一种数据驱动的分数阶小波变换自适应信号分解与重构方法

    公开(公告)号:CN116561564A

    公开(公告)日:2023-08-08

    申请号:CN202310530211.5

    申请日:2023-05-12

    Abstract: 本发明提出一种数据驱动的分数阶小波变换自适应信号分解与重构方法。所述方法在信号能量最佳聚集的分数阶傅里叶变换域上确定信号的支撑区间,并基于分数阶小波变换理论,构建基于数据驱动的用于信号分解的分数阶小波基函数。然后,通过分数阶卷积运算,以构建的分数阶小波基函数为卷积核实现对信号的滤波分解。进一步地,根据构建的分数阶小波基函数设计用于信号重构的分数阶小波基函数,并基于信号分解结果利用分数阶卷积运算实现对信号的完全重构。与现有方法相比,能够避免信号在频域信号能量扩散导致信号各分量成分相互交叠而无法分离的问题。

    一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法

    公开(公告)号:CN116484174A

    公开(公告)日:2023-07-25

    申请号:CN202310253733.5

    申请日:2023-03-16

    Abstract: 本发明提出了一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法,构建训练数据样本;针对于应用场景采集训练信号s(t)作为网络的训练数据样本;训练可学习分数阶小波变换深度卷积网络;采集S1训练数据样本中的待稀疏分解与重建的信号将S1采集得到的待稀疏分解与重建的信号输入S2训练完的可学习分数阶小波变换深度卷积网络进行稀疏分解与重建;最后输出重建信号;将分数阶小波变换的卷积级联分解算法和合成算法中预设的滤波器参数替换为可学习参量,通过反向传播算法更新,可以对目标信号实现稀疏分解与重建。

    涡轮动叶气冷结构设计方法及装置、终端和存储介质

    公开(公告)号:CN116050000A

    公开(公告)日:2023-05-02

    申请号:CN202211172190.6

    申请日:2022-09-26

    Abstract: 本公开涉及航空发动机叶片设计技术领域,尤其涉及一种涡轮动叶气冷结构设计方法及装置、终端和存储介质。其中,该涡轮动叶气冷结构设计方法,包括:获取叶顶设计参数,根据叶顶设计参数进行叶顶设计,得到目标叶顶结构;获取叶片设计参数,根据叶片设计参数进行叶片设计,得到目标叶片结构;获取榫头设计参数,根据榫头设计参数进行榫头设计,得到目标榫头结构;根据目标叶片结构、目标叶顶结构和目标榫头结构,生成目标涡轮动叶气冷结构。采用上述方案的本公开可以降低涡轮动叶冷却结构的设计周期和设计成本,提高涡轮动叶气冷结构的设计精度。

Patent Agency Ranking