基于变分模态分解与多尺度排列熵的生物组织变性识别

根据高强度聚焦超声(HIFU)治疗中超声散射回波信号的特点,本文利用变分模态分解(VMD)与多尺度排列熵(MPE)对生物组织变性识别进行了研究.首先对生物组织中的超声散射回波信号进行变分模态分解,根据各阶模态的功率谱信息熵值分离出噪声分量和有用分量;对分离出的有用信号进行重构并提取其多尺度排列熵;然后通过Gustafson-Kessel (GK)模糊聚类确定聚类中心,采用欧氏贴近度与择近原则对生物组织进行变性识别.将所提方法应用于HIFU治疗中超声散射回波信号实验数据,用遗传算法对多尺度排列熵的参数优化后,对293例未变性组织和变性组织的超声散射回波信号数据进行了多尺度排列熵分析,发现变性组织的超声散射回波信号的多尺度排列熵值要高于未变性组织;多尺度排列熵可以较好地识别生物组织是否变性.相对于EMD-MPE-GK模糊聚类以及VMD-小波熵(WE)-GK模糊聚类变性识别方法,本文所提方法中变性与未变性组织特征交叠区域数据点更少,聚类效果和分类性能更好;本实验环境下生物组织变性识别结果表明,该方法的识别率更高,高达93.81%.     

多芯光纤分布式声传感

多芯光纤中有多个独立并行的空间信道,利用其实现空间分集,以解决基于传统单模光纤的分布式光纤声波传感系统所面临的信号衰落和信噪比受限问题.通过扇入扇出模块,在多芯光纤的其中四个纤芯中进行信号的独立传输和分集探测,并采用相干合并技术对多路信号进行有效合并.实验结果表明,外部扰动信号得到了很好的重构,信号衰落被抑制,系统的底...     

基于变分模态分解-传递熵的脑肌电信号耦合分析

皮层肌肉功能耦合是大脑皮层和肌肉组织间的相互作用, 脑肌电信号的多尺度耦合特征可以体现皮层-肌肉间多时空的功能联系. 本文引入变分模态分解并与传递熵结合, 构建变分模态分解-传递熵模型应用于脑肌间耦合研究. 首先基于变分模态分解将同步采集的脑电(EEG) 和肌电(EMG) 信号分别进行时频尺度化, 然后计算不同时频尺度间的传递熵值, 获取不同耦合方向(EEG→EMG 及EMG→EEG) 上不同尺度间的非线性耦合特征. 结果表明, 在静态握力输出条件下, 皮层与肌肉beta (15—35 Hz) 频段间的耦合强度最为显著; EEG→EMG 方向上脑电与肌电高gamma (50—72 Hz) 频段的耦合强度总体上高于EMG→EEG 方向.研究结果揭示皮层-肌肉功能耦合具有双向性, 且脑肌间不同耦合方向上、不同频段间的耦合强度有所差异.因此可利用变分模态分解-传递熵方法定量刻画大脑皮层与肌肉各时频段之间的非线性同步特征及功能联系.     

基于经验模态分解和小波阈值的冲击信号去噪

冲击信号是非线性的并且容易受到噪声污染。为研究冲击信号去噪的问题,本文针对经验模态分解(Empirical Mode Decomposition,EMD)去噪和小波阈值去噪方法存在的不足,提出了基于EMD的小波阈值去噪方法。单纯的EMD去噪方法会在去除高频噪声的同时压制高频的有效信息。本文将EMD与小波阈值去噪相结合,利用连续均方误差准则确定含噪较多的高频固有模态函数(Intrinsic Mode Function, IMF),对高频IMF分量进行小波阈值去噪,以分离并保留这些分量中的有效信息,同时保持低频IMF分量不变。对模拟数据和实际冲击信号进行去噪处理,结果表明,基于EMD的小波阈值去噪方法的去噪效果优于单纯的EMD去噪方法和小波阈值去噪方法。     

基于经验模态分解的高光谱遥感数据去噪方法

经验模态分解(EMD)是一种新的时频分析方法,经EMD分解后的各个固有模态函数(IMF)突出了原始信号的局部特征,从而可以区分噪声和有用信号。基于此,结合高光谱遥感数据的光谱变化特征,提出了一种基于经验模态分解的高光谱遥感数据去噪方法。通过对理论数据的实验表明,数据中的噪声无论是高斯分布还是均匀分布,数据经EMD分解后,噪声都主要集中在前几个特定的IMF,对相应的IMF进行滤波处理后并与其他IMF分量进行重构就可得到去噪信号,与小波去噪结果相比较,这种方法效果更好。最后把该去噪方法应用于野外实测的油膜高光谱数据去噪,实验结果表明,该方法能准确、有效地去除高光谱遥感数据的噪声。     

低信噪比下基于多元变分模态分解的水下蛙人特征提取

为提高低信噪比下对蛙人辐射噪声的提取能力,提出了一种矢量多通道信号的水下蛙人辐射噪声特征提取方法。首先针对矢量多通道信号使用多元变分模态分解,得到固有模态函数。然后选取能量最高的模态函数组作为研究对象,计算该模态函数组互谱后的加权排列熵。最后提取加权排列熵频谱的蛙人特征量。海试结果表明,本方法可在无需先验信息情况下,提取由矢量水听器采集的蛙人信号特征,在检测率为80%的情况下抗噪能力较传统算法提升了10 dB。     

基于经验模态分解消噪的光纤光栅解调系统

为了提高光纤Bragg光栅解调系统的解调准确度,提出利用经验模态分解对信号进行滤波分析和降噪处理的方法.该方法将经验模态分解得到的固有模态函数,分为信号分量起主导作用模态与噪音分量起主导作用模态,并利用反映信号主要结构的模态对信号进行重构实现去噪.实验表明,解调系统输出信号能够识别出中心波长的位置,精确得到Bragg波长的漂移量,输出谱失真小、信噪比高.对温度实验数据进行曲线拟合,拟合线性度为0.998,提高了系统的解调准确度.     

激光雷达信号去噪方法的对比研究

激光雷达回波信号是非线性非平稳信号,且易被各类噪声污染.为高精度提取有效信号信息,需选取合适的方法进行降噪处理.采用激光雷达回波仿真信号,对其添加泊松噪声,再利用小波变换(WT)、经验模态分解(EMD)、变分模态分解(VMD)及其改进和联合算法进行回波信号的去噪实验,最后通过对比分析,选取最适合激光雷达回波信号的降噪方...     

基于超弱光纤布拉格光栅的高信噪比分布式振动传感系统

提出了一种基于超弱光纤布拉格光栅的高信噪比(SNR)分布式振动传感系统.该系统用3 dB带宽超过3.4 nm、反射率为10-5的在线制备啁啾光栅阵列作为传感光纤,通过典型双脉冲调制方式和3×3耦合器进行相位解调.为了消除激光器、调制器和光放大器等光学元器件带来的各类噪声干扰,结合最小均方算法和对称探测结构进行自适应滤波...     

基于环结构的新型分布式光纤振动传感系统

提出并验证了一种新颖的基于环形马赫-泽德干涉仪结构的全分布式光纤振动传感系统.采用直流光实时动态定位技术，通过在干涉仪光路中引入环结构，将直线型干涉仪转化为环型回路，使得一个马赫-泽德干涉仪中相向传输两路光波，相当于构成双马赫-泽德干涉仪.当振动信号作用于传感光纤时，相向传输的两路直流光同时产生相同的相位信号并沿不同的路径传输至光接收单元，采用数字信号处理技术分析接收信号即可实时获得振动的空间位置和频率、幅度等特性参数.实验中成功实现了监测距离为1.01km的分布式振动传感，单点振动的空间分辨率小于40m.另外，从理论上分析并模拟了系统对多点同时振动进行检测和定位的可行性.     

基于弹性变分模态分解的癫痫脑电信号分类方法

癫痫脑电信号分类对于癫痫诊治具有重要意义.为了实现病灶性与非病灶性癫痫脑电信号的分类,本文利用弹性网回归重构变分模态分解算法,提出弹性变分模态分解算法并将其应用到所提癫痫脑电信号分类方法中.该方法先将原信号分割成多个子信号,并对各子信号进行弹性变分模态分解,然后从分解后的不同变分模态函数中提取精细复合多尺度散布熵作为特征,最后利用支持向量机进行分类.针对癫痫脑电的公共数据集,最终的实验结果表明,准确率、灵敏度和特异度三个性能指标分别达到92.54%,93.22%和91.86%.     

基于集合经验模态分解和奇异值分解的激光雷达信号去噪

为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.05~0.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB~6.921 5dB,相应的EEMD方法提高了1.446 1dB~3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果.     

分布式光纤声波振动传感系统研发及应用

针对油气田勘探开发需获取微声波信号完整波形的问题,开展了基于双脉冲外差调制与反正切外差解调方案的分布式光纤声波传感（DAS）技术研究与配套系统研发。通过特征参数室内振动模拟实验,新型DAS系统的响应频率范围20 Hz～25 kHz、最大动态范围60 dB、信噪比49 dB,满足微声波信号幅度、频率、相位等信息的探测需求。同时,该系统在新疆油田稠油热采井下蒸汽腔探测方面成功开展了现场应用,实测有效声压强度?195 dB,验证了系统的可靠性,具有良好的应用前景。     

基于附加环结构的分布式光纤传感系统研究

研究了一种使用2×2耦合器将附加环耦合到萨格奈克主环上的分布式光纤传感预警系统.采用单模光纤和脉冲光源,在时域上提取光不同次经过附加环的干涉光束多重响应.理论推导和仿真试验证明,比较多重响应的幅度能够探测发生在主环里因外界破坏事件引起的振动所在位置.提出了准确定位的数学模型,其定位方法与外界作用的频率特性无关.     

基于变分模态分解的语音情感识别方法*

针对传统语音情感特征参数在进行情感分类时性能不佳的问题,该文提出了一种基于变分模态分解的语音情感识别方法。情感语音信号首先由变分模态分解提取固有模态函数,然后对所选主导固有模态函数进行重新聚合,再提取梅尔倒谱系数和各固有模态函数的希尔伯特边际谱。为了验证该文提出的特征性能,选用两种语音数据库(EMODB、RAVDESS)进行实验,按该文方法提取特征后使用极限学习机进行语音情感分类识别。实验结果表明:相比基于经验模态分解和集合经验模态分解的语音情感特征,该文提出的特征有更好的识别性能,验证了该方法的实用性。     

光纤分布式声传感的动态范围扩展方法研究

提出一种基于线性调频(LFM)脉冲边带调制的光纤分布式传感动态应变范围扩展方法,基于调频带宽与相干时域信号包络平移量之间的反比特性,通过在单脉冲内产生具备不同调频带宽的多调制边带进行传感,对各边带的相干时域信号进行数字带通滤波和分解,以实现对不同动态应变范围事件的同时测量.实验中分别使用调频带宽为40 MHz和200 ...     

利用深度神经网络实现分布式相干瑞利光纤振动事件分类

该文利用分布式相干瑞利光纤传感系统,在西气东输一线无锡至苏州段开展现场测试,采集了光纤沿线车辆行走、机械挖掘、人工锄地、定向钻孔等8种振动作业产生的光纤信号,并提出了一种具有5层结构的全连接深度神经网络用于振动事件分类识别以实现不同振动作业的分级管理。振动作业产生的光纤信号能量集中在低频,该文利用梅尔对数频率的非均匀特性提取了25维单帧信号特征量,并将连续40帧信号特征量组合成高维向量作为网络输入特征向量,实现对不同振动作业时变特性的建模。分类识别结果表明,基于深度神经网络结构的振动信号分类识别器能够有效识别不同振动作业类型,实际线路实验验证了该文算法的有效性。     

遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。     

Sagnac/Mach-Zehnder分布式光纤传感系统探测及定位理论分析

利用3×3耦合器解调算法实现对光纤沿线破坏行为的探测及预警.在确定破坏行为发生的基础上,通过将光源切换为窄带光源,使Mach-Zehnder干涉系统工作.利用互相关方法实现对破坏行为的精确定位.详细介绍并分析了该方法的系统光路和探测定位原理.     

基于大功率超窄线宽单模光纤激光器的φ-光时域反射计光纤分布式传感系统

提出了一种基于大功率超窄线宽单模光纤激光器的φ-光时域反射计光纤分布式传感系统.传感光缆采用普通单模光纤制成的直径3 mm的细光缆,并埋设于室外.入侵者走在光缆上面或附近产生的压力(振动)导致光纤中瑞利散射光相位发生变化,由于干涉作用,光相位变化将引起光强度的变化,通过实时将当前时刻的φ-光时域反射计后向瑞利散射信号与其前一时刻(时间间隔0.1 s)的后向瑞利散射信号连续相减检测这种干涉效应来定位入侵位置.经适当的数据处理后,该传感系统定位精度可达到50 m(为目前报道的φ-光时域反射计传感系统最高定位精度),定位范围可达到14 km,信噪比约为12 dB,且灵敏度较高.该系统可望能广泛用于军事基地、国界、核设施及监狱等重要场所的安全防范.