基于局部多项式回归的EMD端点效应抑制

Hilbert-Huang变换(Hilbert-Huang transform,HHT)这种完全由数据驱动的自适应时频数据分析算法已经在多个领域得到了广泛推广和应用.但是HHT的核心部分经验模态分解(empirical mode decomposition,EMD)被端点效应问题所困扰.这里结合局部多项式回归,利用局部少量数据在极值序列两端各拓展一个极值点,从而抑制EMD的端点效应.模拟实验结果表明,该算法能够有效抑制端点效应,且数据要求不高,运行速度较快.     

DSPCA在自适应视频跟踪算法中的应用

为了解决单一固定目标模型在复杂的场景中易产生跟踪漂移问题,提出一种基于DSPCA的自适应粒子滤波跟踪方法,通过稀疏主成分分解(DSPCA)在线获取互补图像集,同时将其按照新的相似度BRS进行自适应融合作为新目标模型。与经典的粒子滤波跟踪算法、视觉分解跟踪算法和多特征自适应融合跟踪算法,与有挑战性较高的场景视频相比,提出的算法在形态、运动快速及严重遮挡的运动场景中,都能鲁棒地跟踪到目标。     

基于新型融合加法器的随机DFT算法设计

针对目前随机运算结构在多级运算的过程中,运算精度损失严重的问题,提出一种全新的融合随机加法运算结构,并通过一种新的数学分析方法:超几何分解来对此结构进行原理分析,证明了这种加法结构比传统加法结构具有更高的运算精度。 采用融合加法器完成了一种随机离散傅里叶变换算法的架构设计,成功将随机运算的多种优点引入到离散傅里叶变换（DFT）处理领域,并在应用中证明了新型融合随机加法器的有效性。      

矩阵方程AXA~T+BYB~T+AZB~T=D的(局部)对称最小二乘解

矩阵方程问题在结构设计、系统识别、振动理论等领域有着广泛的应用.对于任意给定的矩阵A∈Rm×n,B∈Rm×n,D∈Rm×m,本文利用奇异值分解和Kronecker积给出了矩阵方程AXAT+BYBT+AZBT=D的局部对称最小二乘解,并在一定条件下得出了方程的对称最小二乘解.     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。     

基于小波分解的统计模型对小时风速的预测

为提高小时风速的预测精度,提出了基于小波分解和AR模型的混合模型(WD-AR).模型应用小波分解技术将风速序列进行多层分解,再利用AR模型分别对各分解层的风速序列进行预测,最后将预测结果叠加得到预测值.采用河西地区风速观测数据对模型进行分析验证,结果表明:WD-AR模型预测精度指标R,RMSE和MAP E值分别是0.89,0.36和27%,与AR模型相比有了较大的改善,提高了小时风速的预测精度,说明WD-AR模型具有更好的预测能力.     

Lucas数的标准分解式中素因子3的指数

根据Lucas数列的定义,利用初等数论的知识和数学归纳法,讨论了正Lucas数Ln的标准分解式中因子3的指数与下标n的关系,得到结论:Ln的标准分解式中因子3的指数取决于下标n的标准分解式中因子3的指数。     

一种改进的广义谐波小波包分解算法及在信号特征提取中的应用

提出了一种改进的广义谐波小波包分解算法,克服了传统特征提取方法的缺点,实现了信号的快速无混叠分离。通过与小波包分析、经验模态分解、广义谐波小波包分解进行比较,证明其在信号分析上的有效性和优越性。基于超声波信号频率非单一性的特点,将该算法应用到超声波信号特征提取中,实现了任意频段及任意频宽的信号特征提取,且计算量小。该算法为信号特征提取提供了一种更加精确有效的方法。     

三种地震方法在岩性地层油气藏预测中的应用

岩性地层油气藏勘探已成为近年来的一个重点与难点问题。“四类盆地、三种储集体”的岩性地层油气藏区
带、圈闭与成藏的地质理论与“构造-层序成藏组合”模式研究,为中国陆相岩性地层油气藏勘探开发奠定了重要的
基础。松辽盆地南部中央拗陷区属于“多坡折缓坡-湖侵域和高位域河流三角洲组合”的岩性地层油气藏,仅仅依靠
“构造-层序”的思路难以实现有效的岩性地层油气藏预测。岩性地层油气藏勘探地球物理方法呈现多元化发展,推
进了地震技术在岩性地层油气藏预测领域的应用,但同时地震技术的局限适应性同样明显。以对松辽盆地南部中央
拗陷区为例,通过应用垂向岩性组合关系、地震波谷信息的应用和多子波分解技术,尽可能多地挖掘地震波形中蕴含
的地层岩性信息,探索这3 种地震方法在松辽盆地南部中央拗陷区岩性地层油气藏勘探中的适用性,依靠钻井、沉积
规律约束,取得了良好的效果。     

EEMD结合能量特征和小波降噪的轴承故障诊断

为解决在强背景噪声条件下滚动轴承故障诊断问题,开展基于能量特征和小波降噪的总体经验模态分解(EEMD)研究。首先以仿真信号为研究对象,对其进行总体经验模态分解,得到9个固有模态函数(IMF)和1个余项( Res),然后考虑各模态函数的能量特征,将分解后的9个IMF分量与原始信号的能量比作为判断标准,剔除附加5个低频分量,最终得到4个有效的IMF分量和1个余项,与仿真信号相符。在仿真信号分析的基础上,对含噪声信号的滚动轴承故障信号进行故障诊断试验研究,采集信号经小波降噪后,利用总体平均经验模态分解并结合能量特征,得到3个IMF分量和1个余项,然后对3个IMF分量进行包络谱分析,提取故障特征频率157.5 Hz,与滚动轴承故障内圈特征频率157.9 Hz相比,误差为0.25%,说明该方法能很好地提取含有噪声信号的轴承故障信息。该研究为强背景噪声下滚动轴承故障信息的提取提供了一种有效的方法。