Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Ciągła transformacja falkowa" wg kryterium: Wszystkie pola


Wyświetlanie 1-3 z 3
Tytuł:
Continuous wavelet transform of railway track defectoscopic signals in the MATLAB wavelet toolbox
Ciągła transformacja falkowa sygnałów inspekcji torów kolejowych w MATLAB wavelet toolbox
Autorzy:
Nichoga, V.
Vashchyshyn, L.
Powiązania:
https://bibliotekanauki.pl/articles/210765.pdf
Data publikacji:
2014
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
rail
crack
CWT
szyna
szczelina
Opis:
Rail networks across the world are getting busier with trains travelling at higher speeds and carrying more passengers and heavier axle loads than ever before. The combination of these factors has put considerable pressure on the existing infrastructure, leading to increased demands in inspection and maintenance of rail assets [1]. Nowadays, rails are systematically inspected for internal and surface defects using various non-destructive evaluation (NDE) techniques, the most common of which are ultrasonic and magnetic flux leakage (MFL) methods. The article is focused on the analysis of defectoscopic signals received using the magnetic wagon-defectoscope of Lviv Railway (MFL method) by the continuous wavelet transform (CWT).
Sieci kolejowe na całym świecie są coraz bardziej zatłoczone, przy coraz wyższych prędkościach pociągów i przewożą coraz więcej pasażerów przy większym nacisku na osi kół niż dotychczas. Połączenie tych czynników oznacza poważne zagrożenie dla istniejącej infrastruktury, co prowadzi do zwiększonego zapotrzebowania na ilość inspekcji i na koszty utrzymania aparatury kolejowej [1]. Obecnie, szyny są systematycznie sprawdzane pod kątem uszkodzeń wewnętrznych i powierzchniowych za pomocą różnych metod badań nieniszczących. Najbardziej upowszechnione z nich to metody ultradźwiękowe i magnetodynamiczna (Magnetic Flux Leakage Rail Inspection – MFL). Artykuł skupia się na analizie sygnałów defektoskopowych otrzymanych przy użyciu wagonu defektoskopii magnetycznej Kolei Lwowskiej (elektromagnetyczna metoda badań nieniszczących) wykorzystującej ciągłą transformatę falkową.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2014, 63, 4; 21-27
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przegląd możliwości rozpoznawania wybranych typów modulacji sygnałów
Overview of the possibilities of recognizing selected types of signal modulations
Autorzy:
Walenczykowska, Marta
Kijewski, Adam
Powiązania:
https://bibliotekanauki.pl/articles/501938.pdf
Data publikacji:
2014
Wydawca:
Agencja Bezpieczeństwa Wewnętrznego
Tematy:
Sieci neuronowe
ciągła transformacja falkowa
rozpoznawanie modulacji
rozpoznanie radioelektroniczne
radiowywiad
Neural networks
Continuous Wavelet Transform (CWT)
modulation recognition
radio surveillance
radio intelligence
Opis:
W artykule zaprezentowano skrótowo informacje dotyczące możliwości zastosowania sztucznych sieci neuronowych a następnie omówiono teoretyczne podstawy ich działania, począwszy od uproszczonej budowy neuronu. Przytoczono również podstawowe wzory pozwalające na obliczenie wartości wyjściowych sztucznego neuronu po podaniu na jego wejścia określonych wartości. Następnie przedstawiono wybrane typy modulacji sygnałów, czyli PSK, FSK, QAM, ASK oraz ich własności. Omówiono cechy charakterystyczne ciągłej transformacji falkowej (CWT) obliczonej dla wybranych typów modulacji, pozwalające na rozróżnienie poszczególnych typów modulacji i stanowiących podstawę przedstawionego w pracy algorytmu rozpoznawania typów modulacji z wykorzystaniem ciągłej transformacji falkowej (CWT) i sztucznej sieci neuronowej (SSN). W analizowanym algorytmie na wejścia sieci podawane są wartości średnie i odchylenia standardowe ciągłej transformacji falkowej, obliczonej dla poszczególnych sygnałów zmodulowanych. Zadaniem sieci neuronowej jest z kolei klasyfikacja typu modulacji sygnału na podstawie wspomnianych wyżej cech podawanych na jej wejście. W artykule przedstawiono również wyniki otrzymane podczas badań symulacyjnych wykonanych w środowisku MatLab (firmy MathWorks).
The proper signal classification have a great importance in the domain of electronic surveillance or wireless communication. The article presents a short introduction into neural networks and describes their application. It also lists basic equations which are essential for the neural network theory. In this paper we also recall the most popular modulations types and investigate the possibility of using wavelet transform (CWT) and neural network for the modulation type recognition system. The modulation identification algorithm is also presented and its performance is analyzed. Four types of signal modulation are reviewed: PSK, FSK, QAM, ASK. The mean value and standard deviation of CWT of each modulation type are used as signal features. After the proper features are extracted they are sent to the two layer neural network entry which is proposed as a classifier. We use a back propagation training algorithm. Also simulation results were presented in the article.
Źródło:
Przegląd Bezpieczeństwa Wewnętrznego; 2014, 6, 11; 206-222
2080-1335
2720-0841
Pojawia się w:
Przegląd Bezpieczeństwa Wewnętrznego
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies