设计简易数字控制的微弱信号检测装置,系统主要由信号预处理、参考信号源、互相关检测、ADC采样及STM32处理器控制模块组成。前级通过加法器把微弱待测信号和强噪声信号相加,模拟出信号淹没在强噪声中的微弱信号源;通过带通滤波、程控...设计简易数字控制的微弱信号检测装置,系统主要由信号预处理、参考信号源、互相关检测、ADC采样及STM32处理器控制模块组成。前级通过加法器把微弱待测信号和强噪声信号相加,模拟出信号淹没在强噪声中的微弱信号源;通过带通滤波、程控放大进行预处理后的信号在AD630中进行互相关检测处理;所得信号经过低通滤波后送入ADS1271采样分析,最后得出待测微弱信号的幅度、相位和频率等信息。在强噪声源幅度为2 Vpp的情况下,实现了对20 m Vpp微弱信号的检测。展开更多
当两类样本分布存在差异时,最接近支持向量机(Proximal Support Vector Machine,PSVM)等最小二乘类分类器分类结果将出现偏差,不能实现最小错误率分类.本文在分析PSVM等价广义特征值分解模型基础上,提出了一种改善原PSVM分类决策面的优...当两类样本分布存在差异时,最接近支持向量机(Proximal Support Vector Machine,PSVM)等最小二乘类分类器分类结果将出现偏差,不能实现最小错误率分类.本文在分析PSVM等价广义特征值分解模型基础上,提出了一种改善原PSVM分类决策面的优化样本分布PSVM,其基本思想是通过引入最大化正确分类样本距决策面距离,同时最小化错误分类样本距决策面距离的优化样本分布正则化项,构造优化样本分布PSVM的广义特征值分解模型.通过人工数据集和UCI数据集的10个数据子集上的对比实验,验证了该改进分类模型能够有效调整决策边界,从而获得更好的分类效果.展开更多
文摘设计简易数字控制的微弱信号检测装置,系统主要由信号预处理、参考信号源、互相关检测、ADC采样及STM32处理器控制模块组成。前级通过加法器把微弱待测信号和强噪声信号相加,模拟出信号淹没在强噪声中的微弱信号源;通过带通滤波、程控放大进行预处理后的信号在AD630中进行互相关检测处理;所得信号经过低通滤波后送入ADS1271采样分析,最后得出待测微弱信号的幅度、相位和频率等信息。在强噪声源幅度为2 Vpp的情况下,实现了对20 m Vpp微弱信号的检测。
文摘当两类样本分布存在差异时,最接近支持向量机(Proximal Support Vector Machine,PSVM)等最小二乘类分类器分类结果将出现偏差,不能实现最小错误率分类.本文在分析PSVM等价广义特征值分解模型基础上,提出了一种改善原PSVM分类决策面的优化样本分布PSVM,其基本思想是通过引入最大化正确分类样本距决策面距离,同时最小化错误分类样本距决策面距离的优化样本分布正则化项,构造优化样本分布PSVM的广义特征值分解模型.通过人工数据集和UCI数据集的10个数据子集上的对比实验,验证了该改进分类模型能够有效调整决策边界,从而获得更好的分类效果.
