基于隱馬爾科夫模型的信號(hào)分類(lèi).pdf

1、信號(hào)分類(lèi)一直是研究熱點(diǎn)之一，如何對(duì)信號(hào)進(jìn)行準(zhǔn)確分類(lèi)也是眾多研究者追求的目標(biāo)之一。分類(lèi)在故障診斷和紋理圖像檢索中具有重要作用，在故障診斷運(yùn)用中，可以通過(guò)對(duì)故障信號(hào)的識(shí)別分類(lèi)，確定故障設(shè)備及原因。而在紋理圖像檢索中，良好的分類(lèi)算法可以為用戶快速的提供準(zhǔn)確圖像，滿足用戶需求。近年來(lái)，對(duì)小波理論和隱馬爾科夫模型的研究都取得了飛速發(fā)展，小波域隱馬爾科夫模型為二者的結(jié)合，是目前研究的熱點(diǎn)。
　　本文對(duì)基于小波域隱馬爾科夫模型進(jìn)行了研究，討論了

2、小波域的選擇在信號(hào)分類(lèi)中的影響、以及隱馬爾科夫模型在信號(hào)分類(lèi)中的效果，并將其應(yīng)用于一維信號(hào)和二維信號(hào)分類(lèi)中，分別以齒輪故障信號(hào)和紋理圖像檢索為例進(jìn)行了研究。本文工作如下：
　　1）齒輪故障診斷方法中，采用小波域HMM方法。本文通過(guò)建立一個(gè)二叉樹(shù)隱馬爾科夫模型結(jié)構(gòu)，用小波變換后得到的系數(shù)值，訓(xùn)練隱馬爾科夫模型參數(shù)，根據(jù)計(jì)算測(cè)試樣本和模型之間的相似概率值來(lái)確定故障信號(hào)的類(lèi)別。小波系數(shù)能很好地表征信號(hào)的宏觀和微觀信息，用其來(lái)訓(xùn)練模型參數(shù)

3、能更精確，二叉樹(shù)結(jié)構(gòu)的隱馬爾科夫模型可以較好地刻畫(huà)小波系數(shù)父子之間的相關(guān)性。通過(guò)仿真實(shí)驗(yàn)，該方法取得了很好地分類(lèi)效果。
　　2）在紋理圖像檢索中，提出一種基于抗混疊輪廓波的隱馬爾科夫樹(shù)算法。從特征提取和相似性度量?jī)煞矫孢M(jìn)行了探討，特征提取方面，討論了輪廓波變換和抗混疊輪廓波變換的優(yōu)缺點(diǎn)，抗混疊輪廓波HMT能很好地表征尺度信息和方向信息；相似性度量方面，基于HMM模型的應(yīng)用中，多采用傳統(tǒng)的KLD來(lái)計(jì)算兩個(gè)模型之間的距離，但由于傳統(tǒng)K