检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

57 篇 专利
1 篇 期刊文献

馆藏范围

58 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 理学
- 1 篇 系统科学

主题

1 篇 经验模态分解
1 篇 压缩感知
1 篇 本征模函数分量
1 篇 语音信号

机构

4 篇 东北电力大学
4 篇 北京理工大学
4 篇 广东工业大学
3 篇 天津大学
3 篇 国家电网公司
3 篇 山东大学
2 篇 国家电网有限公司
2 篇 江苏师范大学
2 篇 安徽省交通规划设...
2 篇 水利部交通运输部...
2 篇 中国科学院计算技...
2 篇 淮安市水利工程建...
2 篇 苏州美糯爱医疗科...
2 篇 中国石油大学
2 篇 国网辽宁省电力有...
2 篇 国网四川省电力公...
2 篇 苏州乐达纳米科技...
2 篇 北京工业大学
1 篇 重庆交通大学
1 篇 华中科技大学

作者

4 篇 胡南
3 篇 王孟尧
3 篇 王黎明
3 篇 李方义
2 篇 刘文艺
2 篇 陈大浩
2 篇 李正文
2 篇 李登华
2 篇 钟启明
2 篇 杨冬锋
2 篇 鲍世辉
2 篇 沈大千
2 篇 李斌
2 篇 赵登利
2 篇 蔡沈健
2 篇 赵鹏
2 篇 冯立辉
2 篇 陈孝旭
2 篇 付胜
2 篇 蔡盛盛

语言

58 篇 中文

检索条件"主题词=本征模函数分量"

共 58 条记录，以下是11-20 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

一种信号分类识别方法

一种信号分类识别方法

引用

作者：卢继华李兆军冯立辉 100081 北京市海淀区中关村南大街5号

本发明属于数据表示、分类与信号识别技术领域，尤其涉及基于EMD分解、双谱特征及神经网络对射频信号分类识别方法。所述方法，包括：将欲分类的信号循环加入噪声并取模值得到幅度数据；依据有效数据阶数对幅度数据进行改进的集总平均... 详细信息

标准号: CN114881093B

本发明属于数据表示、分类与信号识别技术领域，尤其涉及基于EMD分解、双谱特征及神经网络对射频信号分类识别方法。所述方法，包括：将欲分类的信号循环加入噪声并取模值得到幅度数据；依据有效数据阶数对幅度数据进行改进的集总平均经验模态分解，得到本征模函数分量及剩余信号；将剩余信号划分得到训练数据集与测试数据集；遍历训练数据集与测试数据集中的样本提取双谱特征得到该样本的双谱特征矩阵，并分别构建训练集和测试集；构造卷积神经网络；将训练集输入卷积神经网络中进行训练，得到训练好的模型；将测试集输入训练好的模型中，得到分类识别结果。所述方法实现了对接收到的射频信号高准确率分类。

关键词：双谱卷积神经网络训练数据集分类识别幅度数据射频信号剩余信号测试集训练集分类本征模函数分量经验模态分解信号识别技术测试数据集测试数据神经网络数据表示特征矩阵信号循环样本提取有效数据准确率遍历构建阶数取模噪声样本改进

来源：评论

学校读者我要写书评

暂无评论

一种电子听诊器的摩擦音干扰自动消除方法

一种电子听诊器的摩擦音干扰自动消除方法

引用

作者：蔡盛盛胡南徐兴国周宁 215000 江苏省苏州市高新区科技城科灵路78号05号楼-5-501

本发明公开了一种电子听诊器的摩擦音干扰自动消除方法，涉及听诊器消音处理技术领域。本发明包括对x中第K个干扰时间区间上的数据xK进行经验模态分解得到MK个本征模函数分量：对IMF2与IMF3作低通滤波后分帧计算IMF2与IMF3相关系数，确... 详细信息

标准号: CN109805954B

本发明公开了一种电子听诊器的摩擦音干扰自动消除方法，涉及听诊器消音处理技术领域。本发明包括对x中第K个干扰时间区间上的数据x_K进行经验模态分解得到M_K个本征模函数分量：对IMF₂与IMF₃作低通滤波后分帧计算IMF₂与IMF₃相关系数，确定P个数据点区间分别记为：对数据点区间以外的数据全置零；计算并依次对P个数据点区间的边缘数据段通过三次样条插值赋以更新值。本发明快速精确地检测并定位出听诊信号中可能出现的一个或者多个摩擦音干扰区域；实现单通道听诊数据摩擦音干扰的自动消除同时实现对同一段数据内多个摩擦音干扰区域的摩擦音自动消除。

关键词：自动消除干扰区域本征模函数分量听诊经验模态分解电子听诊器听诊器边缘数据低通滤波三次样条时间区间听诊信号单通道段数据分帧消音置零检测更新

来源：评论

学校读者我要写书评

暂无评论

一种基于多脑区协同相幅传递的睡眠动力学分析方法

一种基于多脑区协同相幅传递的睡眠动力学分析方法

引用

作者：史文彬王雨霏叶建宏 100081 北京市海淀区中关村南大街5号

本发明涉及一种基于多脑区协同相幅传递的睡眠动力学分析方法，属于认知神经科学和信息技术交叉领域。本发明提出一种基于交叉相幅传递熵的多维脑电相位‑幅值耦合分析方法。首先采集多通道睡眠脑电信号并对其进行预处理，去除杂讯和干... 详细信息

标准号: CN115736950A

本发明涉及一种基于多脑区协同相幅传递的睡眠动力学分析方法，属于认知神经科学和信息技术交叉领域。本发明提出一种基于交叉相幅传递熵的多维脑电相位‑幅值耦合分析方法。首先采集多通道睡眠脑电信号并对其进行预处理，去除杂讯和干扰。对预处理后的信号进行噪声辅助多元经验模式分解，得到一系列尺度相互对准的多元本征模函数。计算每两组脑电通道间相对低频本征模函数分量与相对高频本征模函数分量间的交叉相幅传递熵，进而构造相幅耦合特征矩阵。对计算得到的特征矩阵内数值进行显著性检验，提高结果准确性。进一步将统计检验显著的相幅耦合数值平均分配到双频率耦合图谱中，直观反映大脑不同区域间的信息交互作用。

关键词：本征模函数分量预处理耦合脑电传递睡眠矩阵经验模式分解认知神经科学本征模函数动力学分析结果准确性显著性检验脑电信号平均分配特征矩阵信息交互耦合分析耦合特征多通道双频率多维两组脑区杂讯去除噪声图谱对准大脑尺度直观采集协同信息技术检验统计

来源：评论

学校读者我要写书评

暂无评论

通信辐射源个体识别方法、装置、设备及存储介质

通信辐射源个体识别方法、装置、设备及存储介质

引用

作者：刘义亚王建社方四安柳林占建波徐承刘海波钟奥蒋俊 230088 安徽省合肥市高新区望江西路666号人工智能云服务平台研发楼

本申请实施例公开了一种通信辐射源个体识别方法、装置、设备及存储介质，从待检测信号中提取两个目标信号分量，分别为待检测信号的实部信号和虚部信号；对目标信号分量进行模态分解，得到目标信号分量的若干本征模函数分量；对若干本... 详细信息

标准号: CN115865222A

本申请实施例公开了一种通信辐射源个体识别方法、装置、设备及存储介质，从待检测信号中提取两个目标信号分量，分别为待检测信号的实部信号和虚部信号；对目标信号分量进行模态分解，得到目标信号分量的若干本征模函数分量；对若干本征模函数分量进行解混，得到若干独立信号；基于各独立信号的混乱程度，在若干独立信号中筛选出候选独立信号；候选独立信号的混乱程度小于若干独立信号中的非候选独立信号的混乱程度；将基于不同目标信号分量筛选出的候选独立信号进行合并，得到有效信号；基于有效信号进行通信辐射源个体识别。提高通信辐射源个体识别的准确率和鲁棒性。

关键词：独立信号目标信号分量辐射源个体识别本征模函数分量待检测信号有效信号混乱通信筛选存储介质模态分解实部信号虚部信号鲁棒性准确率合并申请

来源：评论

学校读者我要写书评

暂无评论

基于声音处理的无砂混凝土集料粒径确定方法

基于声音处理的无砂混凝土集料粒径确定方法

引用

作者：鲍世辉张玉斌任园王春红王祥彪魏庆庆牛京涛方肖立 230088 安徽省合肥市高新区彩虹路1008号

本发明提出了基于声音处理的无砂混凝土集料粒径确定方法，采集无砂混凝土室内试件表面反射的音频信号，并进行预处理；建立语音信号的自回归模型；滤波处理含噪音的语音信号；对处理后的语音信号进行经验模态分解，并处理其中的噪声本... 详细信息

标准号: CN117907166A

本发明提出了基于声音处理的无砂混凝土集料粒径确定方法，采集无砂混凝土室内试件表面反射的音频信号，并进行预处理；建立语音信号的自回归模型；滤波处理含噪音的语音信号；对处理后的语音信号进行经验模态分解，并处理其中的噪声本征模函数；采用能量阈值确定噪声本征模函数分量并重构；对重构的本征模函数分量进行小波处理；将、其余的本征模函数分量以及残余分量重构即为最终语音增强信号；建立无砂混凝土集料粒径的计算模型，根据模型计算得到粒径。具有简单易操作，结果准确等优点。

关键词：本征模函数分量无砂混凝土语音信号集料粒径重构噪声预处理经验模态分解本征模函数自回归模型表面反射残余分量计算模型滤波处理模型计算声音处理室内试件音频信号语音增强阈值确定重构的粒径小波噪音采集

来源：评论

学校读者我要写书评

暂无评论

一种风电机组故障诊断方法

一种风电机组故障诊断方法

引用

作者：刘文艺任贺单梦晨王欣 221116 江苏省徐州市铜山区上海路101号

本发明公开了一种风电机组故障诊断方法，该方法根据风电机组齿轮箱的振动信号特性，通过对不同工况下的信号进行变分模态分解，得到一系列本征模函数分量并对其分别求多尺度排列熵；将多尺度排列熵与原信号时域特征组合为特征向量输入... 详细信息

标准号: CN110443117B

本发明公开了一种风电机组故障诊断方法，该方法根据风电机组齿轮箱的振动信号特性，通过对不同工况下的信号进行变分模态分解，得到一系列本征模函数分量并对其分别求多尺度排列熵；将多尺度排列熵与原信号时域特征组合为特征向量输入到迁移学习算法中；通过线性变换矩阵来最小化源域与目标域的协方差，通过二阶统计量对齐缩小源域与目标域信号数据的分布差异，然后将对齐的源域与目标域信号数据的特征向量输入到支持向量机中进行故障分类。本发明方法能够解决由于不同工况下振动信号数据处于不同分布造成分类效果差的问题，在变工况下风电机组故障诊断中具有更高准确率。

关键词：风电机组目标域源域故障诊断特征向量信号数据对齐多尺度本征模函数分量线性变换矩阵振动信号数据振动信号特性二阶统计量支持向量机分布差异分类效果故障分类时域特征学习算法变工况齿轮箱协方差最小化准确率分模迁移分解

来源：评论

学校读者我要写书评

暂无评论

一种桥梁挠度监测中的温度效应分离方法

一种桥梁挠度监测中的温度效应分离方法

引用

作者：辛景舟李双江马虎张洪周建庭唐启智王承伟黄磊马闻达 402247 重庆市江津区双福新区福星大道1号

本发明涉及桥梁监测技术领域，具体涉及一种桥梁挠度监测中的温度效应分离方法，包括：通过变分模态分解法将桥梁挠度信号分解成若干个本征模函数分量；计算所述本征模函数分量的概率密度分布函数；根据所述概率密度分布函数计算所述本... 详细信息

标准号: CN113204850A

本发明涉及桥梁监测技术领域，具体涉及一种桥梁挠度监测中的温度效应分离方法，包括：通过变分模态分解法将桥梁挠度信号分解成若干个本征模函数分量；计算所述本征模函数分量的概率密度分布函数；根据所述概率密度分布函数计算所述本征模函数分量的相对熵KLD值；通过所述相对熵KLD值剔除虚假的本征模函数分量，并基于剔除所述虚假的本征模函数分量后的各个本征模函数分量分离得到所述桥梁挠度信号中的温度效应信号。本发明中的温度效应分离方法能够克服模态混叠并能够抑制桥梁挠度数据非线性、非平稳性和不确定性影响，从而能够提升桥梁结构的真实响应获取效果。

关键词：本征模函数分量桥梁挠度温度效应概率密度分布函数剔除不确定性非平稳性模态混叠桥梁监测桥梁结构响应获取信号分解分解法分模监测

来源：评论

学校读者我要写书评

暂无评论

一种基于智能合约的分布式光伏电站集群全周期管理系统

一种基于智能合约的分布式光伏电站集群全周期管理系统

引用

作者：孙益源赵倜胡斌孙志忠季小刚 226000 江苏省南通市通州区十总镇振兴北路16号

本发明公开了一种基于智能合约的分布式光伏电站集群全周期管理系统，用于光伏行业管理领域，该管理系统包括：智能合约部署模块、数据收集模块、初步预测模块、环境监控模块、优化调整模块及交易管理与运营模块。本发明从各光伏电站获... 详细信息

标准号: CN118134699A

本发明公开了一种基于智能合约的分布式光伏电站集群全周期管理系统，用于光伏行业管理领域，该管理系统包括：智能合约部署模块、数据收集模块、初步预测模块、环境监控模块、优化调整模块及交易管理与运营模块。本发明从各光伏电站获取实时运行数据，并结合电站的标注信息，进行实时且精确的能源产出预测，这有助于及时调整电站的运行策略，提高能源利用效率；使用经验模态分解算法对实时数据进行分解并提取本征模函数分量，使得预测更为准确，经验模态分解算法能够有效处理非线性和非平稳时间序列数据，适用于复杂的光伏电站数据分析。

关键词：经验模态分解算法管理系统光伏电站本征模函数分量非平稳时间序列光伏电站数据环境监控模块能源利用效率实时运行数据数据收集模块优化调整模块电站智能标注信息部署模块管理领域光伏行业交易管理实时数据有效处理预测模块运行策略运营模块全周期预测集群分解能源分析

来源：评论

学校读者我要写书评

暂无评论

一种基于EMD-GPR-RVM的液态金属电池容量预测方法及系统

一种基于EMD-GPR-RVM的液态金属电池容量预测方法及系统

引用

作者：蒋凯石琼林王康丽 430074 湖北省武汉市洪山区珞喻路1037号

本发明公开了一种基于EMD‑GPR‑RVM的液态金属电池容量预测方法及系统，属于液态金属电池应用技术领域。所述方法包括以下步骤：实时采集液态金属电池容量数据，或收集离线电池容量数据；将电池容量时序数据划分为训练数据和测试数据，... 详细信息

标准号: CN116068435A

本发明公开了一种基于EMD‑GPR‑RVM的液态金属电池容量预测方法及系统，属于液态金属电池应用技术领域。所述方法包括以下步骤：实时采集液态金属电池容量数据，或收集离线电池容量数据；将电池容量时序数据划分为训练数据和测试数据，采用经验模态分解(EMD)将电池容量数据分解为本征模函数分量(IMFs)和残差分量(Res)；在数据分解的基础上，将本征模函数分量数据输入高斯过程回归(GPR)模型中，将残差分量数据输入到相关向量机(RVM)中，以训练各个分量的预测模型；利用训练好的模型进行各个分量的预测，并将各个预测分量相加得到液态金属电池容量预测结果。

关键词：液态金属电池容量数据本征模函数分量电池容量预测残差高斯过程回归经验模态分解应用技术领域测试数据电池容量分量数据时序数据实时采集数据分解训练数据预测模型向量机预测离线相加电池分解

来源：评论

学校读者我要写书评

暂无评论

一种基于经验模态分解与深度学习结合的交通流预测方法

一种基于经验模态分解与深度学习结合的交通流预测方法

引用

作者：黎勇王森正刘美琦吴建光吴金泽刘锐 400044 重庆市沙坪坝区沙正街174号

本发明属于交通流参数预测方法，具体涉及一种基于经验模态分解与深度学习结合的交通流预测方法。包括对采集到的交通流数据时间序列的进行经验模态分解得到多个本征模函数分量序列；形成各分量序列的跨尺度子序列，依次将跨尺度子序列... 详细信息

标准号: CN117409578A

本发明属于交通流参数预测方法，具体涉及一种基于经验模态分解与深度学习结合的交通流预测方法。包括对采集到的交通流数据时间序列的进行经验模态分解得到多个本征模函数分量序列；形成各分量序列的跨尺度子序列，依次将跨尺度子序列逐行拼接为输入矩阵；将输入矩阵输入一带有注意力机制的卷积神经网络模型提取时间序列特征，将所述输出特征矩阵与显著性特征矩阵逐元素相乘得到融合特征矩阵，再逐行还原为各分量的融合特征序列，以各融合特征序列作为长短期记忆网络的输入，进行各分量的时间序列预测；将各分量的时间序列预测结果重构为最后的预测结果。解决了传统的方法在交通高峰期时段交通流变化缓慢的情况下，效果不理想的技术问题。

关键词：矩阵经验模态分解时间序列预测输入矩阵特征序列跨尺度子序列逐行融合本征模函数分量卷积神经网络时间序列特征交通高峰期交通流参数交通流数据交通流预测显著性特征注意力机制分量序列记忆网络结果重构模型提取时间序列输出特征特征矩阵预测结果元素相乘传统的交通流拼接还原采集预测学习

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共6页 << < 1 2 3 4 5 6 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：