基于降维的堆积降噪自动编码机的表情识别方法

堆积降噪自动编码机是一种典型的深度学习模型,它能够刻画数据丰富的内在信息,具有较强的特征学习能力。基于主成分分析（principal component analysis,PCA）技术和堆积降噪自动编码机（stacked denoising autoen-coders,SDAE）模型,提出一种新的表情识别算法PCA＋SDAE。该算法对人脸图片进行裁剪及归一化等预处理,采用主成分分析技术对人脸特征进行线性降维,再利用堆积降噪自动编码机逐层进行特征学习并同时实现对人脸表情数据的非线性降维,可以得到更好的、维度更低的表情特征,并据此进行表情分类。对PCA＋SDAE算法的仿真测试实验结果表明,其综合性能比其他的基于深度学习模型的表情识别方法更好,同时与传统的非深度学习表情识别方法相比,它具有更高的表情识别正确率。     

Compressed sensing based channel estimation for fast fading OFDM systems

A compressed sensing (CS) based channel estimation algorithm is proposed by using the delay-Doppler sparsity of the fast fading channel. A compressive basis expansion channel model with sparsity in both time and frequency domains is given. The pilots in accordance with a novel random pilot matrix in both time and frequency domains are sent to measure the delay-Doppler sparsity channel. The relatively nonzero channel coefficients are tracked by random pilots at a sampling rate significantly below the Nyquist rate. The sparsity channels are estimated from a very limited number of channel measurements by the basis pursuit algorithm. The proposed algorithm can effectively improve the channel estimation performance when the number of pilot symbols is reduced with improvement of throughput efficiency.     

管道缺陷超声导波监测信号匹配追踪去噪

采用超声导波进行管道缺陷监测过程中混入干扰噪声严重影响缺陷反射回波的提取和识别,本文提出了一种新的管道缺陷超声导波监测信号匹配追踪去噪方法。将Hanning窗调制的正弦波激励信号经过时间平移和幅值调制作为基本原子形成自定义过完备波形字典,对管道缺陷超声导波监测信号进行匹配追踪稀疏分解,提取其中有效成分进行信号重构,经多次迭代实现信号去噪。对有限元数值模拟和实际管道缺陷监测信号分别采用传统小波阈值和本文提出的匹配追踪法进行去噪处理,结果表明,当信噪比较低时匹配追踪法明显优于小波阈值法,即使在干扰噪声完全淹没缺陷反射回波的场合,仍然可以提取出清晰干净的缺陷反射回波信号,为正确分析和评估现役管道安全运行状况提供了一条新的途径。     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于CNN(Convolutional Neural Networks)和改进SDAE(Stacked Denoising Autoencoders)的混合网络模型,根据改进的D-S证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明,利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。     

大型结构动力特性的Lanczos数值计算方法及程序设计

针对大型结构动力分析中结构总体刚度矩阵的对称性和稀疏性,使用稀疏矩阵数据管理方法实现了Lanczos算法,降低了Lanczos算法的时间和空间复杂度,并将该算法应用到大型结构动力学特性计算问题中.经算例测试表明了该算法的正确性、可靠性和实用性.     

基于深度贝叶斯网络学习的不确定性建模方法

战场态势评估涉及很多不确定因素,对不确定性进行仿真建模能够提高态势评估的能力.针对参战对象多元、不确定性增多导致的无法全面准确表达不确定性问题,提出了基于记忆模块和变分自编码器的深度贝叶斯网络模型.采用生成模型设计了基于深度贝叶斯网络学习的态势评估模型;阐述了融合记忆模块的深度生成模型原理和模型的学习与推理过程;以某空...     

分组训练卷积字典的图像去噪算法

卷积稀疏编码(convolutional sparse coding,CSC)这一全局模型因字典的特殊结构而受到广泛关注,其中卷积字典学习算法(slice-based dictionary learning,S-BCSC)是最为有效的CSC模型优化算法.虽然S-BCSC算法非常有效,但算法在应用中对整幅图像只使用一个固定大小的字典,然而这并不利于图像信息的准确描述.为克服这一缺陷,讨论如何根据图像大小确定卷积字典大小,结合稀疏表示字典学习算法,提出分组训练卷积字典的图像去噪算法.新算法首先将过冗余图像块按照平滑、纹理、边缘分为三类;然后为每一类分别确定所要训练的卷积字典大小;最后依据S-BCSC算法完成字典学习以及图像去噪过程.从实验结果可以看出,所提算法在图像质量、清晰度上相比原S-BCSC算法都有所提升.     

时域加权稀疏约束的空时自适应处理算法

1DT是典型的时空级联的后单多普勒空时自适应处理的方法,能够显著降低对独立同分布样本的需求量和空时自适应处理时的运算量,但是进行时域处理时对主瓣杂波的抑制效果较差。针对此问题,提出一种利用时域滤波器频率响应的稀疏特性进行加权稀疏约束的自适应滤波器设计算法。在时域自适应滤波器的模型中加入对旁瓣的稀疏约束,并构造加权矩阵对稀疏约束加权。仿真实验表明：此方法在有效抑制主瓣杂波的前提下能够降低副瓣,并且当存在天线幅相误差时具有较好的稳健性。     

一种基于稀疏重构的NB-IoT时延估计算法

针对传统的时延估计算法无法解决窄带物联网(narrowband internet of things, NB-IoT)低速率低功耗引起的估计精度低、计算复杂度高等问题,提出一种加入代价函数模型的基于稀疏重构的时延估计算法。利用窄带定位参考信号(narrowband positioning reference signal, NPRS)与传统的正交匹配追踪算法(orthogonal matching pursuit,OMP)进行时延值预估计,然后根据预估计的时延值构建冗余字典,在此基础上利用改进的OMP算法进一步对时延值进行估计。该算法中加入代价函数的思想将多维的时延估计降维成多个一维的时延估计,同时利用稀疏重构来消除各信号之间的干扰。另外,为了消除降维带来的局部最优的问题,合理设置软门限来有效并快速地终止代价函数模型的迭代过程。仿真结果表明,与OMP算法等传统时延估计算法相比,该算法具有更好的检测性能以及更高的时延估计精度。     

稀疏阵列MIMO雷达高精度收发角度联合估计

提出一种基于孔径扩展的稀疏阵列MIMO雷达高精度收发角度估计算法. 采用收、发阵列均为稀疏线性分布式子阵的双基地MIMO雷达系统,通过非均匀阵列设计,利用Khatri-Rao乘积运算实现收发阵列中阵元间短基线和子阵间长基线的同时虚拟扩展. 对接收数据进行降冗余和数据平滑处理,利用双尺度酉ESPRIT算法解周期性模糊,得到无模糊的高精度收发角度估计. 与传统算法相比,所提出的算法在不增加天线数目和硬件复杂度的情况下可有效扩展MIMO雷达的阵列孔径,在实现多目标收发角度联合估计的同时获得更高的参数估计性能. 仿真结果验证了阵列虚拟扩展和算法方位估计的有效性.