pytorch 一维信号处理,故障诊断,西储大学数据集,tsne,混肴矩阵等图片显示
2024-04-09 14:34:04 375.03MB pytorch pytorch
1
使用自定义基础 B 对一维(时间)信号 y 执行匹配追踪 (MP)。 匹配追踪 (Mallat and Zhang 1993) 是一种贪婪算法,根据字典元素 D (y ~ Dw) 的加权和 (w) 获得信号 y 的稀疏表示。 稀疏意味着大多数元素等于 0 (nnz(w) << length(y))。 这种稀疏表示在许多不同的场景中都很有用:获取时频频谱图、去噪信号、压缩信号等。 对于时间信号,很自然地使用元素 D 的字典,该字典由移动到每个可能时间点的基本元素 B 组成。 在这种情况下,高度过完备字典中卷积或平移不变稀疏代码的权重形式: y~r r = sum_i conv(ws(:,i),B(:,i),'same') 和 nnz(ws(:)) << length(y) 如果 B 等于一堆加窗的正弦曲线,则该表示形成信号的时频分解。 这种分解的一个应用是 EEG/MEG 和 LF
2023-02-18 10:13:51 9KB matlab
1
将一维输入信号基于频谱分解为 k 个波段分离模式。 在这里,我们提出了一个完全非递归的变分模式分解模型,其中模式是同时提取的。 该模型寻找一组模式及其各自的中心频率,以便这些模式共同再现(1D)输入信号,而每个模式在解调到基带后都变得平滑。 使用乘数方法的交替方向方法可以有效地优化变分模型。 应用:音频工程中的信号分解、气候分析、医学和生物学中的各种通量和神经肌肉信号分析等。 这是经验模式分解(EMD;Huang et al. 1998)或经验小波变换(EWT;Gilles 2013)的变分替代方案。 参见:K. Dragomiretskiy 和 D. Zosso,变分模式分解,IEEE Trans。 信号处理(印刷中)。 http://dx.doi.org/10.1109/TSP.2013.2288675
2023-01-19 14:49:31 4KB matlab
1
一维信号的二级小波变换分解 2级近似分解 (原始信号每4个平均值) 2级细节分解 (原始信号每2个平均的差值) 1级细节分解 (原始信号单数和双数的差值) 恢复信号
2023-01-07 21:55:58 1.52MB 小波分析 matlab
1
1、实现效果:《【Matlab系列】一维信号/数字图像小波阈值去噪(软阈值,硬阈值,固定阈值)》见链接:https://blog.csdn.net/SoaringLee_fighting/article/details/124359195 2、内容介绍:一维信号/数字图像小波阈值去噪(软阈值,硬阈值,固定阈值)的matlab实现。 3、适用人群:适用于计算机,电子信息工程等专业的大学生课程设计和毕业设计。 4、支持答疑:有问题可以订阅博主的《实用毕业设计》专栏(附链接 :https://blog.csdn.net/soaringlee_fighting/category_9288245.html)或者直接购买资源后咨询博主。 5、质量保证:完整代码,可直接运行!
一维信号生成对应递归图,用于分类,识别,特征提取
2022-11-02 16:06:51 117KB 熵递归 递归图分析 一维信号特征
1
连续小波变换的一维信号检测,很不错的资料,分享给大家
2022-10-18 19:48:13 319KB 连续小波变换的一维信号检测
1
A One-Dimensional Vision Transformer with Multi-scale Convolution Fusion for Bearing Fault Diagnosis
2022-08-25 16:05:30 1.53MB 一维信号
1
项目中包含的三个文件: 1.RelativeWaveletPacketEnergy_Example.m % 计算一个通道 EEG 的绝对或相对小波包能量的示例。 2.SampleSignal.mat 256 Hz 采样频率下儿童的 %Fp1 通道脑电图3.RelativeWaveletPacketEnergy.m %项目中最重要的程序。 计算小波包变换最后一层各节点的绝对能量 注:我不知道为什么我不能上传第一和第二个文件,如果你需要这两个文件请联系我(liuxingping@tmu.edu.cn)
2022-08-24 09:43:19 93KB matlab
1
%使用一维小波包对一维信号进行降噪或压缩,信号和小波降噪后的对比 主要函数 wdencmp  De-noising or compression using wavelets Description wpdencmp performs a denoising or compression process of a signal or image using wavelet packets. The ideas and procedures for denoising and compression using either wavelet or wavelet packet decompositions are the same. See wdenoise or wdencmp for more information. example [xd,treed,perf0,perfl2] = wpdencmp(x,sorh,n,wname,crit,par,keepapp) returns a denoised or compressed version xd of the inpu
2022-07-05 15:17:42 31KB 文档资料
1