排序方式: 共有8条查询结果,搜索用时 11 毫秒
1
1.
拉曼光谱中尖峰及其临近信号频率极高,常规去噪方法难以区分高频噪声与特征峰信号,所以拉曼光谱去噪一直是该领域内研究热点和难点。针对该问题,提出临界分量判别法,该方法通过计算经验模态分解(empirical mode decomposition,简称EMD)分量的归一化自相关函数,将固有模态分量(intrinsic mode function,简称IMF)划分为噪声主导分量和信号主导分量两部分。根据噪声主导分量和信号主导分量的不同特点,分别使用模极大值方法、软阈值滤波方法处理各分量的小波系数,实现光谱信号去噪。仿真数据去噪实验表明,小波去噪法(1、2阶IMF为噪声主导分量)去噪效果优于其他方法(1阶IMF为噪声主导分量,1、2、3阶IMF为噪声主导分量),说明临界分量判别法可以正确识别噪声主导分量和信号主导分量。光谱数据去噪实验表明,应用小波去噪法处理拉曼光谱,信噪比以及均方误差均优于对整条光谱进行模极大值、软阈值和空域相关方法去噪,光谱中噪声几乎得到了完全抑制,突变特征峰信号得到完整保留,获得了最优滤波效果。 相似文献
2.
3.
应用近红外透射光谱和人工神经网络的豆油脂良莠鉴别 总被引:1,自引:0,他引:1
提出了一种利用近红外透射光谱结合BP神经网络识别未知豆油脂良莠类别的方法。在10 000~3 500 cm-1范围内分别采集合格油、不合格油(精炼垃圾油、煎炸油和变质合格油)的透射光谱,对光谱数据依次作出Savitzky-Golay平滑、基线校正预处理,采用SPSS 11.0抽取出9个主成分(累计贡献率达到99.89%)作为神经网络输入神经元,建立3层BP神经网络模型,模型能够有效辨识未知豆油脂的良莠以及不合格具体种类,类别预测正确率为100%。 相似文献
4.
5.
6.
综合运用计算机数字图像处理技术与机器视觉技术,通过编程实现了以RGB颜色模型为基础的直方图双峰法、迭代法和最大类间方差法,并分析比较了它们在农作物与背景物识别应用中的优缺点。试验结果表明,最大类间方差法识别作物区域的准确率可达80%以上。 相似文献
7.
8.
提出了一类时滞系统基于严格线性矩阵不等式的稳定性条件,这一条件较目前得出的稳定性条件相比具有更少的变量,使得形式上避免使用特定的增加保守性的放大不等式,但效果等价于使用了一个保守性更小的放大不等式。同时,本文还把得到的结论通过形式转换应用于研究具有凸多面体不确定性模型的时滞系统的稳定性性能。最后,用数值仿真验证了结论的有效性。 相似文献
1