全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 非合作通信环境下飞机声信号类型识别的方法研究
- 作者： 黄妤宁 来源： 哈尔滨工程大学 年份： 2019 文献类型 ： 学位论文 关键词： 支持向量机 梅尔频率倒谱系数 机器学习 飞机类型识别 自编码器
- 描述： 非合作通信环境下飞机声信号类型识别的方法研究
- 基于自编码器的飞机类型识别方法
- 作者： 张朝柱 黄妤宁 来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习 梅尔倒谱系数 自编码器 飞机类型识别 联合特征提取
- 描述： 针对人工监听识别飞机类型难度大的问题,提出了根据不同飞机发动机产生的不同噪声,通过特征提取,进而分类识别出飞机类型的一种方法。在梅尔倒谱系数(MFCC)算法特征提取的基础上,对提取的24维特征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%,且平均识别准确率为95.98%。针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包分解-MFCC联合特征提取对自编码器进行优化。实验结果表明,每一类声信号准确率均高于90%,且平均准确率为97.74%。
- 基于自编码器的飞机类型识别方法
- 作者： 张朝柱 黄妤宁 来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习 梅尔倒谱系数 自编码器 飞机类型识别 联合特征提取
- 描述： 针对人工监听识别飞机类型难度大的问题,提出了根据不同飞机发动机产生的不同噪声,通过特征提取,进而分类识别出飞机类型的一种方法。在梅尔倒谱系数(MFCC)算法特征提取的基础上,对提取的24维特征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%,且平均识别准确率为95.98%。针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包分解-MFCC联合特征提取对自编码器进行优化。实验结果表明,每一类声信号准确率均高于90%,且平均准确率为97.74%。
- 基于自编码器的飞机类型识别方法
- 作者： 张朝柱 黄妤宁 来源： 无线电工程 年份： 2019 文献类型 ： 期刊 关键词： 机器学习 梅尔倒谱系数 自编码器 飞机类型识别 联合特征提取
- 描述： 针对人工监听识别飞机类型难度大的问题,提出了根据不同飞机发动机产生的不同噪声,通过特征提取,进而分类识别出飞机类型的一种方法。在梅尔倒谱系数(MFCC)算法特征提取的基础上,对提取的24维特征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%且平均识别准确率为95.98%;针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包分解-MFCC联合特征提取对自编码器进行优化。实验结果表明,每一类声信号准确率均高于90%且平均准确率为97.74%。
- 基于数据驱动的航空发动机气路性能参数预测研究
- 作者： 孙小鱼 来源： 大连理工大学 年份： 2019 文献类型 ： 学位论文 关键词： 航空发动机 参数实时预测 自编码器 机器学习回归算法
- 描述： 基于数据驱动的航空发动机气路性能参数预测研究
- 基于北斗导航卫星的前向散射波飞行器探测方法研究
- 作者： 祝兴晟 来源： 哈尔滨工业大学 年份： 2019 文献类型 ： 学位论文 关键词： 前向散射 机器学习 北斗导航卫星 双基地雷达
- 描述： 基于北斗导航卫星的前向散射波飞行器探测方法研究
- 基于机器学习的航空收益管理需求预测算法的研究与实现
- 作者： 孙卫卫 来源： 山东大学 年份： 2019 文献类型 ： 学位论文 关键词： 增量模型 长短时记忆网络 机器学习 需求预测
- 描述： 基于机器学习的航空收益管理需求预测算法的研究与实现
- 基于多维特征量的航空串联故障电弧检测
- 作者： 崔芮华 王绍敏 来源： 科学技术与工程 年份： 2019 文献类型 ： 期刊 关键词： 支持向量机 粒子群优化 多维特征量 航空故障电弧
- 描述： 航空交流系统工作环境复杂、故障电弧检测可靠性要求较高,而单一特征的检测方法适应能力相对较差。开展了航空交流电源条件下串联型故障电弧模拟试验,分别对电源频率为360 Hz、400 Hz、450 Hz时的线性负载线路电流进行数据采集。根据电弧电流的特点,提出了一种融合波形畸变特征、间谐波特征和能量分布不确定性特征的多维特征量检测方法。引入支持向量机和粒子群优化算法进行参数寻优,用训练得到的分类模型对测试集进行分类预测。结果表明,该串联故障电弧分类模型最高分类准确率可达到98.83%。
- 机动区航空器速度异常检测研究
- 作者： 李楠 刘朋 靳辉辉 来源： 计算机仿真 年份： 2019 文献类型 ： 期刊 关键词： 支持向量机 机动区 指标 速度异常
- 描述： 随着航空器起降架次的增加,机动区航空器运动过程中存在的不确定性因素增多,从而加重了塔台管制员的工作负荷。针对上述问题,提出基于SVM机动区航空器速度异常检测的方法,为管制员提供智能辅助提醒及预警,降低机场机动区的安全风险。首先对机动区航空器速度异常进行定义、分类和判定,界定出机动区航空器滑行速度异常的标准;其次对航空器ADS-B历史数据进行分析和处理,筛选出完整航迹,确定滑行路径;接着综合考虑航空器滑行位置和机型两个指标,经过统计得到航空器在跑道和滑行道滑行时的正常速度范围和异常速度范围;最后利用SVM方法建立机动区航空器速度异常检测模型,从而找出速度异常的航空器。仿真结果表明,该方法能够快速、有效的检测出航空器在滑行过程中速度异常的位置。