摘要
本发明公开一种利用傅里叶带通滤波的极移周期提取方法和系统,通过带通滤波技术,精确保留特定频率范围内的信号成分,同时有效抑制其他频率的干扰,特别是在提取微弱逆向周期成分方面,表现出显著优势。与传统方法相比,本发明能够有效避免模态混叠问题,显著提高信号分解的准确性。在此基础上,本发明构建了一种极移预报方法和系统,以提取的周期信号为输入,结合有效角动量数据,采用一维卷积神经网络与长短期记忆网络的组合模型进行PM预测,能够在提高预测精度的同时,更好地自适应PM信号的时变特性。
技术关键词
一维卷积神经网络
周期提取方法
序列
依赖特征
预报方法
动态变化特征
长短期记忆网络
方程
频率
带通滤波器
计算机
处理器
指令
输入模块
信号
存储器
系统为您推荐了相关专利信息
误差预测方法
LSTM模型
引入注意力机制
网络
电容式电压互感器
反馈优化方法
深度学习模型
分布式数据采集
深度特征提取
深度信念网络
黎曼
梯度下降算法
恒模波形设计方法
发射天线
网络
链路
接收方
数据传输方法
数据传输方式
集成电路芯片技术