单向传输中丢包的相关性研究

随着单向传输技术在组播、安全隔离与信息交换、大数据高速传输以及卫星通信中的广泛应用,单向传输的性能和可靠性等问题成为单向传输应用中重点关注的问题。通过对单向传输中丢包数据的分析,得出丢包与传输速率、数据包负载的相关性,并对丢失数据包间相关性构建丢包模型。这对减少单向传输中的丢包,提高单向传输性能,以及单向传输中纠错编码方案的选择,具有重要的指导作用。     

基于稳健独立分量分析的转子故障信息增强方法

针对实际转子振动信号中信源相互叠加干扰、故障信息微弱的问题,提出一种基于稳健独立分量分析(RICA)的转子故障信息增强方法。首先引入双树复小波变换,对信号进行降噪预处理,降低分离算法对噪声的敏感程度。再用稳健独立分量分析对降噪后信号进行分离和信息增强。并对比其他2种经典的盲源分离算法,通过数值仿真比较它们的分离效果。结果表明:新方法通过优化步长因子得到全局最优值,采用代数方法得到最优步长参数,实现简单,并且避免了预白化处理,使得算法运算量降低;对小数据量信号,算法收敛速度快、信号分离质量高。此方法可以更有效地分离故障源及提取信号的本质故障特征。     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

自适应最佳去噪小波基的构造及其应用

针对给定的带噪信号,在传统小波阈值去噪的基础上结合多分辨分析理论,给出了使其Stein无偏风险估计子最小的最佳去噪小波基的自适应构造方法,再利用该小波基对原始信号做小波阈值去噪处理而得到一种自适应去噪算法,并将此算法应用到地震信号这类典型的非平稳信号的去噪处理中.仿真实验表明,较传统的小波阈值去噪方法,该算法不仅具有较...     

一种新的手写体汉字笔划提取方法

提出一种新的汉字结构特征提取方法．利用二维小波变换对汉字图像进行分析和处理,分别在其高频子图像中提取汉字的横、竖、撇和捺信息,使结构特征的提取比用其它方法更简单、明晰．     

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。     

基于小波神经网络矿山安全的评价模型

煤矿是一个多工序、多环节、生产过程复杂、时空变化大、环境恶劣的生产企业,其安全系统是一典型的非线性系统,对矿山进行安全评价是当前安全管理中的一个重要环节.采用由伸缩和平移因子决定的小波基函数代替Sigmoid等传递函数,选用23项指标作为输入节点,建立矿山安全的小波神经网评价模型,该模型可自动确定网络参数,避免了传统神经网络需要人为干预网络结构参数的不足.实例分析表明,提出的WNN网络的评价绝对误差平均为0.425%,而BP网络评价绝对误差平均为3.1%.这说明,WNN网络泛化能力远好于BP网络,该模型具有重要的应用价值.     

辅助室内定位的关键人体姿态识别

基于步行者航位推算的室内定位方法中位移的计算一定程度上依赖于人体姿态的正确识别。原地踏步和走路是其中主要的关键姿态,两者的加速度信号相似,传统方法很难进行高精度的区分,导致航位推算的步长计算错误。基于惯性传感器进行室内场景中八种人体姿态识别研究,根据运动强度的不同采用分层分类法。首先将原地踏步和走路归为一类,通过时域特征结合支持向量机(SVM)进行姿态分类;然后利用加速度的时域和小波特征以及磁场特征,结合Ada Boost方法进行二分类。关键姿态的识别准确率超过96%,对包含复杂运动姿态的步行者室内定位起到更佳的辅助作用。     

基于声发射旋风分离器内颗粒粒度分析

采用声发射技术对旋风分离器内颗粒粒度进行分析,获得了声发射信号结构与分离器内气固两相运动行为的对应关系。选用0.4 mm、0.7 mm、1.5 mm和2 mm的活性炭颗粒进行实验,将采样得到声发射信号进行Daubechies二阶小波的1~9尺度分解,用R/S算法分别求取各个频段的Hurst指数。结果表明,声发射信号具有多尺度特征,依据hurst指数的不同,将其划分为微尺度、介尺度、宏尺度,分别反映颗粒间的无规则运动、主体流相对于系统运动或不同主体流之间的相互运动,整个系统相对于外界环境随时间的变化。在同一质量流量下,计算出各颗粒粒径对应的微尺度,介尺度分别所占总能量的比值。实验发现,固相颗粒粒径与其有很大的相关性;随着粒子尺寸的增大,微尺度信号所占的能量比率减少,介尺度能量所占的比率增加。声发射技术可用于旋风分离器内颗粒粒度的分析。     

基于小波框架的有限角度CT重建算法

针对有限角度CT重建问题,结合压缩传感相关理论,提出了基于小波框架的有限角度CT迭代重建算法．该算法利用小波框架的冗余性及框架系数稀疏性原理,首先建立了小波框架图像重建模型,通过共轭梯度法求解投影方程,得到重建图像,然后通过分裂Bregman迭代法对重建图像的小波框架系数进行阈值收缩,减小图像L1范数,提高重建精度．实验结果表明在有限的投影数据下该算法重建出的图像内部结构边缘清晰,对比度高,重建误差低,对噪声有一定的抑制作用．