Частично редактированный машинный перевод icon

Частично редактированный машинный перевод



НазваниеЧастично редактированный машинный перевод
Дата конвертации26.08.2012
Размер81.87 Kb.
ТипДокументы




Обработка на базе BPNN для ликвидации концевых эффектов преобразования Гильберта-Хуанга

Частично редактированный машинный перевод.

Преобразование Гильберта-Хуанга и эмпирическая модовая декомпозиция сигналов: http://prodav.narod.ru/hht/index.html



Аннотация — Эта работа описывает метод продления сигнала, примененного для ликвидации концевых эффектов преобразования Hilbert-Huang (HHT) и уточнения действительного спектра. Метод основан на сети обратной связи (BPN). Чтобы улучшить эффект, конечное продление первоначального сигнала получено сетью обратной связи. Полная форма волны, включая начало координат и его растяжение анализируется при использовании эмпирической декомпозиции режима (EMD), чтобы получить встроенные функции режима (IMFs) формы волны. Гильбертова трансформанта (HT) применена к IMFs, чтобы получить Гильбертов спектр формы волны. В результате метод превосходство ликвидирует концевые эффекты HHT, и позволяет получить действительный спектр частот сигналов.


^ I. Введение

Преобразование Гильберта-Хуанга (ННТ) - новый метод анализа нелинейных и нестационарных сигналов. HHT состоит из двух частей: эмпирической модовой декомпозиции (EMD) и Гильбертовой Трансформанты (HT), где EMD - клавиша для HHT. В ряде работ обсуждалась методология EMD. Однако, все еще существуют некоторые неразрешенные проблемы, такие как выбор огибающих, критерий для останова процесса отсеивания, задачи прерывистости, и концевые эффекты. Это исследование пытается обнаружить решение задачи о концевых эффектах в анализе сигналов вибрации.

Форма волны сигнала экстремумов верхней и нижней огибающей получена с использованием EMD. Но обе стороны граничных точек – не экстремальные точки. Поэтому огибающая на границе не будет изображена должным образом, следуя искажением границы с обеих сторон результатов декомпозиции. Чтобы решить концевые эффекты, это изучение представляет BPN, чтобы расширить граничную форму волны, чтобы улучшить задачу, что огибающая не изображена должным образом с обеих сторон границы. Наконец, обсуждается сравнение результатов с этой и без этой предложенной процедуры.


^ II. Преобразование Гильберта-Хуанга

HHT - новый метод анализа сигналов, который предложен [1]. Он разлагает нестационарные и нелинейные сигналы через адаптивную основу. HHT может быть разделен на две части, EMD и Гильбертову трансформанту.
Первоначальный сигнал преобразуется в несколько IMFs и монотонный остаточный тренд. Тогда мы получаем мгновенное значение амплитуды и мгновенную частоту преобразованием Гильберта к каждому из IMFs. Наконец, мы получаем соответствующее распределение времени, частоты и амплитуды. Процедуры объяснены ниже.

A. Эмпирическая модовая Декомпозиция

HT является главным методом в стационарных сигналах, но не в неустановившихся сигналах DC (цифровых систем?). Поэтому, Huang в [2] предлагает метод EMD, который может анализировать сигнал подобных частотных составляющих, где IMFs должен удовлетворить следующие условия.

1) Количество экстремальных значений и количество нулевых пересечений должны быть равны или отличаться одним.

2) В любой точке сигнала среднее значение верхней и нижней огибающих должно быть нулем.

Если IMFs удовлетворяют вышеупомянутые условия, мы можем гарантировать, что IMFs колеблются, чтобы обнулить как центр. Сигнал повторяется, чтобы анализироваться в IMFs и разность, где разность - тренд сигнала. Шаги EMD объяснены ниже, а процедура показана на рис. 1.

шаг 1. Обнаружьте локальные максимальные точки сигнала, и используйте точки, чтобы произвести верхнюю огибающую кубическим сплайном. Повторите процедуру для локальных минимумов, чтобы получить нижнюю огибающую.

шаг 2. Вычислите среднее значение верхних и нижних оболочек, m1,k.

шаг 3. Вычислите h1,k = x(t) - m1,k.

шаг 4. Повторите шаги 1 к 4, оценивая h1,k. Если h1,k удовлетворяет определение IMFs, сохраните как cn = hn,k

шаг 5. Вычислите остаточные значения rn = hn,0 - cn.

шаг 6. Если остаточное значение - монотонный тренд, то завершите декомпозицию: в противном случае повторите шаги один - четыре, для вычисления следующих модовых функций.


EMD разлагает первоначальный сигнал на несколько IMFs и монотонный тренд, как показано в (1).






B. Преобразование Гильберта

IMFs cj(t), преобразованы Гильбертовой трансформантой как показано в (2), где PV - Главное значение Коши.



cj(t) и yj(t) могут быть представлены в сопряженной форме, как показано в (3).



Мы можем получить мгновенное значение aj(t) и мгновенную фазу j(t) соответственно, как показано в (4) и (5).



Из (5) мгновенная частота может быть получена, как показано в (6).



Гильбертов спектр может быть получен в форме зависимости мгновенного значения амплитуды и мгновенной частоты от времени.


^ III. Концевые эффекты HHT

Есть две кривые прерывистой линии, представляющие верхнюю и нижнюю огибающие сигнала, соответственно. Однако, огибающие с обеих сторон, конца волны и начала координат, изображены неправильно, c искажением на концах. Форма волны, полученная первоначальным сигналом минус IMF, расценена следующей итерацией первоначальный сигнал. Поэтому, происходит искажение IMF и искажение тренда с концов к центру кривой, даже целая кривая, наконец полностью искажается [2]. Это называют концевым эффектом тренда в этой работе. Мы используем нейронную сеть, чтобы решить задачу.


A. Обратное распространение сети

Pual W'erbos в 1974 описал мультисетевой учебный алгоритм, основанный на сети обратной связи (BPN). Дэвид Rumelhart и др. в 1985 предложил, чтобы BPN [3], [4] пользовалось преимуществом в исследовании.

BPN - широко распространенный метод для классификации и прогноза. Он принадлежат контролируемой сети изучения. Структура главным образом содержит входной уровень, уровень вывода, и скрытый уровень. Правило BPN - градиент самый крутой метод спуска, повторенной передачей градиента погрешности вперед, чтобы обновить веса и смещение, так, чтобы оценить вывод, достигающий адресата. Процедура BPN может быть разделена на фазу с прямой связью и обратную фазу распространения. Сеть вычисляет значение вывода в фазе с прямой связью, и обновляет веса и смещение в обратной фазе распространения.

Ввод и вывод нейронной сети должны быть связаны. В процессе нейронной сети данные должны быть разделены на две части, обучение и испытательную установку. Учебное множество используется создания сетевой модели обучения, а испытательная установка используется для того, чтобы проверить точность сети. Когда точность не достигает адресата, сетевые поезда увеличивают число учебного множества для достижения целевой точности. Процедуры объяснены ниже.

Фаза с прямой связью

1) Вводится р и вычисляется значение вывода скрытого уровня a1, как показано в (7). Где f1 имеет отношение к функции активации скрытого уровня, w1 имеет отношение к весам скрытого уровня, а b1 имеет отношение к смещениям скрытого уровня.



2) Значение вывода скрытого уровня а1, расценено как входная величина, а вычисление значения вывода уровня вывода a2 показано в (8). Где f2 имеет отношение к функции активации уровня вывода, w2 имеет отношение к весам уровня вывода, и b2 имеет отношение к смещениям уровня вывода.



Фаза распространения

1) Среднеквадратическую погрешность считают индикатором веса и смещения. Тогда, мы вычисляем среднеквадратическую погрешность вывода a2 и целевой d, как показано в (9).



2) Вычислите градиенты погрешности для каждого веса и каждого смещения для того, чтобы исправить взвешенный размер и направление, как показано в (10) к (13).



3) Предположим, что норма узнавания является a. Корректируйте каждый вес и каждое смещение, как показано в (14) к (17).



B. Обработка Концевого эффекта

Сигнал начала координат расширен на обеих конечных сторонах BPN. Мы можем получить IMFs из полной формы волны EMD, и Гильбертов спектр может быть получен из IMFs преобразованием Гильберта. Растяжение IMFs и Гильбертова спектра удалено.


^ IV. Результат теста

IMF c1 расходится немного с обеих сторон на концах. IMF c2 имеет более серьезную дивергенция, чем с1, и верхняя и нижняя граница достигает +10 и -10. Это неблагоразумно для значений c2, с обеих сторон слишком большое относительное число на середине. Кондиции c3 и c4 подобны c2. Поэтому, значения IMFs с обеих сторон неправильны. Наблюдая с1- c4, мы можем обнаружить явление, что дивергенция сдвигается более близко к середине сигнала. Для анализа сигнала уровни IMF, c2-c4, являются неисправными, IMFs с предлагаемой процедурой не имеют расхождения на обеих конечных сторонах. Результат показал, что он может улучшить задачу о концевом эффекте BPN.

Расхождение накладывается на Гильбертов спектр. Без предложенной процедуры Гильбертов спектр с обеих сторон является неправильным. Задача может быть решена предложенной процедурой, в которой нет никакой дивергенции с обеих сторон, и может быть получен правильный Гильбертов спектр. Отсюда следует метод - превосходство обработки концевого эффекта HHT, чтобы получить действительный Гильбертов спектр сигналов.


^ V. Заключение

В этой работе мы можем наблюдать результаты с и без предложенной процедуры к обеим сторонам сигнала начала координат. Результаты показывают, что выполнимо использование предложенной процедуры для задачи о концевом эффекте HHT. Обработанный сигнал не имеет никакой дивергенции BPN, и может правильно показать его Гильбертов спектр. Вышеупомянутые результаты указывают, что BPN для концевого эффекта HHT - превосходство.

^ Справочная информация

[1] Huang, N., Z. Shen, S. Long, M. Wu, H. Shin, Q. Zheng, N. Yen, C.C. Tung and H. Liu, " The empirical mode decomposition and the Hilbert spectrum for nonlinear, nonstationary lime series analysis," 1998 Proc. R. Soc. Lond. Vol. A454, pp. 903-995.

[2] Y.Deng, W.Wang, C.Qian, Z.Wang, D.Dai, "Boundary-processing-lechnique in EMD method and Hilbemranslbrm," 2001 Chinese Science Bulletin Vol. 46, pp. 954-960.

[3] D.E.Rumelhart, G.E.Hinton, and R.J.Willia, "Learning re pre senui lions by back-propagaiion errors," 1986 Nature Vol. 323, pp. 533-536.

[4] Plaut,D. C, Nowlan,S. J. and Hinton,G. E., "Experiments on Learning by Back Propagation," 1986Technical Report C.MU-CS-86-126.


Смотреть в подлиннике:http://geogin.narod.ru\hht\link01\bpnemd2010.pdf


Примечание: Если Вы использовали этот материал для каких-либо своих нужд и выполнили редактирование перевода, то прошу Вас выслать редактированный текст по E-mail davpro@yandex.ru. С удовольствием заменю на своем сайте нередактированный перевод Вашим с указанием Вашей фамилии и (если разрешите) электронного адреса.

А.В.Давыдов.





Похожие:

Частично редактированный машинный перевод iconСтивен R. Long и Норден E. Хуанг Машинный перевод, частично отредактированный Давыдовым В. А
Это необходимо, потому что одна из типичных характеристик нелинейных процессов ­модуляция внутричастотной длины волны ­(IF), которая...
Частично редактированный машинный перевод iconB-сплайн база эмпирического метода декомпозиции сигналов машинный перевод
Математические результаты на emd включают Эйлеровы сплайны, как встроенные функции режима, преобразование Гильберта b-сплайнов, и...
Частично редактированный машинный перевод iconМашинный век

Частично редактированный машинный перевод iconВопросов к экзамену по математической логике для студентов групп ви-1-02, ви-2-02 (7 семестр)
Определение рекурсивных и частично рекурсивных функций. Соотношение между классами примитивно рекурсивных, общерекурсивных и частично...
Частично редактированный машинный перевод iconГражданско-правовые отношения
А) и перепродает покупателю (фирма Б). Покупатель по просьбе организации перечисляет оплату за товар частично продавцу и частично...
Частично редактированный машинный перевод iconДисциплины «Перевод научных текстов (английский язык)» для отделения «Перевод и переводоведение»
Курс “Перевод научных текстов” входит в цикл специальных дисциплин и относится к дисциплинам специализации. Данный курс предназначен...
Частично редактированный машинный перевод iconБаксана I. Общие положения
Перевод учащихся из класса в класс, перевод в другие общеобразовательные учреждения
Частично редактированный машинный перевод iconВот, выставляю на ваш суд новый перевод. Автор chattypandagurl. Надеюсь, этот перевод окажется не хуже предыдущего!

Частично редактированный машинный перевод iconДисциплины «Перевод общественно-политических текстов (английский язык)» для отделения «Перевод и переводоведение»
Целью курса является научить студентов адекватно передавать содержание и стилистические особенности переводимых текстов
Частично редактированный машинный перевод iconДокументы
1. /Теория покера - перевод Лесного/001.doc
2. /Теория...

Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©podelise.ru 2000-2014
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы

Разработка сайта — Веб студия Адаманов