基于RBF神经网络模型的混沌背景下谐波信号提取

在混沌时间序列前后向联合预测模型的基础上,提出前后向联合迭代预测模型并将之用于混沌背景下谐波信号的提取.对前后向联合迭代预测模型与前向预测模型的仿真实验对比研究表明,在叠加谐波信号幅度和频率不过小的情况下,前后向联合迭代预测模型在连续类混沌背景下的谐波信号提取性能较前向预测模型好,而在离散类混沌背景下的谐波信号提取效果都很差,但仍可用于检测微弱谐波信号.     

用碱性裂解法提取人血凝块中基因组DNA

目的建立一种新的从人血凝块中提取基因组DNA的方法。方法血凝块于室温自然解冻,匀浆,碱消化,酚氯仿抽提,电泳检测。结果用碱性裂解法从人血凝块中成功提取到基因组DNA,提取的DNA质量浓度平均为0.46 g/L,且吸光度比值A260/A280>1.8,选取人Gpx-1基因作PCR获得满意的目的片段。结论用碱性裂解法提取的基因组DNA的总量较高,提取效率高,PCR扩增效果好,可很好的应用于血凝块基因组DNA的提取。     

基于块直方图分析的视频背景提取方法

在基于像素的直方图分析背景提取的基础上,提出了基于块的直方图分析背景提取方法.该方法在提取背景像素时利用了时域帧间像素的统计特性和帧内局部区域像素的相关性,在直方图分析时不是统计图像中的单个像素点,而是2×2的块,从而显著地减小了利用直方图分析提取背景时的计算量.给出了基于块的方法与普通基于像素的直方图分析背景提取方法的对比试验.试验结果证明了该方法具有提取背景速度快、背景质量好的优点.     

基于MATPCA方法的混凝土表观缺陷识别研究

以混凝土表观缺陷为对象,研究用图像处理和模式识别技术来实现表观缺陷的检测和识别,重点在混凝土外观缺陷图像的特征提取和设计有效、可靠的分类器,实现缺陷的准确分类.基于矩阵的主分量分析（MATPCA）是统计学中分析数据的一种有效的方法,它可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等.将MATPCA法应用于混凝土表观缺陷识别系统的特征提取层,并在MATLAB中实现特征的提取,较好地满足识别层的输入要求;而在系统的识别层,研究BP神经网络方法取得了较好的实验效果.     

基于小波变换的轨道车辆轮轨力处理方法

轨道车辆轮轨力的计算精度直接影响车辆运行安全性及舒适性的评估,并影响车辆正向设计数据基础的准确性。基于小波法,利用LABVIEW软件图形化编程语言对间断式测力轮对测试数据进行零线漂移、去噪重构及峰值提取等操作,最终通过测试数据计算得到精确的轮轨作用力。计算结果可为车辆状态评估和车辆设计提供参考性数据基础。     

基于中文网页的综合联系信息提取系统的设计与实现

为满足用户希望通过搜索引擎查询综合联系信息的需求,设计了基于中文网页中的综合联系信息提取系统。研究与阐述了在搜索引擎返回结果的基础上提取有关联系方面的综合信息(例如邮箱、电话等)的实现方法,并通过构建特有的内置"实体"判断、SV值算法提高系统的提取精度。     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

基于小波包分解和特征能量提取技术的车内传导干扰源识别

车内大功率用电设备的电压波动是车内产生传导干扰的主要原因。文中介绍了通过对采集的干扰信号进行小波包分解,对系数进行最小风险的去噪处理,然后提取特征能量来识别车内传导干扰源。最后采用EM-test设备发生干扰信号进行实验,结果表明该方法对车内电压波动的主要干扰源有较强的识别能力。     

基于多分辨率近似熵的发动机声信号特征提取

介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。     

基于图像变化检测的舰船毁伤信息提取问题研究

信息化条件下,舰船毁伤效果评估对舰船毁伤信息的提取提出了更高的要求。文章对基于图像变化检测的舰船毁伤信息提取问题进行了研究,首先对舰船毁伤前后的图像进行配对,然后利用变化检测法对图像变化的纹理特征和几何特征进行检测,提取舰船毁伤评估所需要的毁伤信息。