“波形分解”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果235760个，建议您升级VIP下载更多相关专利

[发明专利]一种精细去噪辅助的激光雷达波形分解方法-CN202011498912.8有效
发明人：姚强强;周梅;李传荣;王金虎;周春城;腾格尔;陈林生;张慧静;唐伶俐;胡坚 -专利权人：中国科学院空天信息创新研究院
申请日： 2020-12-17 - 公布日： 2023-08-01 - 主分类号： G01S7/48 文献下载
摘要：一种精细去噪辅助的激光雷达波形分解方法，包括：获取全波形激光雷达系统的发射脉冲及回波波形的波形数据；利用EM算法对发射脉冲的波形数据进行波形分解，基于进行波形分解得到的波形有效组分和发射脉冲的波形数据，估计背景噪声和随机噪声；基于背景噪声和随机噪声，结合回波波形的波形数据的相邻采样值强度关联性，对回波波形的波形数据进行去噪处理；利用EM算法对去噪后的回波波形的波形数据进行多种高斯组分数的波形分解，并根据贝叶斯信息准则从中确定回波波形的最优波形分解该方法在完成发射脉冲波形数据辅助的噪声估计的前提下，可实现回波波形数据的最优分解。
一种精细辅助激光雷达波形分解方法

[发明专利]一种基于LM算法分解激光雷达波形确定海水深度的方法-CN201610841366.0有效
发明人：赵毅强;刘尚典;刘沈丰;胡凯;薛文佳 -专利权人：天津大学
申请日： 2016-09-22 - 公布日： 2020-04-07 - 主分类号： G01C13/00 文献下载
摘要：本发明公开了一种基于LM算法分解激光雷达波形确定海水深度的方法，主要包括：在得到回波波形后，进行回波波形分解操作，即，首先对波形进行降噪和平滑处理；然后，根据回波波形设定初始波形参数；其次，通过LM算法拟合，在每次迭代调整参数，当迭代计算符合结束条件时，求得最优参数；最后，将回波波形分解为海面波形与海底波形，进而求解出海水深度。本发明方法利用LM算法可以得到最优参数，实现海面回波与海底回波的分解，大大减少算法复杂程度。在海面回波与海底回波十分接近的情况下，仍可以分解出海面波形和海底波形。
一种基于 lm 算法分解激光雷达波形确定海水深度方法

[发明专利]小光斑雷达信号分解方法-CN201110298326.3有效
发明人：赖旭东;侯文广 -专利权人：赖旭东;侯文广
申请日： 2011-09-28 - 公布日： 2012-05-09 - 主分类号： G01S7/48 文献下载
摘要：本发明涉及一种小光斑雷达信号分解方法，该方法将原始雷达信号波形视为多个高斯波的叠加，估计高斯分解参数初值并进行优化。估计高斯分解初值包括提取出当前波形中峰值最大的波形的三个参数；从原始雷达信号波形中减去该波形对应的分量；判断是否遇到终止条件，遇到终止条件则退出，否则继续分解。本发明能够有效分解混合波形，特别是波峰间距离很近的情况；能够准确估计波形个数和参数初值；不需要对原始数据进行滤波等预处理；终止条件容易控制。这样分解得到的结果，能够提供更加准确详细的数字地面模型。
光斑雷达信号分解方法

[发明专利]一种语音信号特征波形的非负矩阵分解方法-CN200610012296.4无效
发明人：鲍长春;张鹏 -专利权人：北京工业大学
申请日： 2006-06-16 - 公布日： 2006-11-15 - 主分类号： G10L19/00 文献下载
摘要：本发明涉及一种语音信号特征波形的非负矩阵分解方法，属于语音信号处理领域。用非负矩阵分解技术来分解语音信号特征波形的基本思想是：首先对语音特征波形按照语音信号的基音周期(pitch)的大小分为9类，对每类特征波形都按照标准的非负矩阵分解的迭代方法训练出基矩阵W，然后对给定的一帧特征波形，首先按照其基音周期的大小归类，然后取出对应于该类特征波形的已经训练好的基矩阵W，再通过迭代方法获得对应于该帧特征波形的编码矩阵H，至此，该帧特征波形已经近似被分解为基矩阵W和编码矩阵H的乘积。本发明的分解方法具有不会带来额外延时、分解精度比较高、计算复杂度比较低的优点，同时起到了数据压缩的目的。
一种语音信号特征波形矩阵分解方法

[发明专利]一种基于小波分解的高频局放自适应滤波聚类方法及装置-CN201710791175.2在审
发明人：唐志国;王倩;邱凯;唐铭泽;程烁淇 -专利权人：北京华电智成电气设备有限公司
申请日： 2017-09-05 - 公布日： 2018-01-16 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于小波分解的高频局放自适应滤波聚类方法及装置，该滤波聚类方法包括小波分解模块对采集的原始波形进行小波分解，得到高频分量和低频分量，并将其传输至分量信噪比计算模块；分量信噪比计算模块接收小波分解模块传输的高频分量和低频分量，分别计算高频分量和低频分量的信噪比，并将其传输至滤波模块；滤波模块接收分量信噪比计算模块传输的高频分量和低频分量的信噪比，提取信噪比最高的分量，将信噪比最高的分量的波形作为分析波形，并将分析波形传输至信号聚类模块；信号聚类模块接收滤波模块传输的分析波形，记录分析波形的分解系数，以将具有相同分解系数的原始波形分为一类信号。
一种基于分解高频自适应滤波方法装置

[发明专利]基于非对称高斯分解的桡动脉信号处理方法、装置及介质-CN202311061302.5在审
发明人：文小琴;曹阳;梁冰 -专利权人：华南理工大学;广州市红十字会医院
申请日： 2023-08-22 - 公布日： 2023-10-27 - 主分类号： A61B5/02 文献下载
摘要：本发明公开了一种基于非对称高斯分解的桡动脉信号处理方法、装置及介质，属于桡动脉信号处理技术领域。其中方法包括以下步骤：获取桡动脉信号，对获得的桡动脉信号进行降噪处理；对降噪处理后桡动脉信号进行周期处理，获得各个桡动脉波形的周期；获取一个周期的桡动脉波形，基于非对称高斯波形对桡动脉波形进行分解，并获取分解后波形的参数，以根据波形的参数进行分析。本发明通过对采集的桡动脉信号进行非对称高斯波形分解，获得波形的参数，以方便后续的分析操作，该处理方法新颖，效果明显。
基于对称分解桡动脉信号处理方法装置介质

[发明专利]全波形激光雷达数据波形分解方法-CN201310450456.3在审
发明人：李传荣;周梅;唐伶俐;胡坚;刘梦华;王金虎;张正 -专利权人：中国科学院光电研究院
申请日： 2013-09-25 - 公布日： 2015-01-14 - 主分类号： G01S7/487 文献下载
摘要：本发明提供了一种全波形激光雷达数据波形分解方法。该方法利用AIC进行组分数估计，采用LM进行遗失组分探测，可快速获取后向散射回波波形中的组分数信息，算法简单，探测效率高，与一般的波形分解方法相比，兼顾模型组分数的初始化准确度和波形分解的完整性。
波形激光雷达数据分解方法

[发明专利]LiDAR全波形控制分解驱动的点云分类法-CN202110976992.1在审
发明人：扆亮海 -专利权人：扆亮海
申请日： 2021-08-24 - 公布日： 2021-10-08 - 主分类号： G01S7/48 文献下载
摘要：本申请的LiDAR全波形控制分解驱动的点云分类法，采用逐层抽离的方法逐一从原波形中预估子波因子，并采用动态全局算法对预估的波形特征因子进行优化，提取波形分解得到的特征因子并生成高密度点云，最后基于波形特征因子采用SVM对点云数据进行分类；一是LiDAR全波形数据预处理：提出适合去除LiDAR全波形随机噪声的算法，并改进加减交替迭代校正去噪方法，使其处理的结果效果更好；二是LiDAR全波形数据分解：在特征因子优化中引入动态全局算法，并在其优化过程中加入控制，使得优化结果不偏离实际；三是基于波形特征因子的点云分类。实现了机载小光斑全波形LiDAR快速、准确的波形分解提取，实现了LiDAR点云的精准高效分类。
lidar 波形控制分解驱动分类法

[发明专利]一种EMD端点效应抑制方法及系统-CN201611238067.4有效
发明人：张宝;魏东梅;杨涛;陶栩;叶卫东;庞毅飞;卞长智 -专利权人：四川中烟工业有限责任公司;西南科技大学
申请日： 2016-12-28 - 公布日： 2019-03-19 - 主分类号： G06F17/10 文献下载
摘要：本申请公开了一种EMD端点效应抑制方法，包括：接收原始信号；提取位于原始信号的目标端点处的特征波形，得到相应的目标特征波形；从原始信号中提取出与目标特征波形相似的所有相似波形，得到N个相似波形；其中，N为正整数；从原始信号中提取出每个相似波形对应的端点波形，得到相应的N个端点波形；对N个端点波形求平均，得到相应的平均波形；从平均波形中提取出延拓波形，并对延拓波形进行经验模态分解，得到相应的各个模态分量本申请对经验模态分解的端点效应进行了更加有效的抑制。另外，本申请还公开了一种EMD端点效应抑制系统以及经验模态分解系统。
一种 emd 端点效应抑制方法系统

[发明专利]基于局部特征尺度分解和波形指数的结构损伤预警方法-CN201810091903.3在审
发明人：刁延松;孙作凤;徐菁;毛辉;郭孔政;屠康;王玉梅 -专利权人：青岛理工大学
申请日： 2018-01-30 - 公布日： 2018-07-17 - 主分类号： G01N29/04 文献下载
摘要：本发明提出一种基于局部特征尺度分解和波形指数的结构损伤预警方法，属于结构损伤识别领域，该方法利用局部特征尺度分解技术将加速度响应信号分解为多个内禀尺度分量，选择对结构损伤较敏感的内禀尺度分量，参照信号波形处理技术中的波形指数的定义计算其波形指数，利用结构损伤前后内禀尺度分量波形指数的变化量构造结构损伤预警指标，进行结构损伤预警，该方法能够有效克服经验模态分解和局部均值分解存在的无效分量多、端点效应和模态混叠问题，可操作性强，提高了预警准确度。
结构损伤波形指数尺度分解局部特征预警尺度加速度响应信号结构损伤识别经验模态分解局部均值分解准确度端点效应分量波形构造结构模态混叠信号波形预警指标变化量损伤分解敏感

[发明专利]一种基于数字表面模型的卫星激光高度计波形分解的方法-CN201610019742.8有效
发明人：舒嵘;刘智慧;邱振戈;谢锋;刘成玉;王建宇;张长兴;邵红兰;杨贵 -专利权人：中国科学院上海技术物理研究所
申请日： 2016-01-13 - 公布日： 2017-12-26 - 主分类号： G01S7/48 文献下载
摘要：本发明公开了一种基于数字表面模型的卫星激光高度计波形分解的方法。本方法具体步骤为(1)对获取的卫星激光高度计观测波形进行波形分解，得到多个地物回波波形的参数；(2)利用卫星激光光斑内的DSM提取地物斑块，计算各地物斑块的坡度和面积；(3)以各地物斑块到卫星激光高度计的距离、斑块面积和各地物反射率为输入，计算各地物斑块的回波波形参数；(4)将观测波形分解得到的各地物波形参数与计算得到的各地物斑块波形参数进行欧式距离计算，确定回波与地物斑块的对应关系；(5)计算各地物斑块的高程本发明将DSM信息用于激光高度计波形的分解，得到光斑范围内的回波波形与地物的匹配关系和地物的高程。
一种基于数字表面模型卫星激光高度计波形分解方法

[发明专利]一种叠层芯片界面超声扫描的波形识别方法-CN202210374584.3在审
发明人：王世楠;仇跃涵;邵若微;缪少聪;郭锦 -专利权人：中国电子科技集团公司第五十八研究所
申请日： 2022-04-11 - 公布日： 2022-07-22 - 主分类号： G01N29/06 文献下载
摘要：本发明涉及芯片检测技术领域，具体涉及一种叠层芯片界面超声扫描的波形识别方法，包括如下步骤：根据待测叠层芯片封装结构图，确定待测芯片的封装结构；制作分解扫描试样；分别将分解扫描试样浸入水中，界面朝向与叠层芯片一致，使用去离子水去除分解扫描试样表面气泡，对分解扫描试样进行A‑扫描并记录对应A‑扫描反射波形；将叠层芯片浸入水中，使用去离子水去除叠层芯片表面气泡，对叠层芯片进行A‑扫描，记录A‑扫描反射波形；将分解扫描试样界面区域的A‑扫描反射波形与叠层芯片A‑扫描反射波形对应；本发明基于超声波扫描显微镜，利用分解扫描的思想，实现了对叠层芯片各界面反射波形的有效识别，提高了对叠层芯片界面质量的评估能力。
一种芯片界面超声扫描波形识别方法

[发明专利]一种安全用电智能监测仪-CN202210136817.6在审
发明人：邓婕;江世军;李修连;杜鑫涛 -专利权人：湖南小快智造电子科技有限公司
申请日： 2022-02-15 - 公布日： 2022-05-17 - 主分类号： G01R31/56 文献下载
摘要：本发明涉及一种用电安全技术领域，公开了一种安全用电智能监测仪，包括：采集不同用电设备的电流波形，并对采集到的电流波形进行预处理，去除电流波形中的噪音数据；利用不同频率的FFT对预处理后的电流波形进行分解处理，并将分解结果存储到数据库中；获取待监测用电设备的波形，并对用电设备波形进行预处理和FFT分解，构建待监测用电设备波形分解结果与数据库中分解结果的相似性度量函数，利用花朵授粉算法求解相似性度量函数；选取数据库中相似性度量结果最高的用电设备类别作为待监测用电设备类别
一种安全用电智能监测

[发明专利]一种顾及邻近波形信息的机载激光波形数据分解算法-CN201210162472.8有效
发明人：明洋;陈楚江;王丽园;余绍淮;张霄;李海亮;余飞 -专利权人：中交第二公路勘察设计研究院有限公司
申请日： 2012-05-24 - 公布日： 2012-10-10 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种顾及邻近波形信息的机载激光波形数据分解方法，包括A、波形数据的预处理；B、波形数据的脉冲波峰探测；C、基于广义高斯模型的显著脉冲波峰提取；D、顾及邻近波形的候选脉冲波峰提取；E、基于区域生长策略的待分析波形列表生成；F、波形分解结果输出。本发明采用高、低双阈值，可以克服单阈值难以合适选取的缺陷，有效考虑波形数据中的微弱脉冲信号；波形分解过程中，通过区域生长的方式，不断利用邻近波形显著脉冲波峰所提供的可靠信息，对待分析波形的候选脉冲波峰进行分析
一种顾及邻近波形信息机载激光数据分解算法

[发明专利]一种基于全波形激光雷达数据的隐蔽目标提取方法-CN201611093912.3有效
发明人：李传荣;周梅;马莲;朱晓玲;关宏灿;黎荆梅;陈玖英 -专利权人：中国科学院光电研究院
申请日： 2016-12-01 - 公布日： 2020-12-15 - 主分类号： G06K9/00 文献下载
摘要：一种基于全波形激光雷达数据的隐蔽目标提取方法，包括：对全波形激光雷达的回波波形进行顾及遗失组分的波形分解，获得组分参数；根据所述波形分解得到的各组分参数分别提取波形特征；基于深度学习的方式对提取的波形特征进行选择；根据选择的波形特征，采用空间统计分析对隐蔽目标区域进行探测和分割，得到疑似隐蔽目标；以及对所述疑似隐蔽目标进行识别。
一种基于波形激光雷达数据隐蔽目标提取方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条