人工智能在拾取地震P波初至中的应用 ——以汶川地震余震序列为例

为了准确而迅速地拾取大量地震事件的P波初至, 将深度学习方法引入微地震P波初至到时拾取研究中, 对卷积神经网络的结构进行改造, 以便适应地震波形数据的特点 P波初至拾取的要求。该算法只需要输入10 s窗口的三分量地震波形数据, 就可以自动地判定P波初至时刻, 无需扫描连续波形, 运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时, 将得到的模型对测试集中 1867条数据的计算结果与人工拾取结果对比, 误差小于0.5 s者占比达到98.9%。在低信噪比条件下, 该方法仍能保持较好的拾取能力。     

高铁地震信号时频特征对比分析

利用同步挤压小波变换方法, 对河北保定和广东深圳地区实测的高铁地震信号进行时频谱分析。结果表明, 高铁在经过高架桥时, 在其附近产生的地震信号中低频信息比通过隧道和接触地表运行产生的地震信号丰富。利用高铁地震信号的时频谱特性, 可以确定高铁运行速度的变化。     

四元数矩阵方程AXB+CXD=E的M自共轭解

把实数域上的M对称矩阵的概念推广到四元数体上,形成M自共轭矩阵,然后在四元数体上讨论矩阵方程AXB+CXD=E的M自共轭解及其最佳逼近问题.利用四元数矩阵的实分解和复分解,以及M自共轭矩阵的特征结构,借助Kronecker积把约束四元数矩阵方程转化为实数域上的无约束方程,克服了四元数乘法非交换运算的困难,并得到该方程具有M自共轭解的充要条件及其通解表达式.同时在解集非空的条件下,运用矩阵的分块技术及矩阵的拉直算子,获得与预先给定的四元数矩阵有极小Frobenius范数的最佳逼近解.由于M自共轭矩阵是四元数自共轭矩阵的推广,因此所得结果拓展了该方程的结构解类型.     

基于频域窄带莱斯噪声消除机制的OFDM网络信号发射精度增强算法

为改善当前OFDM网络信号精度增强算法中难以高效消除频域窄带莱斯噪声,且系统误码率较高的不足,提出了一种基于频域窄带莱斯噪声消除机制的OFDM网络信号精度增强算法.首先,基于128频相移键控调制方法,在获取信号时域特征的基础上,引入快速傅里叶变换,对信号进行离散化,并基于信号投影机制,构建正交星座图,实现信号投影矢量在预发射状态下的正交分层排序,消除了信源状态下频域窄带莱斯噪声对系统的干扰;随后,引入快速傅里叶逆变换,对预发射信号进行加密处理,且通过量化评估模型对信号精度进行优化提升,有效节约了传输带宽,提高了信号发射性能,改善了信道抗衰落效果.仿真实验表明,与当前常见的时间窗消除机制(time window elimination mechanism, TWE)、频率拓扑映射机制(frequency topology mapping, FT)相比,本文算法的误码率更低,且具有更高的信号增益效果.     

基于分数阶变换的彩色图像自适应重构水印算法

首先, 采用分数阶Fourier变换算法, 对彩色图像进行分数阶频域变换, 分析图像的频域信息, 筛选出适合嵌入水印的系数, 作为水印的嵌入位置; 其次, 定义频域系数的隐蔽特性, 并对隐蔽特性进行分级, 使水印嵌入系数达到最优; 最后, 对二值化水印图像分块做提升小波变换和压缩感知测量, 将测量结果作为水印信息嵌入到载体图像中, 解决了当前多数水印算法嵌入信息冗余度高, 含水印图像抗攻击能力不足的问题. 实验结果表明, 该算法在抵抗几何攻击、 噪声干扰等方面性能良好, 显著降低了水印信息冗余度, 提高了嵌入的效率和水印信息安全性, 增加了水印算法的可靠性.     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

基于FFT的互感式电流信号检测装置的设计

为解决对电路中电流信号的实时监测及谐波分析问题,利用传感器技术设计出一套高精度基于FFT( Fast Fourier Transform) 的互感式电流信号检测装置。该装置可对环路电流信号进行非接触式测量,硬件电路包括互感式电流传感器和检波电路,软件部分以STM32 为主控制器,对信号进行傅立叶变换得到频率和幅度信息。这种以微处理器为核心的测量装置可以实现测量自动化和功能多样化,在工业领域具有一定的应用价值。经实验检测,该系统的频率分辨率可达到1 Hz,幅度分辨率可达到0． 5 mA,测量电流信号频率误差小于2% ,幅度误差小于5%。     

Shearlet域深度残差CNN用于沙漠地震信号去噪

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB,具有更好的去噪效果。     

基于DCT和CNN混沌系统的彩色数字水印加密新算法

数字水印技术作为抵抗多媒体盗版的最后一道技术防线,具有广泛的应用前景和巨大的经济价值。基于离散余弦变换(DCT)以及细胞神经网络(CNN)混沌理论提出了一种数字水印加密新算法。算法分两步进行,首先是利用5阶细胞神经网络混沌系统产生的随机序列辅助某种运算对彩色水印图像加密,然后利用分块离散余弦变换将加密以后的彩色水印图像嵌入到载体彩色图像中,以此来实现水印加密以及嵌入的过程。在仿真实验基础上,通过指标PSNR和NC的定量分析,结果证明新算法具有较强鲁棒性,不可感知性和安全性。     

中厚板焊接机器人焊枪位姿规划

针对中厚板多层多道焊接人工示教效率低,焊枪位姿无法精确控制而引起焊接质量不稳定等问题,提出一种新型变换焊枪位姿方法.该方法采用公式算法完成焊枪位姿示教,即用离线编程软件定义一条轨迹,基于此轨迹建立坐标系,在已知焊缝形状与大小的情况下,结合焊接工艺库,通过欧拉角变换与四元数计算变换焊枪位姿参数,从而自动生成其余焊道轨迹.仿真与实验证明:该方法适合简单与复杂曲线焊缝,提高了焊接稳定性与效率,可为离线编程研究提供理论基础.