本文關(guān)鍵詞：基于時(shí)頻分析的特征提取與模式分類方法研究

  更多相關(guān)文章： 時(shí)頻分析 小波包變換 特征提取 核主成分分析 支持向量機(jī)

【摘要】：非平穩(wěn)非線性信號(hào)日益成為學(xué)者研究的熱點(diǎn),構(gòu)成了現(xiàn)代信號(hào)處理學(xué)科的重要內(nèi)容。對(duì)于傳統(tǒng)的處理信號(hào)的方法,用于處理非平穩(wěn)非線性信號(hào)顯得欠缺,因?yàn)樗鼈冎皇窃跁r(shí)域,或者在頻域處理信號(hào),是不能夠有效的提取到非平穩(wěn)信號(hào)的非線性特征,時(shí)頻分析方法正是為解決這個(gè)問(wèn)題而出現(xiàn)。論文首先介紹了目前的一些信號(hào)處理的方法,通過(guò)分析得知每個(gè)信號(hào)處理方法都有它的針對(duì)性以及局限性,針對(duì)非平穩(wěn)信號(hào)的特征提取、特征選擇與模式分類問(wèn)題,研究利用小波包分解方法提取時(shí)頻域特征,采用核主成分分析(KPCA)方法進(jìn)行降維提取特征;利用支持向量機(jī)(SVM)進(jìn)行智能分類,解決基于時(shí)頻分析的非平穩(wěn)信號(hào)智能特征提取與模式分類。研究主要的工作是以下幾個(gè)內(nèi)容:(1)針對(duì)非平穩(wěn)信號(hào)的非線性特征問(wèn)題,采用小波包分解方法提取能量特征。首先介紹了小波以及小波包的基本理論,小波分解只是針對(duì)低頻再次分解,對(duì)高頻不再分解,故而有的時(shí)候會(huì)損失重要的高頻信息。而小波包分解克服了小波分解,不能再次進(jìn)行高頻分解的缺點(diǎn),能夠?qū)π盘?hào)的高頻部分再次進(jìn)行分解,使得能夠獲得高頻有用的信號(hào),最后研究了基于小波包分析方法的特征能量的提取。(2)采用核主成分分析方法解決非平穩(wěn)信號(hào)中主要特征選擇的問(wèn)題。先分別介紹了PCA和KPCA的降維特征選擇方法;并對(duì)兩者降維提取特征方法進(jìn)行對(duì)比,在定義性能評(píng)價(jià)指標(biāo)前提下,將主成分分析和的核主成分分析方法應(yīng)用于非平穩(wěn)信號(hào)的特征降維中,通過(guò)仿真實(shí)驗(yàn)結(jié)果表明,在相同準(zhǔn)確度下,核主成分分析的特征個(gè)數(shù)比主成分分析的少;取與主成分特征個(gè)數(shù)相同時(shí),準(zhǔn)確度比主成分分析高,說(shuō)明在降維提取特征方面核主成分分析有更好的效果。(3)采用支持向量機(jī)解決非平穩(wěn)信號(hào)智能特征提取與模式分類問(wèn)題。首先介紹了支持向量機(jī)的理論,核參數(shù)的參數(shù)分析,通過(guò)實(shí)驗(yàn)仿真,驗(yàn)證了研究?jī)?nèi)容的可行性,最后給出了評(píng)價(jià)分類器性能的參數(shù):靈敏度、特異度、準(zhǔn)確度。(4)將方法應(yīng)用到非平穩(wěn)非線性的癲癇腦電信號(hào),對(duì)腦電信號(hào)去除噪聲,采用小波包分解,提取小波包分解系數(shù)的能量特征,用核主成分分析完成降維提取特征,最后由支持向量機(jī)對(duì)選擇后的能量特征進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,采用基于時(shí)頻分析的小波包分解,提取非平穩(wěn)癲癇信號(hào)的能量特征,核主元分析選擇特征,支持向量機(jī)智能識(shí)別,得到了很好的分類準(zhǔn)確率。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.7

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 路榮;黃力宇;晉瑯;;小波包分解腦電復(fù)雜性特征提取的注意狀態(tài)實(shí)時(shí)識(shí)別[J];醫(yī)療衛(wèi)生裝備;2013年02期

2 顏世玉;劉沖;趙海濱;王宏;;基于小波包分解的意識(shí)腦電特征提取[J];儀器儀表學(xué)報(bào);2012年08期

3 李明愛(ài);林琳;楊金福;;基于小波包最優(yōu)基的運(yùn)動(dòng)想象EEG自適應(yīng)特征提取方法[J];計(jì)算機(jī)測(cè)量與控制;2011年11期

4 許麗群;馬馳;王睿杰;;時(shí)頻分析在語(yǔ)音信號(hào)處理中的應(yīng)用[J];科學(xué)技術(shù)與工程;2011年21期

5 徐寶國(guó);宋愛(ài)國(guó);王愛(ài)民;;基于小波包能量的腦電信號(hào)特征提取方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

6 舒服華;;小波分析在真空練泥機(jī)軸承故障診斷中的應(yīng)用[J];陶瓷;2007年04期

7 鄭效來(lái);邱天爽;趙庚申;鮑海平;;一種基于EEG特征提取的癲癇棘波綜合檢測(cè)判決方法[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2005年06期

8 韓鳳琴,陳林剛,桂中華,久保田喬;基于小波包提取尾水管水壓脈動(dòng)特征的研究[J];水電能源科學(xué);2005年01期

9 陳小異;小波變換在噪聲信號(hào)處理中的應(yīng)用研究[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2004年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 邊海龍;非平穩(wěn)信號(hào)聯(lián)合時(shí)頻分析方法的若干問(wèn)題研究與應(yīng)用[D];電子科技大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 楊濤;基于時(shí)頻分析方法的數(shù)字圖像邊緣檢測(cè)算法及應(yīng)用[D];山東大學(xué);2013年

2 高緒偉;核PCA特征提取方法及其應(yīng)用研究[D];南京航空航天大學(xué);2009年

，

本文編號(hào)：1277634