非均匀DFT频谱泄漏抑制方法研究

针对不规则采样信号的谱估计问题,提出一种非均匀离散傅里叶变换频谱泄漏抑制方法,通过迭代非线性估计实现了非均匀采样信号离散傅里叶变换的计算.进行了数值计算试验,并给出了缺失数据重建的应用实例.计算结果表明,该方法能有效抑制非均匀离散傅里叶变换结果中的频谱泄漏,提高DFT频谱的分辨率.     

基于摄影测量三维点云的岩体结构面自动识别方法

建立了一种用数字摄影测量得到的三维点云数据识别和分析岩石边坡出露的面状结构面的方法。该方法使用每一个点及其相应的邻近点构成的子集平面来形成识别结构面的候选,使用主成分分析(PCA)计算平面法向量并剔除异常点,识别结构面并计算其产状(倾向和倾角)。以甘肃北山一岩石边坡为例,使用该方法进行结构面识别。最后对结构面进行优势分组;同时与实测产状进行了对比,结果表明识别效果较好。     

基于数学形态学的运动图像模糊长度识别方法

基于数学形态学思想提出一种运动图像模糊长度识别方法,并进行仿真实验。该方法通过对模糊图像频谱图进行一系列数学形态学的处理,准确提取频谱图的边缘,再利用频谱图中相邻黑色条纹间距与模糊长度的数量关系计算出模糊长度。该方法在35像素范围内能准确识别模糊长度,超过40像素范围时需人工辅助才能识别模糊长度。     

基于改进核主元分析的故障检测

针对电主轴系统特点,提出基于改进核主元分析(KPCA)的故障检测方法,引入混合核函数的定义,将多项式核和径向基核的混合核方法与主元分析方法(PCA)相结合,解决采用单一核函数诊断故障时的高误诊率问题.首先对数据进行预处理,然后使用混合核函数对数据矩阵进行映射,映射到高维特征空间,使非线性数据变量变为线性数据变量,并使用PCA提取变量数据的高维空间相关特征确定主元个数,最后根据混合非线性主元特征计算出的T2和Q统计量,实现在线故障检测.该方法改进传统核函数的选取方法,充分考虑工业过程中的非线性,更精确地描述工业过程特性,可以准确、有效地检测出电主轴系统故障.对田纳西-伊斯曼(TE)过程以及电主轴系统的应用实例证明该方法的可行性.     

单输入功率谱统计检测算法的研究

结合数字信号处理的功率谱分析方法,分析了火灾信号的频谱特征,并通过计算火灾信号与非火灾信号的功率谱密度差,以及大量的实验数据的处理、分析,研究功率谱统计检测算法在火灾探测信号处理中的应用.     

基于核空间优化支持向量机的合作频谱感知算法

在认知无线电网络中,由于噪声不确定性引起的聚类重叠,导致能量检测的性能明显降低.针对噪声 不确定对频谱感知的影响,提出了一种基于核空间优化支持向量机的合作频谱感知算法.该算法融合了支持向 量机和核空间优化相关理论,将感知用户收集的数据统计量组合成向量,使用Fisher准则对该向量集进行相关运 算,得出使各类数据在高维空间中分离度最高的核函数参数.之后使用支持向量机算法对训练向量进行训练,得 到最优的频谱感知分类器.仿真结果表明,基于核空间优化支持向量机的合作频谱感知算法在噪声不确定情况 下优于传统的合作频谱感知算法.     

基于插值fast Fourier transform谐波分析的桥梁状态评估方法

桥梁的环境振动信号包含了各种环境噪声成分,如何从噪声影响中提取桥梁的真实自振频率,并进行桥梁状态评估是亟待解决的问题.本文对环境激励下的大跨桥梁响应信号进行了研究,根据环境激励在低频段近于平白噪声以及线性系统在环境激励下,各输出点测量信号之间相关函数与结构的脉冲响应函数具有相同的数学表达式——均是主频正弦函数的叠加这一特点,建立了插值fast Fourier transform(FFT)频谱校正技术分析各测点相关函数的方法.该方法能在白噪声背景下精确提取桥梁振动频率、幅度和相位等模态参数,简单实用,不仅能在线识别参数,而且对桥梁单点激励和多点同时激励均适用.将校正后的主频与三维有限元计算结果相对比,能对桥梁结构整体状态和工作性能进行评估.最后,一座实桥动力试验和计算结果证明了该方法的能有效用于运营条件下桥梁状态的评估.     

复倒频谱分析与相位展开的研究

复倒频谱不仅有解卷积分离和提取目标信号的作用,而且它保有相位信息,可作逆过程分析复原源信号,用于声源振源的识别和机械故障诊断.本文从理论上论述了复倒频谱的建立和相位展开,并在计算机,采用自适应积分方法,以堆栈形式极大限度地减少DFT的运算次数,通过应用实例回波检测的结果证明了复倒频谱分析的有效性.     

一种基于邻值比较的信噪分离方法

为更高效地监测射电天文台站电磁环境,需针对宽带频谱序列研究高精度信噪分离方法,为进一步的信号识别和统计提供算法支撑.依托实测频谱数据样本,提出一种基于邻值比较的信噪分离方法.首先,采用邻值比较算法,提取宽带频谱的背景噪声,并对提取背景噪声进行滤波处理,结合标准差理论,确定宽带频谱的信噪分离阈值,实现宽带频谱信号和噪声的分离.其次,采用此方法对实测数据样本进行处理,并与现有信噪分离方法进行对比.结果表明,该方法通用性较好,信噪分离准确度高,能够应用于射电天文台站的电磁环境实时监测.     

基于文本频谱的中文文本聚类方法

本文提出了利用文本频谱进行中文文本轮廓分析的表征方式.该方法基于不同时代、体裁和领域的文本在文字使用方面具有偏好性的假说,以文本中单个字符为单位,通过文本频谱刻画方法统计所有单字符在文本中出现的频率,并使用刻画出的文本频谱对文本进行表征;利用频谱比对分析技术,可计算出任意文本间的距离,并以此距离为基础进行聚类分析.进一步的实验证实了该方法的有效性.     

基于倒变异高阶谱的周期性突变识别方法

分析了带有周期性突变成分信号的频域特征,提出了识别周期性突变的倒变异高阶谱方法,该方法首先对信号的FFT所得数据进行调整,并根据周期性突变的特点设计了新的高阶谱频率函数,由频率函数可得到变异高阶谱,进而对变异高阶谱的某些频率取纵向切片计算倒谱,得到倒变异高阶谱.基于倒变异高阶谱的周期性突变识别方法可充分利用FFT所得的正负频率域的所有数据,扩充了高阶谱的生成空间,提高了对周期性突变的识别效果.试验表明所提方法可准确识别周期性突变和突变的周期,具有一定的实际应用价值.     

低维显式语义空间下的语义关联度计算方法

语义关联度计算是数据科学中的一个关键性基础问题,在信息检索及自然语言处理等方面有着广泛的应用.针对ESA (Explicit Semantic Analysis)算法存在的局限性,提出一种显式语义特征选择算法,并构建低维语义空间.在此基础上,根据特征概念在Wikipedia中的映射信息,提出一种低维显式语义空间下的语义关联度计算方法.该方法解决了ESA算法在后续语义关联度计算过程中,因高维稀疏空间导致计算效果不够准确的问题.实验结果表明,与当前其他方法相比,该方法的计算结果在皮尔逊相关系数(P)及斯皮尔曼相关系数(S)上与人们的认知判断之间具有更好的一致性.     

基于重构吸引子融合BAG方法的步态识别研究

针对基于惯性传感器的步态识别方法在动态情况下表现不佳且计算复杂度较高的问题,提出一种基于重构吸引子融合盒近似几何(BAG)方法。首先,将人类步态视作一个动态系统,根据Taken理论在潜在空间重构吸引子;然后,利用奇异谱分析方法获得奇异值,并将其应用于惯性传感器的标量测试;最后,利用盒近似几何方法完成步态识别。针对20个不同对象的模式分析了各种参数对步态识别性能的影响,实验结果表明,相比其它几种步态识别方法,本文方法能够实现高精度的识别且具有较低的计算复杂度。     

变工况时频脊流形早期故障预警方法研究

针对风电机组齿轮箱工况复杂多变,提出了一种基于Gabor重排对数时频脊流形早期故障预警方法.该方法首先研究提取Gabor重排对数时频谱的脊线,构建早期故障高维特征向量;然后研究改进局部切空间流形学习方法,进行维数约简;最后采用K-近邻分类器,实现变工况风电机组齿轮箱的早期故障识别与预警.通过变转速、变载荷等多种工况的行星齿轮箱磨损试验与风电机组现场运行数据验证,结果表明该方法有效提高了复杂变工况风电机组齿轮箱早期故障预警准确率,可为其预知维护提供可靠依据.      

基于深度图序列和时空占用模式的人类行为识别研究

针对人类行为识别问题,提出一种基于深度图序列和时空占用模式的行为识别方法。首先,使用深度图序列将空间和时间轴分为多个部分,从而定义一个4D网格;然后,将网格中的每个单元与占用值相关联,利用高维特征向量的所有单元占用值组成时空占用模式。最后,利用基于正交级别学习的主成分分析降维获得低维特征向量,并完成最终的行为识别。在公共3D行为数据集MSR上的实验结果表明,提出的离线识别方法比现有方法所获得的识别准确度较高。     

大数据网络入侵过程的痕迹数据监测方法研究

大数据网络数据规模巨大,对入侵过程痕迹数据进行监测的效率通常较低,一些带有入侵痕迹的数据特征在大数据环境下,特征逐渐淡化,当前方法无法在淡化的情况下准确采集痕迹数据的特点,无法形成待监测数据与痕迹数据之间的关系,导致监测效率和精度低下。提出一种基于模糊聚类概率的大数据网络入侵过程的痕迹数据监测方法,将采集的痕迹数据转换成频域信号,对其进行频谱或功率谱分析,依据时间变化的幅值将其转换成随频率变化的功率。采用核主元分析对痕迹数据信号特征进行提取,利用非线性转换将样本痕迹数据信号从输入空间映射至高维特征空间,在高维特征空间中通过PCA进行痕迹数据信号的频域特征提取。构建一个数学模型对特征模糊聚类概率进行描述,对待监测数据和痕迹数据之间的特征模糊聚类概率进行计算,通过衡量理论进行对比分析,使大数据网络入侵过程中的痕迹数据被完整的监测。实验结果表明,所提方法不仅所需时间少,而且监测精度高。     

基于三维视觉的运动易损动作识别方法研究

在对运动易损动作进行识别时,一直由于无法克服外界条件带来的影响,存在识别精度低、误差大的问题。提出基于三维视觉的运动易损动作识别方法,对运动动作的三维视觉空间进行三维梯度值求解,获取三维视觉梯度直方图特征;并进行降维出来,得到低维隐空间下的运动模型,在此基础上,对其进行序列映射,求出测试序列与训练序列的吻合度。通过匹配计算,获取匹配度,实现运动易损动作的识别。实验结果表明,所提方法具有很高的识别精度,所需时间较短,识别性能高。     

阈值与纹理相结合的云识别方法

为了利用大气向下红外辐射进行云的地基红外遥感,分析了晴空辐射阈值的确定方法以及有云天空和晴空的LBP谱,进一步提出了阈值与纹理相结合的云识别方法.辐射阈值法可以逐像元地进行云识别,但一旦阈值确定不准,会导致云识别误差较大;有云与晴空的LBP谱有明显差异,可以利用晴空相似度周值进行云识别,但由于计算LBP谱需要在较大区域...     

基于稀疏恢复的 MIMO-STAP干扰样本检测方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在训练样本存在有源干扰时杂波抑制性能严重下降的问题,提出了一种干扰样本检测方法。首先使用正则化FOCUSS算法估计出各原子的空时功率谱值,接着设置谱值门限将谱值较大的原子取出,然后确定扫描带对空时二维平面进行扫描,最后根据进入扫描带最大原子数占总原子数的比例判别训练样本是否存在干扰。仿真实验表明,该方法可有效检测出训练样本中的干扰,使用该方法挑选出的无干扰训练样本恢复杂波谱可保证空时滤波器的杂波抑制性能,提升稀疏算法求解杂波谱时涉及到的样本的可靠性。     

一种基于两步降维和并行特征融合的表情识别方法

在采用特征融合方法进行人脸表情识别时,通常会产生高维特征问题.针对这一问题,提出一种基于两步降维和并行特征融合的表情识别新方法.利用主成分分析法(principal component analysis,PCA)分别对待融合的两类特征在实数域进行第一次降维,将降维后的特征进行并行特征融合;为了解决在并行融合过程中产生的高维复特征问题,提出一种基于酉空间的混合判别分析方法(unitary-space hybrid discriminant analysis,unitary-space HDA)作为酉空间的特征降维方法.该方法是实数域混合判别分析法在酉空间内的扩展,并兼顾了复特征数据的类间判别信息及全局描述信息.对局部二值模式(local binary pattern,LBP)和Gabor小波特征进行融合,并在JAFFE和CK+表情数据集上开展对比实验.实验结果表明,该方法具有较好的高维复特征数据降维能力,并且有效提高了表情识别率.