数卷积运... 水下成像由于光的被吸收和散射现象,导致水下图像往往存在细节丢失、颜色偏差和光照度损失、过曝等问题。针对上述问题,本文提出了一种基于光照度适应与小波融合的增强算法。利用优化对数变换提升图像整体亮度,并通过高斯核函数卷积运算生成适应背景光照度的增强图像,再与水下图像通过小波多尺度融合以增强水下图像的低照度区域,同时压制过曝区域。其次,通过计算颜色通道的均值,以调整融合后图像的对比度和色彩饱和度。最后,通过小波迭代融合其Gamma矫正和锐化后的图像得到最终水下增强图像。实验结果表明,本文算法能够有效增强图像细节、恢复图像色差;图像的IE、UCIQE和UIQM的均值较原始图像分别提高了7.5%、36.6%和199.8%。 展开更多
关键词 水下图像增强 光照度适应 高斯核函数卷积运算 高斯滤波 小波迭代融合
在线阅读 下载PDF
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 2 … 15 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部