摘要：研究了基于小波包变换和Fisher线性分类器的水下目标识别方法。小波包是在小波变换的基础上发展起来的时频分析方法,能够对非平稳信号提供更丰富的时频信息。通过对水下目标辐射噪声信号进行小波包分解,提取小波包分解的终端节点的熵值作为特征矢量,应用Fisher线性分类器设计的分段线性分类器对水下目标进行分类识别。仿真结果表明,以小波包熵作为特征矢量的分类方法具有较高的识别正确率。

摘要：存在于机床工作台和导轨之间的滑动摩擦直接影响刀具的速度和位置,进而影响加工工件的表面质量。对机床传动链分解,分别提取电机负荷电流,对电流信号做5层小波包分解,利用小波包熵值提取能反映摩擦信息的特征量D值。对机床导轨加润滑油之后采集四个半小时之内55组电流信号数据,提取电流信号D值做趋势分析,通过D值随时间的变化曲线可以观察出润滑状态经历过的三个时期。实验表明,利用小波包熵值在电流信号中提取的特征量能反映润滑状态的变化情况。

摘要：基于运动想象的脑-机接口具有不依赖外界刺激器的特点,但如何根据不同受试者自适应地提取出最佳特征是目前的难点之一。本文设计了基于LabVIEW平台的运动想象脑电信号采集系统,对五名受试者想象左手、右手和脚运动时的脑电信号进行采集;利用小波包分解提取μ节律和β频段,实现脑电信号的滤波;通过分析不同受试者的小波包节点的ERD/ERS比率,自适应地选出最佳特征时间和频段;组合最佳特征时间、频段的小波包能量和小波包熵作为特征向量,利用马氏距离分类判别。实验结果证明:利用ERD/ERS比率、小波包分解和马氏距离分类,算法简单快捷,平均正确率可以达到84.3%,较好的实现了三类运动想象分类,提高了系统的自适应性。