信號(hào),是一種信息的載體,傳達(dá)有關(guān)一些現(xiàn)象行為或?qū)傩孕畔�。�?duì)于信號(hào)的分類研究具有重要的現(xiàn)實(shí)意義,也是目前許多領(lǐng)域所研究的熱點(diǎn)。在信號(hào)處理領(lǐng)域,散射變換是一種新的時(shí)頻分析方法,其克服了傳統(tǒng)小波變換會(huì)時(shí)移變化的缺點(diǎn),具有平移不變性、彈性形變穩(wěn)定性等優(yōu)點(diǎn),同時(shí)在二維信號(hào)中具有旋轉(zhuǎn)不變性。深度學(xué)習(xí)作為一種機(jī)器學(xué)習(xí)方法,具有強(qiáng)大的特征泛化和分類能力,可以有效提取樣本中深層次的特征并進(jìn)行分類。由于當(dāng)輸入數(shù)據(jù)含有噪聲等干擾時(shí),深度學(xué)習(xí)的性能會(huì)受影響。故本文將散射變換與深度學(xué)習(xí)結(jié)合,提升整體方法對(duì)于信號(hào)分類問題的準(zhǔn)確性能,并從一維信號(hào)和二維信號(hào)的分類問題作為切入點(diǎn)進(jìn)行研究分析:針對(duì)機(jī)械故障診斷中信號(hào)含噪多的問題,本文提出了一種特征學(xué)習(xí)能力強(qiáng)、計(jì)算速度快的混合網(wǎng)絡(luò)結(jié)構(gòu)。一維散射網(wǎng)絡(luò)由于其具有局部形變穩(wěn)定性等特性被用于混合網(wǎng)絡(luò)的第一層負(fù)責(zé)抑制噪聲干擾和提取數(shù)據(jù)在頻率域中的特征,SDnet由于其泛化能力強(qiáng)、結(jié)構(gòu)輕便、分類性能強(qiáng)等優(yōu)點(diǎn)被用于混合網(wǎng)絡(luò)的第二層負(fù)責(zé)對(duì)特征更進(jìn)一步提取和故障分類診斷。將該混合網(wǎng)絡(luò)與DNN、LSTM、1D-LeNet5等故障診斷領(lǐng)域常用的深度學(xué)習(xí)方法在網(wǎng)絡(luò)準(zhǔn)確性能、抗噪性能、遷移能力三個(gè)... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

信號(hào)時(shí)域波形圖、頻譜圖及時(shí)頻圖

很強(qiáng)的局部特征表征能力，因吉布斯效應(yīng)。除此之外，由于對(duì)信號(hào)進(jìn)行多尺度分析，從而小波變換對(duì)信號(hào)分析實(shí)質(zhì)上是得到的低頻和高頻分量中提取數(shù)學(xué)描述為：,0 ) ( ) (k j kk j kt c t k d 是小波函數(shù)，kc 是低頻系數(shù)了信號(hào)中的細(xì)節(jié)部分。波分解的過程即不斷對(duì)信號(hào)的號(hào)低頻部分的低頻信息和高頻小越深，VJ代表第 J 級(jí)小波分?jǐn)?shù)。

重慶大學(xué)碩士學(xué)位論文 2 散射變換相關(guān)理論對(duì)于二維信號(hào)來說，小波分解的過程與一維有所不同，每一次小波變換后會(huì)得到四個(gè)不同的系數(shù)，具體可見圖 2.3。其中 V 代表低頻系數(shù)，WH代表水平方向高頻系數(shù)，WV代表垂直方向高頻系數(shù)，WD代表傾斜方向高頻系數(shù)。


本文編號(hào)：3270656