基于平均包络线匹配算法的EMD端点效应分析及在股价趋势分解中的应用

经验模式分解(EMD)能够有效获得非平稳非线性信号的时频特征,但传统的EMD分解算法存在严重的端点效应. 在深入研究和分析EMD算法的基础上,提出了一种基于波形匹配的端点效应处理方案,通过计算波形匹配度, 在平均包络线内部寻找与其端部变化趋势最为接近的子波,并用这段子波代替平均包络线的边缘部分, 使处理后的平均包络线极大地接近真实包络线,并把这种端点效应处理方案的EMD分解算法应用到实际的股票市场价格趋势分解中.实验结果表明,与经典的EMD边界延拓算法相比,本文提出的算法能更有效地抑制EMD分解时的边界效应, 分解得到的固有模式函数更能体现模拟信号真实的频率、幅值信息.应用实验表明:与现有方法相比,该方法更能提高预测精度.     

消除EMD端点效应的PSO-SVM方法研究

经验模态分解(empirical mode decomposition, 简称EMD)的端点效应使得EMD分解结果产生严重失真, 为了减小分解过程中产生的端点效应, 将支持向量机(SVM)这一智能算法引入EMD, 提出采用SVM模型解决分解中产生的端点效应问题. 通过支持向量机对其原始数据两端进行延拓, 以获得一个或者多个极大值和极小值. 为了使端点处的延拓变得更加合理, 引入粒子群(PSO)智能算法对支持向量机算法参数进行优化, 使其两个端点处的数据延拓得更加准确, 从而使得三次样条曲线在端点处不会发生大的摆动, 实现EMD分解的固有模态函数(IMF)更加准确可靠. 通过对仿真信号的研究表明, 基于PSO-SVM 方法的延拓方法能够很好地抑制了分解的端点效应.     

基于极值域均值模式分解的语音增强方法

增强低信噪比(signal to noise ratio, SNR)下的语音质量是语音识别需要解决的问题。在众多增强方法中,经验模态分解(empirical mode decomposition, EMD)是目前应用最为广泛的一种方法。针对EMD在对语音进行增强时存在端点效应的问题,研究了极值域均值模式分解(extremum field mean mode decomposition, EMMD)方法。该方法改变了EMD只利用信号的极值点信息的单一做法,充分考虑输入信号所有信息,计算信号极值点间所有数据的均值,可以有效解决EMD中的端点效应问题。因此,提出了基于EMMD的语音增强方法,实验结果表明EMMD方法的引入,消除局部数据中隐含的支流分量,避免了EMD方法的端点效应问题,明显提高了带噪语音的SNR,改善了语音的质量。     

经验模态分解中的包络线拟合算法仿真分析

针对经验模态分解过程中存在的包络线过冲/欠冲及端点飞翼等问题,通过分析三次样条及Hermhermite多项式插值的特点,在分析一个非平稳时间序列的经验模态分解的过程中,提出使用分段三次Hermite多项式插值,并结合ARMA过程与周期延拓外推信号"特征波"进行端点延拓来改善包络拟合结果.最后,在一个简单的算例中,以距离测度作为2邻近单频信号分离的一种新判据,仿真验证了包络线拟合算法的有效性.     

基于改进模拟退火算法的机器人全局路径规划

针对全局静态移动机器人路径规划问题,给出了一种简单易行的改进模拟退火算法.算法通过引入脱障算子和一致寻优算子,提出了一种新的状态产生方法.前者采用维值定向扰动策略,使碰撞路段的两个端点以一定步长跳离障碍物,这既保证了路径的无碰性,又加快了寻优效率；后者对随机选取的若干个路径点进行变步长地调整,使产生的候选解可以遍布整个解空间,提高了算法的全局寻优能力.最后,通过对一般环境和“陷阱”环境路径规划问题的仿真,验证了该方法的有效性.     

基于能量特征匹配的在线手写签名验证算法研究

侧重签名能量特征提取方法的研究,提出了一种基于小波分析的在线手写汉字签名验证算法。基于Daubechies小波的方法对签名波形进行分解,重构部分波形后,提取签名波形在跳变点处的能量,并对跳变点处签名能量进行大小排序,选出M个较大能量作为特征矢量,并提出了一种新的匹配算法。算法能快速消除随机伪造签名,实现自动签名验证的目的。实验表明,对于随机伪造签名,当误拒率为0%时,误纳率为8.5%。     

基于粒子群优化技术的点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，利用粒子群优化算法求解变换参数，实验表明，该算法适用于点匹配，具有操作方便、可靠性好、不易陷入局部极值等优点。     

基于适应值曲面分析的全部局部极值搜索算法

为求得类似仿真函数的黑箱函数优化问题的全部局部极值点,提出了一种基于适应值曲面分析的新算法。首先,对适应值距离相关系数(fitness distance correlation, FDC)进行了改进,探讨了改进FDC指标与适应值曲面崎岖度的对应关系。在此基础上,设计了基于FDC的重复对分区域法(FDC based repeated split region, FRSR),对可行域依据崎岖度进行分解,得到满足崎岖度要求的若干子区间,并在这些子区间上依据FDC指标设置初始点,然后利用模式搜索算法进行寻优。通过对比FRSR法与传统的均匀分配初始点法以及其他现有方法,验证了FRSR法能够以较少的初始点得到全部局部极值,在速度上和解的质量上都优于传统方法。     

结合图像特征和几何特征的级联图像匹配方法

提出了一种多特征级联目标匹配算法(MFCM)。在先前的研究中提出的基于几何特征的匹配方法复杂度普遍较高,需要改进。MFCM算法首先使用图像特征为每一个特征点建立潜在匹配集,然后进行两级匹配:第一级匹配采用分治思想,利用几何特征建立匹配结果集,并应用投票机制来确保匹配的稳定性;第二级匹配在模板点集和匹配结果集之间建立对应关系。新算法有效提高了几何匹配方法的效率,同时保持了较高的匹配正确率。实验结果表明,MFCM算法可以有效处理大数据量的目标匹配问题。     

遗传算法在离散变量优化问题中的应用研究

针对实际应用中大量存在的离散变量优化设计问题,研究了利用一般连续变量方法进行离散变量优化设计的不足。结合离散变量优化问题与遗传算法的特点,提出离散交叉算子和离散变异算子,使遗传算子真正在离散空间中进行搜索。基于线性搜索思想提出离散引导算子以提高遗传算法的局部寻优能力,将种群逐步向离散极值点进行引导,实现算法的快速离散寻优。通过对两个实际离散变量优化设计问题的应用研究,验证了本方法解决离散变量优化设计问题的有效性。     

峰度检验加窗的EMD脉冲星信号消噪方法

针对经验模态分解(empirical mode decomposition, EMD)过程中本征模态函数(intrinsic mode function, IMF)上存在脉冲星信号与噪声混叠的问题,提出了一种基于局部峰度检验加窗的EMD消噪方法。首先,利用自相关和互相关来判断IMF的重构起点;其次,通过局部峰度检验方法来获取重构起点前两层IMF中信号脉冲部分的左、右端点,选用Turkey Hanning窗滤掉脉冲外噪声;最后,利用自适应阈值方法进一步除噪,改善信号质量。实验结果表明,与其他5种方法相比,所提消噪方法可以有效抑制噪声,保留脉冲星信号细节信息,具有更高的消噪性能。     

小波域模极大值的激光信号滤波方法研究

针对用传统滤波方法滤除激光陀螺随机噪声性能低的缺点,提出了一种基于波域的模极大值滤波方法。该算法利用小波变换模极大值滤波方法对激光陀螺零漂数据进行处理,获取模极大值点,通过交替投影算法重构信号,并采用Allan方差法对波效果进行定量分析。通过实验验证了该方法滤波效果优于基于时间序列模型的卡尔曼滤波方法,能有效减小随机误差,提高测量精度。     

小波变换在弹射加速度滤波中的应用

小波分析作为一种崭新的信号处理方法,在工程界受到了越来越广泛的重视,已成功应用于信号分析、图像处理及非线性科学等方面。小波变换是去噪的有力工具,能将由各种不同频率成分组成的混合信号分解到不同的频率段上,有效地用于滤波和信噪分离。本文基于小波分解与重构理论,分别对航空弹射加速度信号滤波,与传统的消噪法进行了比较。结果表明小波去噪法用较少的数据就能很好地完成滤波功能,并且滤波的效果优于传统的方法。     

基于小波包的电泳芯片非接触电导检测仿真研究

由于毛细管电泳芯片电容耦合非接触微电导检测器具有电极不接触溶液,不存在电极的钝化和玷污,不受电泳分离电压影响等优点,被认为是生化分析领域最具发展潜力的一种技术.根据四电极电容耦合非接触电导检测器检测特点,采用小波消噪方法对信号进行滤波处理;依据芯片检测池内仅背景缓冲液与加入待测物质后所呈现的电导率不同致使信号电压会突变的特性,采用小波奇异性检测确定信号变化发生和恢复时刻,从而实现毛细管电泳芯片系统的微电导检测.仿真结果表明,利用小波分析方法能有效地消除噪声,能有效地检测到微电导的波动,并能精确地确定电导率溶液波动的发生,恢复时刻.     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

基于小波变换的故障诊断信号非平稳性分析

从工程角度,解释小波变换的实际含义,并将其与传统的傅里叶变换分析方法作比较,通过比较两种基函数的时频窗,显示小波变换在时域和频域都具有局部化特性,并且运用可调的柔性窗可对高频、低频信号分别采取不同的尺度进行分析,特别适合于分析奇异性强的机械故障诊断信号。以旋转机械轴振动信号为仿真分析对象,以Daubieches 5阶小波作为基小波,介绍了小波变换在故障诊断的信号非平稳性分析中的应用,并给出了奇异点检测和瞬态过程检测的仿真示例,体现了小波变换在故障诊断领域对非平稳信号的时域局部细节的刻划能力。