發(fā)布時(shí)間：2023-12-24 13:36

　　隨著信息技術(shù)、計(jì)算機(jī)技術(shù)、通信技術(shù)的快速發(fā)展,信號的表現(xiàn)形式從單一到豐富多彩,出現(xiàn)了各式各樣的信號表達(dá)形式,如視頻信號、圖像信號、化學(xué)信號、雷達(dá)信號、音頻信號、基因信號等。信號也由一維信號發(fā)展到高維信號。由于信號的多維表示體現(xiàn)了信號在不同屬性子空間的物理意義,可以反饋屬性之間更多的潛在結(jié)構(gòu)信息,而張量作為向量和矩陣在高維空間的擴(kuò)展,是這類高維信號集自然而本質(zhì)的表達(dá)方式,因此本文將用張量來表示高維信號。張量分析作為近年來被廣泛使用的多線性分析工具,可以處理有多個(gè)影響因素的信號,將信號的各個(gè)屬性關(guān)聯(lián)起來,包括信號的高階擴(kuò)展形式或者本身具有多維度的信號,因此張量分析在信號處理、人工智能、計(jì)算機(jī)視覺等領(lǐng)域取得廣泛應(yīng)用。而在信號分析過程中,許多信號僅從時(shí)域角度分析時(shí)區(qū)分度小,反饋信息少,為了提取更多特征,需要通過傅里葉變換將信號從時(shí)域轉(zhuǎn)換到頻域中,從而更加高效的進(jìn)行信號分析,利用傅里葉變換可以進(jìn)行信號去噪、故障檢測等。隨著科技的發(fā)展數(shù)據(jù)集也在連續(xù)不斷的更新,因此增量算法對于分析處理多屬性數(shù)據(jù)也非常重要。本文將對在頻域具有更顯著特征的多屬性信號進(jìn)行研究分析,通過傅里葉變換提取其頻域特征,并以張量作...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
    1.4 本論文的結(jié)構(gòu)安排
第二章 多屬性信號分析方法研究基礎(chǔ)
    2.1 張量的基本理論
        2.1.1 張量的基本定義
        2.1.2 張量的基本運(yùn)算
    2.2 張量分解
        2.2.1 矩陣奇異值分解
        2.2.2 傳統(tǒng)張量奇異值分解
        2.2.3 張量列分解
    2.3 傅里葉變換的基本理論
        2.3.1 傅里葉變換定義
        2.3.2 傅里葉變換矩陣對角化循環(huán)矩陣
    2.4 本章小結(jié)
第三章 基于多屬性信號分析的框架與快速算法
    3.1 基于多屬性信號分析的框架
        3.1.1 多屬性信號分析框架介紹
    3.2 基于多屬性信號分析的快速算法
        3.2.1 T-SVD分解定義
        3.2.2 T-SVD分解算法分析
        3.2.3 T-SVD正交映射算法
    3.3 基于三階張量T-SVD分解的增量算法
        3.3.1 三階張量T-SVD分解二階增量算法
        3.3.2 三階張量T-SVD分解一階增量算法
    3.4 本章小結(jié)
第四章 基于多屬性信號分析框架的應(yīng)用實(shí)例
    4.1 張量分解識別算法
        4.1.1 T-SVD分解識別算法
        4.1.2 張量列分解識別算法
        4.1.3 高階奇異值分解識別算法
    4.2軸承故障識別實(shí)驗(yàn)
        4.2.1 軸承數(shù)據(jù)集介紹
        4.2.2 軸承數(shù)據(jù)集張量建模
        4.2.3 軸承故障識別實(shí)驗(yàn)結(jié)果
    4.3語音識別實(shí)驗(yàn)
        4.3.1 語音數(shù)據(jù)集介紹
        4.3.2 語音數(shù)據(jù)張量建模
        4.3.3 音頻數(shù)據(jù)實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)



本文編號：3874616