發(fā)布時間：2017-08-08 20:25

  本文關(guān)鍵詞：基于散射變換的信號處理應(yīng)用研究

  更多相關(guān)文章： 小波變換 散射變換 機械故障診斷 中文手寫體筆跡識別

【摘要】：散射變換是2012年由S.mallat提出的一種新型時頻信號處理工具,其基于傳統(tǒng)小波理論但卻克服了其缺點,具有時移不變性及局部穩(wěn)定性等優(yōu)良性質(zhì),同時可在二維圖像上構(gòu)建具有旋轉(zhuǎn)、平移以及尺度不變的表達式。目前已在語音、圖像處理、高光譜圖像處理等領(lǐng)域得到很好的應(yīng)用。本文對典型的一維周期信號——機械故障信號診斷和二維信號——中文手寫體筆跡識別分別展開了研究。針對機械故障信號診斷問題,本文利用散射變換的特性結(jié)合最小二乘投影雙支持向量機(Least Squares recursive Projection Twin Support Vector Machine,LSPTSVM)分類性能好、計算復(fù)雜度低、數(shù)據(jù)驅(qū)動等特點,從散射系數(shù)的能量特征出發(fā),提出了一種既高效簡潔又對振動信號敏感的新方法以提高診斷性能。LSPTSVM是在PTSVM(Projection Twin Support Vector Machine)的基礎(chǔ)上進行改進并確保了優(yōu)化問題的正則性。將PTSVM采用的二次優(yōu)化替換為最小二乘進行優(yōu)化求解,能解決PTSVM在迭代過程中對類內(nèi)方差矩陣要求非奇異的限制,提高其適應(yīng)性。通過大量實驗,對散射的參數(shù)進行了選擇并對其性質(zhì)進行了分析研究,在不同尺度的各個散射子帶上提取能量特征,采用LSPTSVM進行故障分類診斷。最后將該方法與常用的PSVM(Proximal Support Vector Machine)和SVM及多尺度理論診斷方法進行對比,實驗結(jié)果表明:本文的方法在大部分?jǐn)?shù)據(jù)集上達到了100%的故障診斷正確率,在小部分?jǐn)?shù)據(jù)集上也超過了99%。針對中文手寫體筆跡識別問題,本文引入了一種平移以及旋轉(zhuǎn)不變的聯(lián)合算子——旋轉(zhuǎn)平移散射。在文中詳細(xì)闡述了聯(lián)合不變算子構(gòu)造的必要性以及旋轉(zhuǎn)平移散射的構(gòu)造過程,并針對尺度不變性進行了分析。通過取對數(shù)能夠?qū)⒊叨茸儺惥�性化,然后通過仿射空間模型進行分類。本文充分分析了中文手寫體筆跡在數(shù)據(jù)采集時存在的問題,即采集過程中常常會發(fā)生一定的角度偏移甚至尺度變化,及紙張易褶皺而產(chǎn)生不同程度的平移以及形變等問題。本文結(jié)合旋轉(zhuǎn)平移散射的平移、旋轉(zhuǎn)、尺度不變性及形變穩(wěn)定性的特性,將其應(yīng)用到中文手寫體筆跡識別中,通過實驗分析,結(jié)果表明:本文的方法在旋轉(zhuǎn)平移尺度變異上的手寫體筆跡識別正確率達到了99%以上。
【關(guān)鍵詞】：小波變換 散射變換 機械故障診斷 中文手寫體筆跡識別
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH17;TN911.7
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-16
• 1.1 研究背景與意義8-9
• 1.2 機械故障診斷研究的國內(nèi)外研究現(xiàn)狀9-12
• 1.2.1 故障機理10
• 1.2.2 故障信息的獲取方法10
• 1.2.3 信號處理及故障特征提取方法研究10-12
• 1.3 中文手寫體筆跡識別的研究現(xiàn)狀12-14
• 1.4 本文的主要工作及章節(jié)安排14-16
• 1.4.1 本文的主要工作14
• 1.4.2 本文的章節(jié)安排14-16
• 2 散射變換相關(guān)理論16-30
• 2.1 引言16
• 2.2 形變穩(wěn)定性以及平移不變性的構(gòu)建16-19
• 2.2.1 形變穩(wěn)定性的條件16-17
• 2.2.2 平移不變表達式17-19
• 2.3 小波變換19-21
• 2.4 深度卷積網(wǎng)絡(luò)21-23
• 2.4.1 神經(jīng)網(wǎng)絡(luò)21
• 2.4.2 卷積網(wǎng)絡(luò)21-23
• 2.5 散射表達式的構(gòu)建23-29
• 2.5.1 散射小波23-24
• 2.5.2 散射的具體表達式24-26
• 2.5.3 散射卷積網(wǎng)絡(luò)26-27
• 2.5.4 散射的性質(zhì)27-29
• 2.6 本章小結(jié)29-30
• 3 基于散射變換的機械故障診斷30-52
• 3.1 引言30
• 3.2 一維散射表達式的構(gòu)造30-32
• 3.3 一維散射變換的特性32-33
• 3.4 支持向量機33-37
• 3.4.1 線性分類機33-35
• 3.4.2 非線性分類機35-36
• 3.4.3 最小二乘投影雙聯(lián)支持向量機36-37
• 3.5 基于散射變換的故障預(yù)測37-39
• 3.5.1 故障特征提取38
• 3.5.2 故障預(yù)測38-39
• 3.6 旋轉(zhuǎn)機械故障診斷與結(jié)果分析39-51
• 3.6.1 數(shù)據(jù)說明39-41
• 3.6.2 參數(shù)選擇41-45
• 3.6.3 散射變換的穩(wěn)定性45-47
• 3.6.4 不同SVM的性能比較47-49
• 3.6.5 齒輪故障預(yù)測49-51
• 3.7 本章小結(jié)51-52
• 4 基于散射變換的中文手寫體筆跡識別52-64
• 4.1 引言52-53
• 4.2 旋轉(zhuǎn)平移散射的構(gòu)建思想53-55
• 4.3 旋轉(zhuǎn)平移散射表達式構(gòu)建55-58
• 4.3.1 平移旋轉(zhuǎn)族上的小波變換55-56
• 4.3.2 第一層空間小波的構(gòu)造56
• 4.3.3 更深層的旋轉(zhuǎn)式平移小波的構(gòu)造56-58
• 4.4 旋轉(zhuǎn)平移散射的尺度不變性58
• 4.5 形變不變投影58-59
• 4.6 實驗結(jié)果與分析59-63
• 4.7 本章小結(jié)63-64
• 5 總結(jié)與展望64-66
• 5.1 本文工作總結(jié)64
• 5.2 未來工作展望64-66
• 致謝66-67
• 參考文獻67-72
• 附錄72
• A. 作者在攻讀學(xué)位期間內(nèi)發(fā)表的論文目錄72
• B. 作者在攻讀學(xué)位期間內(nèi)參加的科研項目72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 尚趙偉;曹海;陳波;;褶皺中文手寫體身份鑒別[J];電子科技大學(xué)學(xué)報;2015年01期

2 朱貝貝;尚趙偉;袁博;國慶;張峰;楊建偉;;抗混疊輪廓波變換的脫線中文手寫體筆跡識別[J];計算機工程與應(yīng)用;2011年24期

3 高彥宇,楊揚;脫機手寫體漢字識別研究綜述[J];計算機工程與應(yīng)用;2004年07期

4 段晨東,姜洪開,何正嘉;一種改進的第2代小波變換算法及應(yīng)用[J];西安交通大學(xué)學(xué)報;2004年01期

5 段晨東,何正嘉;第2代小波變換及其在機電設(shè)備狀態(tài)監(jiān)測中的應(yīng)用[J];西安交通大學(xué)學(xué)報;2003年07期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 魏運玉;基于移動平臺的手寫體筆跡鑒別算法研究[D];西安電子科技大學(xué);2013年

2 張燕;基于非負(fù)矩陣分解算法的離線筆跡鑒別[D];河北工業(yè)大學(xué);2007年

，

本文編號：641883