基于多分辨分析的高炉铁水含硅量波动多重分形辨识

以包钢6号高炉、邯钢7号高炉和莱钢1号高炉在线采集的铁水含硅量(［Si］)的时间序列为样本, 利用多分辨分析剔除样本的长期趋势,对样本保留的波动趋势进行多重分形特征辨识. 通过计算广义Hurst指数、尺度函数、多重分形谱, 全面、细致量化了序列的局部及不同层次的波动奇异性. 计算结果表明: 去除长期趋势后, 三座高炉［Si］序列的波动呈现显著多重分形特征, 这样的波动过程仅用单一的Hurst指数或box维数来描述是不够的. 关键词： 多分辨分析 铁水含硅量 波动 多重分形     

基于小波leaders的海杂波时变奇异谱分布分析

海杂波的奇异谱分析不仅能从理论上揭示海洋表面的动力学机理,同时也是对海探测雷达的关键技术之一.本文提出基于小波leaders的海杂波时变奇异谱分析方法,将时间信息引入海杂波的奇异谱分析之中,从而实现动态的解析描述海杂波随时间变化的奇异谱特性.在理论上,通过信号自身加窗,将时间信息引入传统的奇异谱(或称多重分形谱),实现了对海杂波时变奇异谱分布分析;在算法上,充分利用了小波leaders技术对于多种奇异性的提取能力(包括chirp奇异性和cusp奇异性),通过对时变奇异性指数和时变尺度函数的Legendre变换,实现对海杂波时变奇异谱分布的计算;在应用部分,采用经典的多重分形模型——随机小波序列(RWC)以及三级海态条件下连续波多普勒体制雷达海杂波进行仿真分析,实验结果表明:1)基于小波leaders的奇异谱分布能跟踪海杂波的时变尺度特性,有效展示其时变奇异性谱分布;2)算法具有较好的负矩特性和统计收敛性.该方法能为复杂非线性系统及随机多重分形信号分析提供参考.     

基于多重分形谱的光纤周界振动信号识别

为了有效识别光纤周界系统的振动信号,提出一种多重分形谱参数和改进概率神经网络相结合的光纤振动信号识别方法.该方法能够避免特征提取过程中需要选择经验阈值和模式识别过程中需要确定平滑因子的不足.首先,检验分析光纤振动信号多重分形的存在性和有效性.然后,计算和提取光纤振动信号的多重分形谱参数,构成能够准确描述信号非线性和复杂性特性的特征向量.最后,采用改进的概率神经网络算法进行自适应地学习和分类,实现对不同光纤振动信号的识别.采用现场实验采集的四种振动信号对该方法进行验证,结果表明,平均识别率达到96.25%,识别时间为1.63s.该方法在正确识别率方面优于传统的概率神经网络算法.     

基于多重分形谱的高光谱数据特征提取

针对单一分形维数在高光谱数据处理中的不足,提出了一种基于多重分形谱的光谱信号奇异性特征提取方法,引入多重分形谱表征光谱曲线的奇异性特征.该方法根据分形测度将光谱曲线进行划分,用光谱概率测度计算配分函数,通过尺度指数的Legendre变换实现光谱曲线多重分形谱的提取,根据各类地物间的类别可分性准则Bhattacharyya距离选择有效特征,最后利用地物分类实验来验证该方法的有效性.实验结果表明,多重分形谱用于分类时分类精度达95.2%,当其维数为原数据波段数的10%时,总体分类精度仍可达82.2 %.多重分形谱表征了具有相同奇异性的波段子集的分形维数,准确的描述了光谱曲线的奇异性和分布特点,该方法能够有效地实现高光谱数据的特征提取.     

气液两相流波动信号多重分形去趋势波动分析

为了研究不同流型压差波动信号的分形特征,本文首先讨论了多重分形去趋势波动分析对周期信号、随机信号和混沌信号的识别能力,然后运用多重分形去趋势波动分析方法对水平管内气-液两相流压差波动信号进行分析.通过计算广义Hurst指数、尺度函数,多重分形谱,细致量化了压差波动信号的局部及不同层次的波动奇异性.研究结果表明:压差波动...     

海杂波背景下小目标检测的分形方法

针对海杂波背景下小目标检测对海情依赖性强的问题, 本文采用分数布朗运动模型对实测海杂波建模, 结合多重分形去势波动分析法确定分形参数, 分析了海杂波的单尺度、多重分形特性. 在单尺度分形的基础上, 利用表征海杂波分形特征的分数维和Hurst指数构建了分形差量, 提出了基于分形差量的小目标检测方法;在多重分形基础上, 比较了两种海杂波的高尺度多重分形特性. 结果表明, 当尺度q > 10时, 纯海杂波的多重分形参数H(q) < 0, 而存在小目标的H(q) > 0, 此差异性为高尺度分形参数的海杂波背景小目标检测提供了判定依据. 所研究的两种方法均能实现不同海情下的小目标检测.     

多重分形分析图象边缘提取算法

提出了一种基于多重分形分析的图象边缘提取算法,通过计算每个象素点的奇异值和多重分形谱,并根据多重分形谱的各种测度修正,提取出图象的边缘信息.在分析图象的各种象素点的多重分形谱特性的基础上,着重分析了多重分形谱常用的若干测度以及选取标准.该算法利用奇异性Hölder指数和多重分形谱以及它们组成的判据来进行图象边缘提取的思路不同于传统的基于梯度的局部极值点来进行图象边缘提取的方法.实验结果表明:该算法可以在保留重要边缘信息的情况下去除不重要细节,更能符合人的视觉心理.     

海杂波FRFT域的分形特征分析及小目标检测方法

针对海杂波背景下海情对小目标检测的严重影响, 本文研究了实测海杂波在分数阶Fourier变换(FRFT)域的分形特征, 分别提出了单、高尺度下的分形检测方法. 由数学定义推得, FRFT 在不同阶数和尺度情况下, 不具有一致的自相似特性, 采用多重分形趋势波动分析法确定分形参数H(q), 分析了海杂波在不同海情、距离和极化条件下的分形特征. 在单尺度基础上结合FRFT的变阶优势, 提出了阶数自适应的小目标检测方法; 高尺度条件下, 比较了不同因素对海杂波FRFT域多重分形参数的影响. 结果表明:海杂波FRFT域可用变换阶数的方法检测到湮没在复杂海情中的小信号, 检测门限多数提高200%以上, 比采用时域信号提高26.3%. H(q) 在负高尺度上具有明显的多重分形特征差异, H(q)-q曲线满足反正切分布, 纯海杂波与含目标数据的拟合幅值比分别大于1.8(HH)和1.4(VV), 为海杂波背景小目标检测提供了判定依据.     

脑电信号的标度分析及其在睡眠状态区分中的应用

脑电信号具有长程幂律相关性及多重分形的标度特性,并随生理病理状态改变.本文首次针对睡眠脑电信号应用单重分形去趋势波动分析(detrended fluctuation analysis,简记为DFA)方法与多重分形奇异谱对睡眠脑电信号的标度特征进行系统的对比研究.发现DFA标度指数α对于不同导联和样本组间的差异较为敏感,随睡眠状态的变化不规律;而多重分形奇异强度区间Δα随睡眠状态的变化更为规律,睡眠Ⅰ期至Ⅳ期不断增大,并且导联间差异和样本组间差异均较小.多重分形Δα参数更适合作为判定睡眠状态的定量参数.     

基于多个无标度区的多重分形分析方法

用计算机模拟生成了多重分形结构,通过对比分析结构的解析多重分形谱和配分函数法计算得到的多重分形谱,总结出多重分形谱可以描述结构在某一无标度区内生长规律的特性,发现结构的各个无标度区都具有研究价值,针对传统方法不能充分利用数据的缺陷,提出了基于多个无标度区的多重分形谱计算方法.     

Mass exponent spectrum analysis of human ECG signals and its application to complexity detection

The complexity of electrocardiogram (ECG) signal may reflect the physiological function and healthy status of the heart. In this paper, we introduced two novel intermediate parameters of multifractality, the mass exponent spectrum curvature and area, to characterize the nonlinear complexity of ECG signal. These indicators express the nonlinear superposition of the discrepancies of singularity strengths from all the adjacent points of the spectrum curve and thus overall subsets of original fractal structure. The evaluation of binomial multifractal sets validated these two variables were entirely effective in exploring the complexity of this time series. We then studied the ECG mass exponent spectra taken from the cohorts of healthy, ischemia and myocardial infarction (MI) sufferer based on a large sets of 12 leads’ recordings, and took the statistical averages among each crowd. Experimental results suggest the two values from healthy ECG are apparently larger than those from the heart diseased. While the values from ECG of MI sufferer are much smaller than those from the other two groups. As for the ischemia sufferer, they are almost of moderate magnitude. Afterward, we compared these new indicators with the nonlinear parameters of singularity spectrum. The classification indexes and results of total separating ratios (TSR, defined in the paper) both indicated that our method could achieve a better effect. These conclusions may be of some values in early diagnoses and clinical applications.     

Multifractal analysis of human synchronous 12-lead ECG signals using multiple scale factors

Life is one of the most complex nonlinear systems and heart is the core of this lifecycle system. Electrocardiogram (ECG) signals taken from healthy adult subjects have been found to characterize multifractality. In this paper, multiscale analysis method was introduced to find the most effective parameters for expressing the complex dynamic characteristics during heart electrical activities. We then investigated the multifractal singularity spectrum area of synchronous 12-lead ECG signals from healthy human subjects and those with different clinical syndromes. The spectrum areas have spatial distribution along with scale factors, which is higher in the middle and lower on both sides and is not related to data length. The statistical results suggest the arithmetical mean value of the area of the 12 leads ECG signals is obviously small for myocardial infarction (MI) sufferer and large for healthy young, while the dispersing degree of the area of the 12 leads ECG signals is apparently large for MI sufferer and small for healthy young. As for the other crowds (e.g., the ischemia sufferer), these two values are almost of middle magnitude. Through those individual discrepancies, we can find some effective approaches to distinguish among healthy persons and the heart diseased.     

总体经验模态分解能量向量用于ECG能量分布的研究

总体经验模态分解(EEMD)改进了经验模态分解(EMD)存在的模态混叠问题, 依据信号自身的波动特点将信号分解, 特别适合非线性非平稳信号的分析处理. ECG信号能量分布有一定的规律, 疾病会引起能量分布的变化, 研究ECG能量分布的改变对心脏疾病的研究和临床诊断有重要意义. 本文将ECG信号通过EEMD方法分解为多个本征模态函数(IMF)分量, 观察IMF分量的波动规律, 指出了ECG信号在不同时间尺度上的波动特点和物理意义. 将IMF分量分别计算能量, 得到ECG的能量向量, 并对健康人和三种心脏疾病患者能量向量进行对比分析. 结果表明心脏疾病导致EEMD能量向量的高频分量显著降低, 尤其是p₁分量具有较好的区分度, 可以作为心脏疾病诊断的参考依据. 相比较传统的频域分析方法单纯关注频率而忽略信号自身特点和信号成分之间的相互作用, EEMD的分解结果依赖于ECG信号本身, 因此更能够反映ECG信号的真实情况, 揭示年龄和疾病对ECG能量分布的影响.     

Dynamical complexity changes during two forms of meditation

Detection of dynamical complexity changes in natural and man-made systems has deep scientific and practical meaning. We use the base-scale entropy method to analyze dynamical complexity changes for heart rate variability (HRV) series during specific traditional forms of Chinese Chi and Kundalini Yoga meditation techniques in healthy young adults. The results show that dynamical complexity decreases in meditation states for two forms of meditation. Meanwhile, we detected changes in probability distribution of m-words during meditation and explained this changes using probability distribution of sine function. The base-scale entropy method may be used on a wider range of physiologic signals.     

两种熵测度在量化射击运动员短时心率变异性信号复杂度上的一致性

利用两种基于熵的非线性复杂度测度：近似熵和样本熵,研究了专业射击运动员两种不同状态下(休息和练习赛)心率变异性信号的复杂度.计算结果表明：射击运动员休息时其心率变异性信号的熵值大于射击比赛时信号的熵值,这意味着运动员一旦进行射击比赛时,其心率变异性信号复杂度降低了,心跳变得更为规则了.为了更好地应用这两种基于熵的方法,进一步分析了算法中的两个重要影响因素：矢量匹配容差r和序列长度N对算法性能的影响.分析结果表明：只要参数选择在合适的范围内,近似熵和样本熵都能够正确地区分出两种不 关键词： 近似熵 样本熵 复杂度 射击     

基于符号相对熵的心电信号时间不可逆性分析

心电图(ECG)信号的时间不可逆性能够反映出心脏的生理功能和健康状态.从短时ECG信号中探测时间不可逆性特征具有重要的现实意义. 文章提出符号相对熵方法(先进行符号化处理,再分别计算它们的时间不可逆性),研究了从MIT-BIH标准数据库中提取的正常窦性心律(normal sinus rhythm,NSR)、心室纤颤(ventricular fibrillation,VF)、心脏猝死(sudden cardiac death,SCD)三种信号.结果表明,这三种信号的时间不可逆性有所不同:NSR信号的时间不可 关键词： 心电信号 相对熵 时间不可逆性     

On the use of the resting potential and level set methods for identifying ischemic heart disease: An inverse problem

The electrical activity in the heart is modeled by a complex, nonlinear, fully coupled system of differential equations. Several scientists have studied how this model, referred to as the bidomain model, can be modified to incorporate the effect of heart infarctions on simulated ECG (electrocardiogram) recordings.We are concerned with the associated inverse problem; how can we use ECG recordings and mathematical models to identify the position, size and shape of heart infarctions? Due to the extreme CPU efforts needed to solve the bidomain equations, this model, in its full complexity, is not well-suited for this kind of problems. In this paper we show how biological knowledge about the resting potential in the heart and level set techniques can be combined to derive a suitable stationary model, expressed in terms of an elliptic PDE, for such applications. This approach leads to a nonlinear ill-posed minimization problem, which we propose to regularize and solve with a simple iterative scheme.Finally, our theoretical findings are illuminated through a series of computer simulations for an experimental setup involving a realistic heart in torso geometry. More specifically, experiments with synthetic ECG recordings, produced by solving the bidomain model, indicate that our method manages to identify the physical characteristics of the ischemic region(s) in the heart. Furthermore, the ill-posed nature of this inverse problem is explored, i.e. several quantitative issues of our scheme are explored.     

光电容积脉搏波的睡眠呼吸暂停综合征筛查方法

睡眠呼吸暂停综合征（SAS）素有“睡眠杀手”之称。由于其诊断金标准多导睡眠监测仪（PSG）的限制,诊断率一直偏低。由于呼吸暂停发生时会引发心率节奏的变化,因此利用心电图（ECG）通过心率变异性（HRV）分析可以实现SAS的自动筛查。但是,ECG-SAS方法所用电极穿戴繁琐、材质致敏性较高,影响睡眠安适度。鉴于脉率变异性（PRV）分析与HRV分析高度相关,并且光电容积脉搏波（PPG）信号相对ECG信号获取方式更加简单,不仅电极不易致敏,而且更易于穿戴,对睡眠干扰小。由此,提出利用同步采集的PPG信号和ECG信号,应用相同的建模方法,比较二者的疾病识别能力。应用反向传播（BP）神经网络,分别建立PPG-SAS与ECG-SAS自动筛查模型,并采用十折交叉验证法及受试者工作特征（ROC）曲线对模型进行对比与评估。实验数据来源于MIT-BIH Polysomnographic Database,共8 248个样本,其中正常样本6 227例。首先采用三层BP神经网络,默认参数下建立PPG-SAS与ECG-SAS模型,使用十折交叉验证法及ROC曲线进行模型分类准确性的对比;然后依次改变影响分类性能的隐层节点数、训练函数以及传递函数,建立多个PPG-SAS与ECG-SAS模型,从中选取各自的最优模型再进行对比。通过比较识别率、预测率以及ROC曲线面积,采用默认参数的PPG-SAS模型优于ECG-SAS模型。通过比较平均分类准确率,隐层节点数为50、训练函数为一步正割算法、隐含层传递函数为双曲正切S型函数时,PPG-SAS模型得到的最高识别率与预测率分别为80.30%和80.13%;隐层节点数为50、训练函数为一步正割算法、隐含层传递函数为径向基时,ECG-SAS模型的最高识别率与预测率分别为77.60%和77.67%。以上实验结果均表明PPG信号的SAS分类能力较ECG信号更具优越性,由此证明了PPG信号筛查SAS的可行性及可靠性,为临床SAS病症的早期发现及诊断率提升奠定理论基础。     

试用Lyapunov指数探讨气候突变及其前兆信号

Lyapunov 指数是标志一个系统做规则运动还是混沌运动的一个重要物理量.鉴于此, 本文利用Lyapunov指数研究系统的混沌特性, 研究气候的突变.计算结果表明, 定义法求得的Lyapunov指数是一种可靠的突变检测方法, 无论是理想序列还是实际存在突变的序列, 利用该方法都能准确地找出突变位置; 而利用非线性局部Lyapunov指数的可预报期限从理论上佐证了基于临界慢化现象的气候突变前兆信号的可靠性, 通过计算各个时间段的最大Lyapunov指数能够反映系统的内在性质、研究其混沌特性. 研究结果为该方法在实际观测资料中的广泛应用提供了理论基础. 关键词： Lyapunov指数 气候突变 前兆信号     

针刺足三里的脊髓背根神经电信号非线性特征提取

神经系统在外部刺激下会呈现出丰富的放电模式,针刺作为对穴位的机械作用可以等效为对神经系统的一种外部刺激,在针刺刺激下神经系统会产生不规则的电信号.由于神经系统是高度复杂的非线性动力学系统,神经电信号具有很强的非线性,所以本文设计了提插补法、提插泻法、捻转补法、捻转泻法等四种针刺手法的动物实验,获取针刺大鼠足三里穴位的脊髓背根神经束动作电位序列.采用峰峰间期的思想,应用非线性时间序列的方法分析此动作电位序列,通过计算Lyapunov指数、关联维数以及Lempel-Ziv复杂度等参数,提取神经电信号的非线性特征,得到不同针刺手法的神经电信息的编码;并证明了针刺作用下脊髓背根的神经电信号具有明显的混沌特性. 关键词： 针刺 神经电信号 非线性分析 混沌