基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
船舶水压场信号总是淹没在大量的海浪杂波中,为了有效地从背景干扰中检测船舶水压场信号,文章籍海浪水压场近似服从正态分布的特性,在对接收到的海浪水压场信号进行AR建模的基础上,提取模型的自回归系数作为特征向量,采用BP神经网络进行信号检测。通过仿真数据对该检测方法进行验证,结果表明该方法简单而且易于实现,在低信噪比条件下,也能够达到较高的检测率。
推荐文章
基于PSO的BP神经网络-Markov船舶交通流量预测模型
船舶交通流量预测
BP神经网络
马尔科夫模型(Markov模型)
粒子群优化(PSO)
基于SFLA优化BP神经网络的语音信号分类
BP神经网络
SFLA
优化
分类
基于BP神经网络的地震动信号识别
BP神经网络
小波变换
目标识别
数据融合
基于ARIMA-BP神经网络的船舶交通事故预测
船舶交通事故
组合预测方法
简单加权
残差优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的船舶水压场信号检测
来源期刊 舰船电子工程 学科 工学
关键词 海浪 水压场 自回归模型 BP网络
年,卷(期) 2012,(8) 所属期刊栏目 测试与测量技术
研究方向 页码范围 118-119,124
页数 3页 分类号 TP274
字数 2261字 语种 中文
DOI 10.3969/j.issn.1627-9730.2012.08.043
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (29)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(3)
  • 参考文献(2)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
海浪
水压场
自回归模型
BP网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
舰船电子工程
月刊
1672-9730
42-1427/U
大16开
湖北省武汉市
1981
chi
出版文献量(篇)
9053
总下载数(次)
18
总被引数(次)
27655
论文1v1指导