1) non-stationary random excitation signal
非稳态随机信号
2) Non-Stationary Signal
非平稳随机信号
1.
Removal of Trend from Non-Stationary Signal Based on Wavelet Transformation;
仿真实验表明,该方法简单、高效,适用于非平稳随机信号的处理,是一种实用的趋势项剔除方法。
3) nonstationary random signal
非平稳随机信号
1.
It is beginning for wavelet transform to be applied to nonstationary random signal processing.
将小波变换用于非平稳随机信号分析与处理 ,目前刚刚开始。
2.
This paper introduces several analysing and processing methods for nonstationary random signals,such as short-time Fourier transform,Gabor transform and wavelet analysis etc.
本文介绍了非平稳随机信号短时傅立叶变换、Gabor变换及小波分析等几种分析处理方法,给出了具体的分析方法及各自的适用范围。
4) nonstationary random vibration signal
非平稳随机振动信号
1.
In view of the disadvantages of the traditional time-varying parameters modeling algorithm about nonstationary random vibration signal of a spacecraft with closed spaced modal frequency,a multicomponent process neural network(PNN) autoregressive model was proposed,which was based on the empirical mode decomposition(EMD).
针对航天器非平稳随机振动信号模态频率密集的特点,提出了基于经验模式分解EMD(Empirical Mode Decomposition)的多分量过程神经网络PNN(Process Neural Net-work)自回归模型。
5) consecutive non-stationary random signals
连续非平稳随机信号
1.
Then, based on the method of data-adaptive evolutionary spectral estimation of Wold-Cramer evolutionary spectral, we give a new method to estimate the evolutionary spectral of consecutive non-stationary random signals.
本文首先阐述了Priestly进化谱理论,得到了Priestly进化谱密度的一个易于计算的表达式,然后基于对Wold-Cra-mer进化谱的数据——自适应进化谱估计法,给出了连续非平稳随机信号进化谱估计法。
6) non-stable signal
非稳态信号
1.
In the condition of non-stable signals,simplified model of power network is constructed and power flow of signals in the electric network is analyzed,and new .
在非稳态信号条件下,本文首先建立了电网的数学模型,然后分析了电网信号的功率潮流,并提出了电能计量的新方法,最后通过仿真分析,验证了该方法的正确性。
补充资料:离散随机信号处理
离散随机信号处理 discrete random signal processing 利用数字运算,对离散随机信号进行各种滤波处理、离散变换和谱分析。随机信号是一种非确定性的信号,如热噪声信号发生器输出的电信号,飞行器起飞时的结构振动,以及起伏海面的波动高度等。它们的共同特点是无法预测其未来瞬间的精确值。处理的目的是便于从中提取有用的信息,削弱信号中的多余信息量,便于估计信号的特征参数,或变换成易于分析和识别的形式等。 随机信号处理的主要理论基础是信号检测理论、估计理论和随机过程理论。根据理论分析,随机信号的不同样本函数在同一时刻的值往往是不确定的,因而只能用样本函数集的统计平均来描述,如用均值、均方值、方差、概率密度函数、相关函数和功率谱密度函数来描述随机过程的特性。但是,在大多数情况下,被处理的随机信号是具有各态历经的平稳随机过程,它的样本函数集平均可以用某一样本函数的时间平均来确定,这给随机信号的分析和处理带来很大方便。虽然平稳随机信号本身是不确定的,但它的相关函数是确定的,可以利用快速变换算法来计算。相关函数的傅里叶变换或Z变换表示随机信号的功率谱密度函数,简称为功率谱。功率谱是描述随机信号基本特征的重要参数,而功率谱估值是按照实际观测的有限数据估计得到的,它必然与真实的功率谱值有差别。为了减小谱分析偏差和提高谱分辨率,产生了多种谱估计方法。 在非平稳随机信号处理中,非平稳随机过程的特征函数一般是随时间而变化的,不能再用时间平均代替集平均,只能用组成过程的样本函数集的瞬时平均来描述其特性。因而求得的功率谱是随时间变化的谱。这种时变功率谱的计算方法仍在研究中。卡尔曼滤波和最大熵法是处理非平稳随机信号的有用方法。 |
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条