利用AR模型参数和BP神经网络辨识微震信号

利用AR模型参数和BP神经网络,针对矿山微震信号具有频带较宽、谱成分丰富的特性,提出了时不同频率范围的信号和噪声进行滤波处理的方法.利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的.实验结果表明,利用AR模型参数和BP神经网络能够有效去除微震异常信号的噪声,可应用于微震信号的预处理和微震预测.     

基于反馈机制的抗混合噪声的盲图像源分离方案

针对基于稀疏成分分析的盲图像源分离算法无法解决混合噪声问题,本文提出一种采用反馈机制的盲源分离算法.通过小波域稀疏成分分析和置零反馈的方法,逐次分离出各支路信号.实验结果表明,该方法无需大量的迭代运算,与传统稀疏成分分析法相比,能有效地分离高斯白噪声参与的混合图像,与经典快速独立成分分析法相比,取得了更高的分离精度.     

基于主成分的大坝观测数据多效应量统计分析研究

传统的单效应量分析在处理具有多重共线性的大坝监测数据时有较大的局限性,本文引入主成分分析方法对相关的多效应量进行重构,探讨确定主成分的方法,提取影响数据变异的少数主成分.对于稳定的观测数据建立基于主成分的多效应量观测值整体控制域;对于有趋势性变化的观测数据,在建立主成分统计预报模型的基础上建立了未来观测值的控制域.通过工程实例证明,利用主成分分析方法进行多效应量分析可以实现数据缩减,减少数据冗余,降低噪声和虚假报警率,能够进行高效地数据分析,具有广阔的应用前景.     

大脑fMRI数据时/空模式综合分析的一种新方法

提出了一种新的fMRI数据处理方法, 可获得大脑激活区的时空综合信息. 该方法首先利用多窗口谱估计得到脑图像各体元的谱成分, 并在任务相关频率处对体元谱成分作显著性检验, 分离出任务相关脑区; 然后利用时间独立成分分析方法提取脑区任务响应的时间模式, 从而得到任务相关脑区的时-空综合信息. 这一方法的优点是: 无需对血液动力学和任务相关脑区的空间分布做出先验性假设, 具有好的鲁棒性和信息挖掘能力; 解决了单纯的时间独立成分分析在低信噪比下发散、结果不可信、鲁棒性差的问题.     

欠定情形下语音信号盲分离的时域检索平均法

探讨欠定情形（即观察信号的个数少于源信号个数）下的盲信号分离,提出一种新的方法,即时域检索平均法（SAMTD）,该方法可解决目前在频域中难以处理的一类问题,它利用一类语音信号在时域中的稀疏持续性,回避像K均值聚类或势函数等常用统计聚类方法.为估计混叠矩阵,它剔除那些不与基矢量共向或反向的数据样本,以提高其估计的准确性.在源信号的恢复上,提出了一个超完备线性几何ICA改进算法.几个语音信号实验的仿真数据展示了所提方法的性能和实用性.     

图像视频信号的压缩采样与稀疏重建

要视觉传感器通常不知道它们“看到”的现象之下的物理过程,以远远超出图像视频信号有效维度的Shannon／Nyquist采样率获取图像视频数据,从而导致了对图像视频信号的存储、传输等数字处理的巨大压力．压缩感知（compressivesensing,CS）理论表明：在某个线性变换域下稀疏的信号,可以利用少量的观测数据精确地重建,或在噪声情况下鲁棒地重建．压缩感知是实现图像视频信号有效维度采样的理论基础,为图像视频信号的采样、处理和识别等领域带来了前所未有的突破．本文对图像视频信号领域压缩感知面临的基本问题：压缩采样、稀疏重建模型及其优化求解算法的研究进展进行了综述．在采样方面,分析了图像视频信号随机观测矩阵和有结构观测矩阵的性能;在稀疏重建模型方面,从图像视频信号的稀疏先验性出发、介绍了分析型的重建模型和合成型重建模型的构建方法;在优化求解方面,针对重建模型,介绍了约束优化问题和无约束优化问题两类求解算法．以此为基础,分析了在图像视频领域压缩感知的理论与应用的进一步发展所面临的问题和挑战,展望了未来的发展方向．     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

坐姿人体垂向振动特性及其两自由度模型

理解坐姿人体的振动特性对于评价、改进各类运载工具的乘坐舒适性具有重要的意义.迄今针对坐姿中国人体振动特性的公开文献极少.采用宽带随机白噪声信号与自制座椅传感器,对28名志愿者进行了多种激励水平下的坐姿垂向振动测试,得到了1～20Hz范围内的视在质量数据.选择包含框架质量的并联两自由度生物动力学模型描述坐姿人体垂向振动特性,依据视在质量的实频与虚频信息定义误差函数,采用Gauss-Newton法获得了各志愿者的全部模型参数.通过对实测数据作质量归一化与平均处理,给出了20～25岁年龄段标准中国人体坐姿垂向振动特性的模型参数与模态参数.模型给出的视在质量与实验数据高度吻合.应用统计分析讨论了身高、体重对坐姿人体参数的影响.     

一种新型智能预测系统模型——复合金字塔模型

将一般性智能预测系统构造向结合具体领域的个性化智能预测系统构造的发展,表征了智能系统当今发展的重要趋向.蛋白质结构预测是生物信息学领域的国际性难题与主要挑战性问题之一.在本文中,我们提出了一种新型的智能预测系统模型来预测蛋白质的二级结构,它是一个多层递阶的复合金字塔模型(CPM).该模型包含4个独立的智能接口,并且综合涵盖几种相关的知识发现方法.领域知识贯穿该整个模型,并通过因果细胞自动机有效的选择属性,以及高纯度结构数据库的构造.在RS126的数据集上的预测准确性达到84.31%;在CB513数据集,预测准确性达到86.78%(居国际已知之优先地位).同时对CASP8序列预测的结果发现是优于其他方法的,如PSIPRED,Jpred,APSSP2,BehairPred等.大量实验结果表明:该智能预测系统模型具有较强的泛化能力,并提供了其他类型智能系统模型构造的方法论示范.     

独立分量分析在伤口感染监测电子鼻技术中的应用

针对传统的伤口感染诊断方法耗时长,操作复杂等问题,提出了一种基于电子鼻和独立分量分析（ICA）的方法来检测常见的伤口感染病原菌。该电子鼻的传感器阵列由6个金属氧化物半导体传感器组成,分别对七种常见病原菌产生响应,然后利用RBF神经网络对经ICA预处理后的数据进行识别。结果表明,ICA对气体传感器阵列测量数据进行预处理,可以简化神经网络的结构,减少计算量,并能提高伤口感染病原茵识别的准确率。     

基于最大方差展开的非线性信号降噪方法及其在故障诊断中的应用

将流形学习的思想引入信号降噪中,提出了一种新的基于最大方差展开（maximum variance unfolding,MVU）的非线性信号降噪方法.该方法首先基于相空间重构理论将含噪信号重构到高维相空间,再采用流形学习理论中的MVU算法对相空间数据进行非线性降维,将蕴含在相空间中代表吸引子的低维流形与噪声子空间分离,然后对低维流形进行逆重构,从而得到降噪后的信号.对加噪的Lorenz信号的仿真结果表明,该方法的降噪性能要优于基于KPCA的非线性降噪方法,且具有参数估计简单、参数影响不大等优点.最后将该降噪方法应用于带有轻碰磨故障的航空发动机转子―机匣系统振动信号,有效地提取出了淹没在噪声中的轻碰磨故障特征.     

爆破震动等效载荷模型

通过对实验数据、点源矩理论和等效孔穴理论的分析对比认为: 在爆破区的邻近范围以外的震动信号主要来源于由于爆破作用引起的爆破后的爆破区邻近范围内地质结构的自振. 震动信号是由结构进行滤波后传出的, 而不是像很多人认为的那样: 这种滤波作用主要是由介质的非弹性性质(如介质阻尼等)决定的. 由此给出了一种适用于松动爆破的爆破震源的等效模型, 说明并验证了在一定条件下载荷的时间函数的冲量的决定作用. 同时实现了利用有限元方法对爆破震动过程进行数值模拟, 与实验结果的对比说明模型简单有效.     

离散多参数分数Fourier变换

分数Fourier变换是传统Fourier变换的推广,在光学、信号处理、信息安全等许多研究领域都有广泛的应用,而简明有效的离散化数值计算方法是其得以广泛应用的关键.多参数分数Fourier变换(MPFRFT)是分数Fourier变换的一种广义形式,包含已知的分数Fourier变换作为特例,可为分数Fourier变换的理论研究和应用提供便利.文中详细阐述离散多参数分数Fourier变换(DMPFRFT)的定义和离散化计算方法,并给出二维多参数分数Fourier变换(2D-MPFRFT)和二维离散多参数分数Fourier变换(2D-DMPFRFT)等概念.最后作为应用,提出一种基于2D-DMPFRFT的数据图像加密方法,数值仿真结果验证了所提出加密方法的有效性和安全性.     

基于FSDP图像和DCNN的无人机起落架关键件结构损伤智能检测方法

随着无人机的应用越来越广泛,与之相适应的保障手段也需与时俱进.在人工智能快速发展的情况下,故障诊断与人工智能方法相结合为无人机保障关键技术的跨越式发展提供了重要契机,也为无人机的使用安全性与运行可靠性水平的提升提供了重要机遇.本文以结构健康监测中的超声信号分析方法为基础,针对无人机起落架关键结构件的损伤检测问题开展研究,结合深度学习模型,对结构件的损伤进行智能化检测,提高检测效率和检测精度.针对结构健康监测中损伤信号的非线性特点,提出了频谱对称点阵图案(frequency symmetrized dot pattern, FSDP)特征提取方法.在此基础上,提出了基于FSDP特征与深度卷积神经网络的损伤智能检测方法.在起落架T型构件实验环境中开展了结构损伤模拟与检测实验,通过实验数据验证了所提出的智能检测方法的有效性.     

一种基于谱相减法的声信号时延估计

利用信号增强算法,结合广义互相关时延估计原理,提出一种声信号时延估计算法。在噪声背景下先采用谱相减法从带噪信号中估计出原始声信号,提高信噪比,利用四元立体传声器阵列和广义互相关算法原理,对相关数据进行加权处理得到较高精度的时廷估计值。该算法可以有效抑制空间加性噪声,得到有效声信号准确的时延估计。实验仿真结果表明了该算法的可行性,在信噪比较低的情况下,与单一使用广义互相关函数相比,极大地提高了时延估计算法的准确程度。     

多铁性材料研究进展及发展方向

多铁性材料同时具有铁电、(反)铁磁、铁弹等两种或两种以上铁性有序,并且由于多种序参量之间的相互耦合作用而产生新的效应.这类功能材料在新型磁电器件、自旋电子器件、高性能信息存储与处理等领域展现出巨大的应用前景.同时,多铁性耦合的物理内涵涉及到电荷、自旋、轨道、晶格等凝聚态物理多个范畴,已成为国际上一个新的前沿研究领域.本文回顾了多铁性材料的研究历史,分别就单相多铁性和复合多铁性材料的主要研究趋势做了系统性总结,尤其就目前有待解决的关键科学问题、未来发展方向等进行了讨论和展望.     

机载雷达Doppler分布式杂波模型及参数估计

针对机载雷达平台运动造成的杂波谱中心偏移和展宽, 提出一种Doppler分布式杂波(DDC)模型在时域描述杂波协方差矩阵. 并基于该参数化模型, 研究了最大似然、加权子空间匹配等超分辨率方法在杂波Doppler参数估计中的应用, 取得了明显优于传统方法的性能. 理论推导和实际数据处理结果也验证了模型的正确性及参数估计方法的有效性.     

孪生数据与特征增强融合驱动的装备小样本诊断方法

近年来,得益于新一代信息技术的快速发展,智能故障诊断技术在航空航天、海洋工程、汽车工业等领域得到了广泛的关注与应用.然而,一方面,智能故障诊断模型在实际应用部署时,面临着故障样本不足的难题,导致所构建的模型诊断可靠性较低;另一方面,现有面向小样本问题的智能诊断方法往往需要相关性较强的实测数据作为支撑,这极大限制了该方法的实用性.基于此,本文提出了一种孪生数据与特征增强融合驱动的机械装备小样本故障诊断方法.首先,构建机械装备的虚拟模型,并结合装备的运行机理知识和健康状态的实测数据对模型进行优化修正,以获取高保真模型,进而基于该模型获取高质量的孪生故障数据;其次,以孪生故障数据为输入,利用生成对抗网络进行装备孪生故障数据的特征增强,并将增强后的数据用于卷积神经网络模型的训练,从而实现装备的智能故障诊断;最后,以某汽车用变速器为研究对象,验证所提方法的可行性.该方法丰富了新一代工业人工智能与大数据分析理论,为现代装备的小样本智能故障诊断提供了一种新的解决思路.     

脉冲噪声滤波的无监督鲁棒递归最小二乘方法

在未知期望信号的条件下,提出一种能够抑制脉冲噪声的鲁棒递归最小二乘自适应滤波方法.与传统最小二乘法的代价函数不同,通过引入饱和非线性约束,降低可能出现的脉冲噪声对滤波器权值更新的影响.此外,提出一种多步预测器来重构滤波器的输入信号,通过比较判断滤波器输入信号可能受到脉冲噪声干扰时,采用预测值来替代原始观测信号.实验结果表明,提出的无监督鲁棒递归最小二乘自适应滤波方法在未受到脉冲噪声干扰时与传统的递归最小二乘法具有相近的收敛性能;在脉冲噪声条件下,传统递归最小二乘法和其他的无监督自适应滤波方法性能都变得很差,但本文提出的方法几乎未受到脉冲噪声的影响.     

幅度-频率域统计多分辨率分析

提出幅度-频率域统计多分辨率分析的概念, 即在幅度域上对信号的统计特征作小波变换. 根据广义的各态历经定理, 给出幅频统计多分辨率分析的估计算法. 描述了该分析方法用于合成孔径雷达图像处理的原理, 应用结果表明, 幅频统计多分辨率分析为处理具有乘性模型的斑点噪声信号提供了一个有效的新途径.