基于Logistic回归模型的Blazar天体的分类

从文献中收集了205个Blazar天体,包括142个BL Lac天体和63个平谱射电类星体(FSRQs).对这些天体的类别与它们的红移、射电5 GHz辐射流量、光学V波段流量、1 keV处X射线流量、X射线光子谱指数进行了相关性和Logistic回归分析.结果表明,对Blazar天体分类产生主要影响的因素是红移、射电5 GHz辐射流量和X射线光子谱指数,综合应用这三个物理量判别Blazar天体的分类的准确率可达到91.2%,得到的分类方程具有良好的预测效果,可以作为Blazar天体分类的一个重要的判据.而光学V波段流量和1 keV处X射线流量不能区分开BL Lac天体和FSRQs,它们与Blazar天体分类没有相关性.本文结果支持将BL Lac天体和FSRQs归为Blazar天体,不同类别的Blazar天体之间能通过一种演化序列相联系. 关键词： Logistic 分类 Blazar天体     

蝎虎天体OJ287中等时标光变的周期特性研究

收集了蝎虎天体OJ287光学B, V, R, I波段37年的观测数据, 获得了从1972年至2009年的光变曲线. 运用Lomb-Scargle傅里叶变换方法分析中等时标光变的周期性特性, 发现存在52.0±1.1 d与255±23 d的主要周期成分,并模拟了存在倍周期分岔的准周期信号, 与不同时段观测数据的相图和关联维数进行对比. 结果表明, OJ287具有多周期尺度特征, 不同时段准周期光变中谐波成分不同, 谐波成分的变化与次黑洞对主黑洞吸积流的扰动有关, 光变中的谐波成分可能是主黑洞吸积流受强扰动时分岔形成的.     

基于集合经验模态分解的类星体光变周期及其混沌特性分析

基于密歇根大学射电天文台数据库中从1965年到2012年收集的类星体3C 345,3C 273和3C 279在射电8.0 GHz的光变数据,利用集合经验模态分解方法将这些类星体的光变资料分解为周期项、趋势项和高频项,并对分解后的高频项计算其饱和关联维数、最大Lyapunov指数和Kolmogorov熵,判断是否具有混沌性.结果表明,这些类星体的光变不仅具有周期性,也具有明显的混沌特性,表明类星体光变应为产生周期性运动的物理机制和产生混沌现象的非线性机制的综合结果.     

用离散相关函数方法分析Blazar天体的γ射线和射电辐射的相关性

收集了119颗有γ射线噪的Blazar天体样品(97个平谱射电类星体和22个BL Lac天体)，用离散相关函数(DCF)方法分析了1GeV γ射线辐射流量(最大值、最小值和平均值)与8.4GHz射电辐射流量之间的相关性.获得的主要结果为：在119个Blazar天体和97个平谱射电类星体中，γ射线辐射流量的最大值以及平均值和射电辐射流量之间有相关性;而γ射线辐射流量的最小值和射电辐射流量之间没有相关性.本文结果表明，γ射线和射电辐射都来自喷流，γ射线很可能产生于同步自康普顿(SSC)过程. 关键词： Blazar γ射线 射电辐射 流量密度     

γ噪Blazar天体的γ射线和近红外光辐射研究

收集了29个有γ噪的Blazar天体(其中有16个BL Lac天体和13个平谱射电类星体)的近红外流量密度和γ射线流量密度,获得以下主要结果:1)23个天体中的γ射线流量密度和近红外流量密度在低态时存在较强的相关性而在高态时有弱的相关性.2)在29个天体中,有6个天体只有一个观测数据点,将其认为是高态时,γ射线流量密度与近红外光流量密度之间有弱相关性,而认为是低态时有强相关性.3)29个源的γ射线流量密度与X射线流量密度在低态时有相关性,但是γ射线流量与光学流量密度,γ射线流量与射电流量密度均没有相关性.4)在16个BL Lac天体中γ射线流量与近红外光流量不论在高态还是低态都有相关性,而13个平谱射电类星体没有相关性.讨论了γ噪Blazar天体的γ射线辐射机制,认为γ射线的辐射机制主要是同步自康普顿散射.而逆康普顿散射来自绕中心核且温度约为2000K的尘埃,这些尘埃的区域大约有r=3pc,聚束的相对论电子也可能是这种尘埃模型辐射机制的一个重要补充.平谱射电类星体和BL Lac天体的γ辐射机制可能有些不同. 关键词： Blazar天体 星系γ射线观测辐射机制 非热辐射     

类星体3C345的光变周期特性

收集了类星体3C345光学B波段100多年来较为完备的观测数据,获得了其长期光变曲线.利用小波分析的方法对其中B波段28年的数据进行了多时间尺度分析,并用小波变换系数图展示了3C345光学B波段的爆发过程.通过研究发现了其中存在有450天,780天,1830天和3540天的近似光变周期.利用小波逆变换可以反映其光变在不同时间尺度上的演变特征,进而预测类星体3C345未来可能的光学爆发时间为2010年左右. 关键词： 小波分析方法 光变曲线 多时间尺度 小波变换系数图     

RBLs与XBLs的多波段流量及中心黑洞质量的研究

BL Lacs天体的辐射谱变化、多波段的相关性及偏振的特性为研究各辐射分量的内禀相互关联提供重要的信息.本文用收集了RBLs和XBLs的红移、中心黑洞质量,统计得到RBLs天体的红移大于XBLs天体,RBLs天体的平均中心黑洞质量小于XBLs天体的平均中心黑洞质量.本文还收集了低态时射电波段、红外波段、光学波段及X射线波段的辐射流量,并分析了它们之间的相关性,及其与红移的相关性.本文的结果支持了RBLs和XBLs可作为BL Lac天体的有效分类标准的观点,并且表明它们的物理性质可能存在差异,而非选择效应的 关键词： BL Lac天体 多波段辐射流量     

BL Lac天体的γ射线和射电辐射的统计特性

给出了一个带有射电5.0GHz,8.4GHz 和γ射线辐射流量密度的22个γ噪BL Lac天体的样本,研究了它们在1GeV处的γ射线辐射流量密度最大值、平均值及最小值与射电5.0GHz,8.4GHz辐射流量之间的可能关系.结果表明：1）射电5.0GHz,8.4GHz辐射与γ射线辐射在低态时没有相关,但在高态和平均态时都存在较强的相关,最大相关系数r=0.85,置信度均好于10^-4;2）γ射线谱指数和射电谱指数之间也有一个弱相关关系存在.因此,认为γ射线的辐射主要是同步自康普顿辐射. 关键词： BL Lac天体 γ射线 射电辐射 谱指数     

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.     

BL Lac天体S5 0716+714的光变周期特性研究

从大量文献资料中, 收集了BL Lac天体S5 0716+714光学B，V，R，I波段的有效观测数据点共16818个， 获得了从1994年至2006年的长期光变曲线，光变曲线表明S5 0716+714天体存在完整的非正弦变化并且它的活动非常剧烈. 用功率谱方法分析了S5 0716+714天体的光变周期, 结果表明S5 0716+714天体存在的长光变周期为1.1年，Raiteri等人发现的3.3年周期可能是1.1年周期的叠合. 预期在2007年2月应该为S5 0716+714天体的再次爆发期. 关键词： BL Lac天体S5 0716+714 光变周期 功率谱方法     

集合经验模态分解在区域降水变化多尺度分析及气候变化响应研究中的应用

集合经验模态分解(EEMD)是一种适用于非线性、非平稳序列的信号分析方法, 将EEMD 应用于气候要素时间序列, 可提取可靠真实的气候变化信号, 同时, EEMD可以得到气候变化的固有时间尺度.本文使用EEMD方法, 从气候时间序列中提取气候信号中各个尺度的变化, 对渭河流域过去50年来的秋季降水进行多尺度分析,结果显示, 对于20世纪70年代末80年代初的全球气候突变, 渭河流域的秋季降水也有很好的响应, 而且大尺度上的响应要早于中小尺度, 其中在大尺度上主要表现为波动形式, 即降水距平正负位相持续期的变化, 从持续正位相到正负位相周期性交替出现; 而在中小尺度上主要是振幅大小, 即降水距平正负位相量级的变化, 量级从相对较大变为相对较小再逐渐增大. 关键词： 集合经验模态分解 多尺度变化 秋季降水 渭河流域     

基于CEEMD特征提取的无绝缘轨道电路补偿电容故障诊断

本文利用电路网络理论和传输线理论构建ZPW-2000A轨道电路传输模型,仿真并分析了补偿电容故障对轨面电压的影响,提出基于互补的总体经验模式分解(CEEMD)特征提取的补偿电容故障诊断方法。实验结果表明,相比于传统经验模式分解(EMD)和总体经验模式分解(EEMD),基于CEEMD特征提取的补偿电容故障诊断方法可以有效地克服EMD方法引起的模态混叠和能量泄露现象,减少EEMD方法在信号重构过程中的白噪声残留,为补偿电容的故障诊断提供了一种快速准确的方法,为保证信号传输质量提供了参考依据。     

EEMD自适应去噪在拉曼光谱中的应用

二代小波是公认较好的降噪手段,但是降噪效果依赖于基函数、分解层数和阈值等参数设置。经验模态分解(empirical mode decomposition, EMD)无需参数设定,按照频率特性将信号分解成本征模函数(intrinsic mode function, IMF),对IMF滤波,实现了信号自适应去噪。拉曼光谱中信号和噪声交叠集中在极高频段,EMD产生模态混叠问题,影响去噪效果。应用总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)拉曼光谱克服了模态混叠,有效区分出高频信号和噪声,获得了与小波函数相似去噪效果。文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解,可见模态混叠,EEMD分解出清晰模态的特征分量。然后分别用快速傅里叶变换(fast Fourier transform,FFT)、小波变换(Wavelet)、EMD和EEMD处理含噪光谱,信噪比、均方根误差、相关系数三个方面指标表明FFT高频去噪效果最差,其次是EMD,恰当的Wavelet同EEMD效果相当,EEMD的优势是降噪过程的自适应。最后提出光谱时频分析方法和IMF噪声属性判别准则研究趋势。     

RETRACTED: A Hybrid Nonlinear Active Noise Control Method Using Chebyshev Nonlinear Filter

Investigations into active noise control (ANC) technique have been conducted with the aim of effective control of the low-frequency noise. In practice, however, the performance of currently available ANC systems degrades due to the effects of nonlinearity in the primary and secondary paths, primary noise and louder speaker. This paper proposes a hybrid control structure of nonlinear ANC system to control the non-stationary noise produced by the rotating machinery on the nonlinear primary path. A fast version of ensemble empirical mode decomposition is used to decompose the non-stationary primary noise into intrinsic mode functions, which are expanded using the second-order Chebyshev nonlinear filter and then individually controlled. The convergence of the nonlinear ANC system is also discussed. Simulation results demonstrate that proposed method outperforms the FSLMS and VFXLMS algorithms with respect to noise reduction and convergence rate.     

Fault identification of rotor-bearing system based on ensemble empirical mode decomposition and self-zero space projection analysis

Accurately identifying faults in rotor-bearing systems by analyzing vibration signals, which are nonlinear and nonstationary, is challenging. To address this issue, a new approach based on ensemble empirical mode decomposition (EEMD) and self-zero space projection analysis is proposed in this paper. This method seeks to identify faults appearing in a rotor-bearing system using simple algebraic calculations and projection analyses. First, EEMD is applied to decompose the collected vibration signals into a set of intrinsic mode functions (IMFs) for features. Second, these extracted features under various mechanical health conditions are used to design a self-zero space matrix according to space projection analysis. Finally, the so-called projection indicators are calculated to identify the rotor-bearing system?s faults with simple decision logic. Experiments are implemented to test the reliability and effectiveness of the proposed approach. The results show that this approach can accurately identify faults in rotor-bearing systems.     

A method for extracting human gait series from accelerometer signals based on the ensemble empirical mode decomposition

In this paper,the ensemble empirical mode decomposition(EEMD) is applied to analyse accelerometer signals collected during normal human walking.First,the self-adaptive feature of EEMD is utilised to decompose the accelerometer signals,thus sifting out several intrinsic mode functions(IMFs) at disparate scales.Then,gait series can be extracted through peak detection from the eigen IMF that best represents gait rhythmicity.Compared with the method based on the empirical mode decomposition(EMD),the EEMD-based method has the following advantages:it remarkably improves the detection rate of peak values hidden in the original accelerometer signal,even when the signal is severely contaminated by the intermittent noises;this method effectively prevents the phenomenon of mode mixing found in the process of EMD.And a reasonable selection of parameters for the stop-filtering criteria can improve the calculation speed of the EEMD-based method.Meanwhile,the endpoint effect can be suppressed by using the auto regressive and moving average model to extend a short-time series in dual directions.The results suggest that EEMD is a powerful tool for extraction of gait rhythmicity and it also provides valuable clues for extracting eigen rhythm of other physiological signals.     

仿生鳍条姿态测量及其误差分析

在复杂环境下齿轮箱信号往往会淹没在噪声信号中,特征向量难以提取。为了有效的进行故障诊断,提出了基于最大相关反褶积(MCKD)总体平均经验模态分解(EEMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法。首先采用MCKD方法对强噪声信号进行滤波处理,在采用EEMD方法对齿轮箱信号进行分解,分解后得到本征模函数(IMF)分量进行近似熵求解,得到齿轮特征向量,最后将其输入到TWSVM分类器中进行故障识别。仿真实验表明,采用MCKD-EEMD方法能够有效的提取原始信号,与其他分类器相比,TWSVM的计算时间短,分类效果好等优点。     

基于MCKD-EEMD近似熵和TWSVM的齿轮箱故障诊断

在复杂环境下齿轮箱信号往往会淹没在噪声信号中,特征向量难以提取;为了有效地进行故障诊断,提出了基于最大相关反褶积(MCKD)总体平均经验模态分解(EEMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法;首先采用MCKD方法对强噪声信号进行滤波处理,在采用EEMD方法对齿轮箱信号进行分解,分解后得到本征模函数(IMF)分量进行近似熵求解,得到齿轮特征向量,最后将其输入到TWSVM分类器中进行故障识别;仿真实验表明,采用MCKD-EEMD方法能够有效地提取原始信号,与其他分类器相比,TWSVM的计算时间短,分类效果好等优点。