shanghai 发表于 2006-9-30 14:22

小波分解后拿什么作为信号特征向量?

我看到一些论文,用小波分析之后把各段频率的能量作为信号的特征向量,然后用神经网络来识别,这种方法有缺陷,不能正确识别故障,请问有没有更好的方法,小波分解后拿什么作为特征向量更好,请大家多多指教,谢谢!

[ 本帖最后由 realhappy 于 2006-9-30 15:40 编辑 ]

realhappy 发表于 2006-9-30 15:41

一般都是把提取能量特征来识别，如果不好识别，那可能是他们故障的差别不大吧，频谱能区分出两种故障吗？

shanghai 发表于 2006-9-30 21:12

如果采用小波包的话完全可以用能量特征来识别,但是采用小波分解那就不准确了,比如在高频段没有继续分解,这种情况下,假设能量虽然相等,但频谱可能会相差很大,这样就不能准确识别了,请问有没有更有效的方法呢?谢谢!非常感谢!

realhappy 发表于 2006-10-1 09:12

用小波提取还真没做过，可能是你的创新，继续努力！

malong 发表于 2006-10-2 08:38

小波基选择非常重要,小波基不同对结果有影响,你选择的小波基必须尽量和信号相似,这也是小波的缺陷啊!

这也是emd和hilbert黄变换 能够改进的地方,所以EMD才有发展的空间,小波要是把这个解决了!那就完美了!

星光2006 发表于 2006-10-8 16:43

可以这样作:用小波包分解故障信号,对分解后的不同频带的分解系数进行时域重构.回到时域可以用统计法计算.也可以用小波模糊聚类分析.关键小波基要选准.

yimao 发表于 2006-10-16 19:06

能自己构造小波吗？然后用这个小波来分解信号

峰之巅 发表于 2006-10-16 22:36

小波包分解后得到的各频带信号，其到底取何为特征向量，跟对应的故障类型有很大关系。比如特征向量可以为 幅值、能量等等，分别对应着不同的故障时期，我看过的一本书里有类似的介绍，如果需要，我可以找找接着下帖回复。而神经网络只是一种模式判别，准确而言，需要较多样本，如果判断准确，需要选择对故障比较敏感的特征参数。现在的特征向量一般还是针对小波包分解后的时域信号而言的。

realhappy 发表于 2006-10-17 09:21

原帖由 峰之巅 于 2006-10-16 22:36 发表
小波包分解后得到的各频带信号，其到底取何为特征向量，跟对应的故障类型有很大关系。比如特征向量可以为 幅值、能量等等，分别对应着不同的故障时期，我看过的一本书里有类似的介绍，如果需要，我可以找找接着下 ...
招招发上来共享！

rockliu 发表于 2006-12-20 19:20

原帖由 峰之巅 于 2006-10-16 22:36 发表
小波包分解后得到的各频带信号，其到底取何为特征向量，跟对应的故障类型有很大关系。比如特征向量可以为 幅值、能量等等，分别对应着不同的故障时期，我看过的一本书里有类似的介绍，如果需要，我可以找找接着下 ...

有没有你所说的“类似的内容”？我需要用这个方面的东西，看了很多资料，但都写的模糊的很。

zhlong 发表于 2006-12-23 19:48

这方面的研究，西交大的何正嘉老师做了很多吧，出了本书，高教出版社的，以前论坛上有

估计这种方法，也只能是做研究用，暂时离现场应用还比较远

unif 发表于 2006-12-25 13:27

我也想知道

wy558558558 发表于 2007-1-17 20:03

能否针对小波分解后的某一层进行主成分分析.假如在第2层重构空间中故障特征明显,只需对该层系数做分析,高手们给点建议!

vibratech 发表于 2007-1-19 13:50

小波从某种角度看，它是带通滤波器。不同故障在频带上分布是不同的。通过小波找出区分故障的频带，通过时域重构回到时域，然后可以用统计法计算得出特征量，作为分类器的输入。

dafantian 发表于 2007-4-9 20:05

期待峰之巅能够招招 相关的特征参数选择帖子发上来共享:@)
页: [1] 2
查看完整版本: 小波分解后拿什么作为信号特征向量?