【摘 要】
：
在使用小波模极大值法去噪的过程中,阈值大小的选择对信号的处理结果有着重要的影响.本文对小波模极大值去噪中阈值的选择原理进行了的研究,并得到了有效的阈值选择方法.通过对前期信号的处理得到了阈值大小与去噪后所得信号信噪比的关系,从而可以选出最佳阈值,对输入信号使用前面所得的最佳阈值去噪后可以得到最大信噪比的输出信号.通过实验表明，本文所用方法实用性强、效果好。
【机 构】
：
河南理工大学电气工程与自动化学院 河南 焦作,454000
【出 处】
：
第九届中国多智能体系统与控制会议(MASC2013)
论文部分内容阅读
在使用小波模极大值法去噪的过程中,阈值大小的选择对信号的处理结果有着重要的影响.本文对小波模极大值去噪中阈值的选择原理进行了的研究,并得到了有效的阈值选择方法.通过对前期信号的处理得到了阈值大小与去噪后所得信号信噪比的关系,从而可以选出最佳阈值,对输入信号使用前面所得的最佳阈值去噪后可以得到最大信噪比的输出信号.通过实验表明，本文所用方法实用性强、效果好。
其他文献
针对智能体避障问题,采用强化学习算法予以解决.首先,介绍强化学习的原理,分析对比了解决强化学习中探索与利用平衡问题的ε-greedy算法和softmax算法;然后,对经典强化学习算法Sarsa算法和Q-Learning算法进行了分析说明,通过对智能体避障问题进行合理地简化与建模,将两种经典强化学习算法用于解决智能体避障问题,使用softmax算法解决探索与利用平衡问题.最后,采用matlab进行仿
图像插值是通过对原始的低分辨率图像中的像素点进行数值计算，获取高分辨率图像的方法。本文针对图像序列中有目标运动的插值问题,提出了一种基于人眼视觉感知的插值算法.将图像分为显著性区域和非显著性区域,对显著性区域采用改进的二次曲率迭代插值算法,并结合二次曲率连续性和图像的局部区域亮度变化率,保证图像的平滑和去锯齿状.对非显著性区域,引入二次导数连续性作为权值,采用改进的双线性插值求取插值结果,保证了算
本文主要讨论了有向复杂动态网络的牵制脉冲同步的稳定性问题,应用脉冲控制理论,得到了复杂动态网络的简单而又一般的同步判据.进一步地将所获得的结果应用到由CNN和Hodgkin-Huxley神经元振子为动力节点所构成的小世界网络,数值模拟表明了所获理论结果的正确性和控制方法的有效性.
在云制造平台下,企业供需双方在开放的环境中进行交易.平台在交易过程中,为交易双方推荐理想的合作策略,以达到平衡整个平台的作用,从而发挥出云制造平等、公开、敏捷、智能的理念.为此本文阐述一个基于云制造平台的企业合作演化仿真系统,系统将提供一个仿真环境对不同的合作策略进行仿真,以期得到最理想的推荐方案.系统的结构集成了线程管理、交易过程管理及规则接口管理三个主要的模块。仿真管理平台在运行过程中，将为每
TLD 算法(又名捕食者)在应用于长期无约束视频流的人脸识别和人体跟踪中取得了很好的效果.然而在应用于内河CCTV(闭路电视监控)系统船舶监控中,TLD 算法在两方面存在明显的缺陷:1.当船舶间存在遮挡时,基于LK 中值流的短期跟踪策略容易发生跟踪漂移;2.短期跟踪器递归地跟踪船舶时,船舶运动的尺度集合是预先给定的,致使TLD 算法不能自适应船舶运动的尺度变化.本文从控制系统角度分析了TLD 系统
P2P无线传感器网络通过对传感器网络功能的描述,屏蔽了底层网络的差异,并利用P2P 网络的特点实现了传感器网络动态变化的支持及多个传感器网络之间的信息共享.本文将传感器网络作为支持高层应用的数据源,采用P2P技术给出了P2P无线传感器网络层的设计与实现.这种技术屏蔽了底层网络的差异,并利用P2P网络的特点实现了传感器网络动态变化的支持,及多个传感器网络之间的信息共享.
本文描述了带有领导者的二阶多智能系统的分布式跟踪控制,介绍了一种分布式事件触发机制以及一种速度估计策略.这种分布式事件触发机制是当多智能体系统某类状态方程的测量误差值超过给定临界值之后,每个智能体的控制输入进行相应更新.基于李雅普诺夫理论,获得了二阶多智能体系统达到领导跟随一致性的充分条件.给出了事件触发机制的时间间隔下限,保证系统不存在Zeno行为.最后,给出的仿真结果表明了所获定理的有效性。
随着多个体动态网络系统的广泛应用以及合作与协调控制问题的深入研究，一致性问题的研究发展迅速，它的研究已广泛应用于耦合振子的同步，机器人系统的协调控制和多传感器网络中滤波等实际科学和工程问题。一致性问题作为表征多个体网络系统在局部主体之间相互动态作用之下系统整体涌现的动力学行为，是研究多个体动态网络系统合作与协调控制问题的一个重要的切入点.一致性问题的关键是设计和实施有效的分布控制策略，即对每个个体
针对煤矿主要通风机控制系统非线性、多干扰等特性,设计了一种单神经元自适应预估控制器,以实现通风机的变频调速.该控制器加入无辨识控制中的增益自调整算法以增强系统的自适应能力.利用单神经元的非线性逼近特性及自学习、自组织能力,弥补了Smith 预估器解决模型不确定系统的不足.实验表明,在模型不匹配情况下,采用改进算法控制,系统超调较小,稳定时间较短,具有较好的控制效果.
动力调谐陀螺仪(DTG)是一个双输入双输出的惯性器件，在现代航空航天、导弹、潜艇和舰船上得到了广泛的应用。为了提高动调陀螺仪(DTG)的精度,需要对DTG的解耦方法进行研究.BP神经网络解耦方法虽然可以达到DTG的全解耦目的,但是与传统的解耦方法相比仍有一些不足,如学习过程较慢,隐含层也很难确定、泛化能力较差等.因此,需要探求更好的解耦方法.本文通过对RBF神经网络与BP神经网络相比较,BP神经网