息肉与麻痹喉声源分类中非线性动力学发声系统模型研究

提出一种非线性动力学建模仿真发声系统,分类息肉和麻痹喉声源的方法,为声带疾病分类时参数选择提供了依据。首先介绍息肉和麻痹声带力学模型,耦合声门气流产生喉声源,求取喉声源频率(基频)、基频微扰;提出用庞加莱截面,分岔图对模型振动进行非线性分析;改变声带病理参数及声门下压,分析频率参数和混沌参数李雅普诺夫指数的变化。仿真实验结果表明,声带麻痹减小了发声基频,且只在一定压力范围内出现混沌振荡;息肉声带的混沌则分布在整个压力范围内。根据最大李雅普诺夫指数随声门下压变化的差异性分布,有助于识别并分类声带息肉和声带麻痹。     

息肉与麻痹喉声源分类中非线性动力学发声系统模型研究

提出一种非线性动力学建模仿真发声系统,分类息肉和麻痹喉声源的方法,为声带疾病分类时参数选择提供了依据。首先介绍息肉和麻痹声带力学模型,耦合声门气流产生喉声源,求取喉声源频率(基频)、基频微扰;提出用庞加莱截面,分岔图对模型振动进行非线性分析;改变声带病理参数及声门下压,分析频率参数和混沌参数李雅普诺夫指数的变化。仿真实验结果表明,声带麻痹减小了发声基频,且只在一定压力范围内出现混沌振荡;息肉声带的混沌则分布在整个压力范围内。根据最大李雅普诺夫指数随声门下压变化的差异性分布,有助于识别并分类声带息肉和声带麻痹。      

一种最大李雅普诺夫指数估计的稳健算法

最大李雅普诺夫指数是诊断和描述动态系统混沌的重要参数.在深入研究相空间重构技术和轨道跟踪法的基础上,提出了一种从标量混沌时间序列中估计最大李雅普诺夫指数的新算法.该算法能够克服现有算法的不足,主要有以下三个优点:1)很高的精度;2)几乎不受噪声的影响;3)所需的计算时间和存贮空间小, 能进行在线计算.     

基于核独立成分分析的人脸识别

研究一种基于核独立成分分析的人脸识别方法。利用支持向量机的核函数思想,将原始人脸图像向量映射到高维特征空间,然后在高维特征空间中进行独立成分分析(ICA),提取非线性独立成分作为特征向量进行分类识别。实验结果表明该方法要比常规的基于ICA和PCA的人脸识别算法的识别率要高。     

一种最大李雅普诺夫指数估计的稳健算法

最大李雅普诺夫指数是诊断和描述动态系统混沌的重要参数.在深入研究相空间重构技术和轨道跟踪法的基础上,提出了一种从标量混沌时间序列中估计最大李雅普诺夫指数的新算法.该算法能够克服现有算法的不足,主要有以下三个优点:1)很高的精度 2)几乎不受噪声的影响 3)所需的计算时间和存贮空间小,能进行在线计算 关键词：     

轮式机器人轨迹跟踪控制系统的设计

针对轮式机器人轨迹跟踪控制系统误差收敛速率低、精度和实时性差的问题,采用反演控制算法并结合李雅普诺夫稳定性分析方法对轮式机器人的轨迹跟踪系统进行了优化设计。建立了轮式机器人轨迹跟踪控制系统的运动学模型,并对该模型进行位置偏差分析;在反演控制算法中引入了分部虚拟控制量,并分析和设计了其他间接受控量,提高了算法运行的效率;采用李雅普诺夫收敛定理对系统的收敛性进行分析,根据分析的结果提出了算法更加简单的控制律。利用Matlab软件的Simulink库对设计的轨迹跟踪控制系统试验研究。结果表明,与基于李雅普诺夫直接法或者迭代学习算法设计的轮式机器人轨迹跟踪控制系统相比较,设计的控制系统具有跟踪精度高、收敛速度快、实时性好的优点。     

利用声带动力学模型参数反演方法进行病变嗓音分类

提出一种声带动力学模型参数反演方法,从发声机理角度对声带病变嗓音进行有效区分。依据声带生理组织和伯努利定律构建声带动力学模型,确定模型优化参数向量,耦合声门气流获取模型声门波;利用迭代自适应逆滤波算法获得实际嗓音声门波作为目标声门波;采用遗传优化算法提出通过匹配目标和模型声门波特征参数实现模型参数反演。实验结果表明,表征声门波的各时频域参数匹配相对误差不超过2%;依据反演所获模型参数提出去除声门下压影响的平均归一化缩放系数,克服声带非对称性特征在区分病变嗓音方面的不足,实现病理嗓音的全面有效区分。      

非重正交的李雅普诺夫指数谱的计算方法

推导了一种快速、有效的计算动力系统李雅普诺夫(Lyapunov)指数谱的方法.该方法避免了 一般算法的频繁的重正交过程;且在维数不高(n<5)的情况下,所需求解的方程数也较一般 方法更少.该算法即适用于连续又适用于离散系统,当指数出现简并时同样有效.对以Lorenz 动力系统为主的数值计算,验证了该算法的快速性及其稳定性. 关键词： 混沌 李雅普诺夫指数 复合矩阵 特征值     

一类四维超混沌系统的界及同步的研究

文章研究了一类四维连续自治系统,在一定条件下它只有一个平衡点,却表现出复杂的动力学行为. 文章首先分析了系统的平衡点及李雅普诺夫指数;其次对该系统的界进行了估计,给出了界的表达式.通过设计一个控制器,研究了该四维超混沌系统的完全同步,并做出了相应的数值模拟. 关键词： 超混沌系统 李雅普诺夫指数 混沌系统的界 同步     

基于子空间分析的人脸识别方法研究

人脸识别技术是模式识别和机器视觉领域的一个重要研究方向,在众多人脸识别的算法中,基于子空间分析的特征提取方法以其稳定可靠的识别效果成为了人脸识别中特征提取的主流方法之一。本文对目前应用较多的子空间分析方法进行了研究,具体介绍了线性子空间分析方法：主成分分析（PCA）、线性鉴别分析（LDA）、独立主成分分析（ICA）、快速主成分分析（FastICA）等及非线性子空间分析方法：基于核的PCA （KPCA）等的基本思想及其在人脸识别中的研究进展,包括一些新的研究成果。此外,还应用orl及Yale B人脸库对几个基础的子空间方法进行了验证实验。实验结果表明,在几个子空间分析方法中,FastICA算法取得了最高的识别率。最后结合实验结果对各算法的优缺点进行了分析总结。     

基于指数加权-核在线序列极限学习机的混沌系统动态重构研究

利用指数加权在线核序列极限学习机(exponential weighted online sequential extreme learning machine with kernel, EW-KOSELM)辨识算法,开展了针对混沌动力学系统的动态重构研究. EW-KOSELM算法将核递归最小二乘(kernel recursive least squares, KRLS)算法直接延伸至在线ELM (extreme learning machine)框架中,通过引入遗忘因子削弱了旧数据的影响,并基于"固定预算(fixed-budget, FB)"内存技术,应对在线核学习算法所固有的规模不断增长的计算困难.将所提辨识算法应用于Duffing-Ueda振子的混沌动力学系统数值仿真实例中,对基于FB-EW-KOSELM的辨识模型与原系统的动态性能进行了定性与定量的分析校验,定性校验准则是基于对比辨识模型与原系统吸引子(轨迹嵌入)、庞加莱映射、分岔图、极限环完成的,定量校验准则包括对比辨识模型与原系统的李雅普诺夫指数与关联维.进一步将其分别应用于来自测量蔡氏电路产生双涡卷吸引子与螺旋吸引子的实测数据实验及某一实际混沌电路所产生的时间序列中,对于具有低信噪比的实测电压或电流数据还需进行了小波降噪预处理.通过分析辨识模型重构吸引子,实验结果表明,FB-EW-KOSELM算法具有良好的动态重构性能,能精确地再生出展示混沌动态行为的过程非线性模型,且具有与原混沌系统非常接近的动态不变性指标.     

KPCA-聚类分析法和用便携式拉曼仪快速鉴别降糖药

对不同种类的降糖药片进行拉曼光谱的核主成分分析(KPCA)-聚类分析,实现快速、简便的鉴别。KPCA可以有效地避免主成分分析(PCA)只能处理线性问题和降维效果不明显的弊端。它通过一个非线性变换,首先将原变量空间映射到高维特征空间,然后在这个高维特征空间中进行线性主成分分析。采集得到的药片拉曼光谱的KPCA-聚类分析结果表明,采用KPCA提取特征变量的聚类结果比采用PCA提取特征变量后进行聚类分析的效果好,并且未经刮除表面包膜的降糖药片识别准确率为96.5%,经过刮除表面包膜处理的降糖药片的识别准确率为100%。便携式拉曼光谱仪结合该方法以其检测速度快、准确率高、使用简便、无样品前处理等显著优势,为药品的快速检验技术提供一种新的有效的鉴别手段。     

基于高斯核主成分分析的多通道拉曼光谱重建

针对多通道拉曼成像系统常会受荧光背景、噪声等非线性因素的影响而导致拉曼光谱重建结果一般的问题,提出了一种基于高斯核主成分分析的拉曼光谱重建算法.首先利用相似度因子对标定样本数据集进行预处理,其次通过高斯核函数将标定样本以非线性形式映射至高维特征空间,接着在特征空间中对映射后的数据集提取基函数并通过伪逆法求得与之对应的基函数系数.使用聚甲基丙烯酸甲酯作为测试样本,并引入均方根误差来评估拉曼光谱重建结果的准确性.实验结果表明,相比传统的伪逆法与维纳估计法,该算法具有更高的重建精度及抗噪能力,且能有效降低标定样本中不良数据和成像系统中非线性因素对拉曼光谱重建的影响.因此,该算法可以为多通道拉曼快速成像提供一种有效的拉曼光谱重建算法.     

周期切换下Rayleigh振子的振荡行为及机理

本文研究了自治与非自治电路系统在周期切换连接下的动力学行为及机理.基于自治子系统平衡点和极限环的相应稳定性分析和切换系统李雅普诺夫指数的理论推导及数值计算.讨论了两子系统在不同参数下的稳态解在周期切换连接下的复合系统的各种周期振荡行为,进而给出了切换系统随参数变化下的最大李雅普诺夫指数图及相应的分岔图,得到了切换系统在不同参数下呈现出周期振荡,概周期振荡和混沌振荡相互交替出现的复杂动力学行为并分析了其振荡机理.给出了切换系统通过倍周期分岔,鞍结分岔以及环面分岔到达混沌的不同动力学演化过程.     

基于优选样本的KPCA高光谱图像降维方法

 降维是高光谱图像常用的预处理手段,而核主成份分析通过非线性映射能够挖掘数据的高阶统计特性,是目前较常使用的特征提取方法.本文提出了一种基于优选样本的核主成份分析高光谱图像降维方法,算法挑选参与核主成份分析运算的样本时兼顾整幅高光谱图像的统计特性,以与全图能量分布相近的最小样本集为最终选择样本.本算法由IDL7.0实现,并在实际高光谱图像Cuprite上进行实验.结果表明,在大幅缩短运算时间的同时,降维效果优于传统的核主成份分析方法.     

光学二次谐波浑沌控制

用变量延时反馈控制法对光学二次谐波系统的浑沌进行了有效的控制.通过对系统的最大李雅普诺夫指数分析,给出了确定可控参数区的方法.证明适当的延时量和反馈强度可以使浑沌得到稳定的控制,被控制系统的轨道是初始系统浑沌吸引子中的不稳定周期轨道.     

基于核主成分分析的硬件木马检测方法研究

针对旁路信号样本在高维空间中的分布,提出了一种基于核主成分分析的硬件木马检测方法,该方法能够找出旁路信号样本分布中的非线性规律,将高维的旁路信号映射到低维子空间同时更精确地反映旁路信号样本的分布特性,从而发现由木马引起的非线性特征差异。针对AES加密电路植入约占电路3%的组合型木马并进行检测,实验结果表明,该方法能够有效分辨基准电路与含木马电路之间旁路信号的非线性特征差异,实现木马的检测,并取得比K-L变换更好的检测效果。     

观测窗中多元非线性时间序列的分析

从观察的角度去了解原有系统的特性，不同程度上会受到观测手段的限制．针对一个观测窗口获得的多元时间序列，利用一种能够更好地体现多元时间序列复杂的时空结构的多元奇异系统分析方法，研究多元序列的相关维数和最大李雅普诺夫指数的变化．利用多层感知器神经网络模型分析其可预测性．研究发现，随着观测窗中多元时间序列的变量数目的增加，反映出的复杂性有所提高，稳定性会产生波动，且相应的可预测性也会产生一些差异． 关键词：     

非线性反馈控制单模激光Haken-Lorenz混沌系统

提出一种变量非线性反馈（VNF）方法控制混沌系统.介绍了该方法的控制原理以及反馈系数的选取原则,以单模激光Haken-Lorenz系统为例对非线性反馈控制方法进行了理论研究.仿真结果显示,通过恰当的选择反馈系数k,使系统的最大李雅普诺夫（Lyapunov）指数由正值转变为负值,相图中系统的轨迹由混沌吸引子转变为周期数为2n×3mp(n、m为整数)的周期轨道.通过与线性反馈控制结果对比发现,非线性反馈控制方法简便有效,控制速度快.     

基于NIR高光谱成像技术的长枣虫眼无损检测

为了研究快速识别虫眼枣与正常枣的有效方法,利用特征波长主成分分析法结合波段比算法进行虫眼枣识别。首先,利用NIR高光谱成像系统采集130个长枣(50个正常、80个虫眼枣)图像,提取并分析不同类型长枣特征区域的平均光谱曲线,对970~1 670 nm范围内的光谱数据进行主成分分析,确定7个特征波长(990,1 028,1 109,1 160,1 231,1 285,1 464 nm)。然后,对长枣图像做主成分分析,选择PC2图像进行虫眼识别,虫眼与正常枣的识别率分别为67.5%、100%。为了进一步提高虫眼枣的识别率,采用波段比(R1231/R1109)对未识别的虫眼枣进行再次识别,识别率提高到90%。结果表明,基于NIR高光谱成像技术的检测方法对虫眼枣识别是可行的,同时也为多光谱成像技术应用于在线检测长枣品质提供了理论依据。