基于IGA-小波软阈值的MEMS矢量水听器信号去噪方法

提出了将使用新的遗传策略,将与当前进化迭代和种群平均适应度变化趋势相关的惩罚因子引入到遗传算法的自适应交叉、变异概率中,依据种群适应度集中分散程度自主调节遗传操作顺序的改进的遗传算法,并用此改进的遗传算法自适应获取最佳小波阈值,然后结合小波软阈值去噪方法对信号去噪.仿真实验和实测实验说明提出的基于改进遗传算法的小波软阈值去噪方法具有良好的去噪性能,且具有一定的稳定性.     

电子商务中人类活动的标度行为实证研究

应用去趋势波动分析法,对电子商务中人类网上购物行为进行研究,首次探讨了人类浏览及购买行为时间序列(数量波动)标度律.首先,研究发现人类网上购物行为呈现出明显的周期性,其时间序列的概率密度函数具有显著的双模态特征.其次,利用傅里叶变换方法分析浏览以及购买行为时间序列的功率谱,发现其演化过程不同于无关联的泊松过程.最后,基于功率谱过滤周期性趋势的影响,对去除周期趋势后的浏览和购买行为时间序列进行去趋势波动分析,发现其标度行为表明其具有较强的长程关联特性,且平均标度值近似为1,表明其具有自组织临界性.实证研究结果与其他领域如因特网交通流和金融市场价格波动的标度行为相似,有助于理解人类活动如何影响电子商务系统演化和提高在线商务活动效率,对分析电子商务中人类行为活动的机制和预测其波动趋势具有重要的启示作用.     

噪声模态单元预判的经验模态分解脉冲星信号消噪

为了改善脉冲星辐射脉冲信号的消噪效果, 提出了一种基于噪声模态单元预判的经验模态分解(EMD) 消噪声方法. 该方法首先利用EMD将含噪辐射脉冲信号分解为一组内蕴模态函数(IMF), 根据IMF系数的统计特性采用局部均方误差准则进行噪声模态单元预判, 并将噪声模态单元置零; 然后对噪声模态单元预判处理后的IMF以模态单元为基本单位进行最优比例萎缩消噪, 从而达到抑制噪声、保留信号的目的. 实验结果表明: 与Sure Shrink小波阈值法、Bayes Shrink小波阈值法和EMD模态单元比例萎缩法相比, 基于噪声模态单元预判的EMD消噪方法可以更有效地去除脉冲辐射信号中的噪声, 同时更好地保留信号突变处的细节信息特征, 在信噪比、 均方误差、峰值相对误差、峰位误差和相位误差等方面都有一定程度的改善. 关键词： 脉冲星信号消噪 经验模态分解 噪声模态单元预判 局部均方误差     

一种改进的小波除噪方法用于含噪ICP-AES光谱的处理

提出了一种改进的小波除噪方法。它基于噪声具有频率较高和幅度较小的特点 ,先排除信号中频率较高的成分 ,再丢弃余下的系数较小的成分。对模拟的含噪电感耦合等离子体原子发射光谱 (ICP AES)的处理结果表明 ,该法能克服小波平滑和小波去噪的一些缺陷 ,可去除更多噪声 ,而信号强度不受影响。同时 ,基线变得平坦 ,有利于峰高的定量计算。用该法处理实测ICP AES光谱 ,效果满意。     

SrO/Si(100)表面去氧过程的研究

借助高温扫描隧道显微镜和光电子能谱技术,深入研究了SrO/Si(100)表面向Sr/Si(100)再构表面的动态转化过程.Sr/Si(100)再构表面在硅基氧化物外延生长中起重要作用.在该动态转化过程中,样品在500 ℃的退火温度下,表面出现SrO晶化的现象;在550—590 ℃的退火温度下,SrO/Si(100)开始向Sr/Si(100)转化,界面和表面上的氧以气态的SiO溢出,使得表面出现大量凹槽状缺陷.并且在此动态转化过程中表面的电子态表现出金属特性,这是由于表层硅原子发生断键重排,从而在表面出现悬 关键词： SrO/Si表面 Sr/Si表面 扫描隧道显微镜 去氧过程     

一种基于重标极差方法的动力学结构突变检测新方法

提出了一种针对相关性时间序列动力学结构突变检测的新方法——滑动移除重标极差分析.数值试验表明,新方法能够准确的检测出理想序列中的动力学结构突变,其检测结果对于子序列的长度依赖性较小,而且具有很强的抗噪能力,弥补了滑动去趋势波动分析的不足. 关键词： 标度指数 滑动移除重标极差分析 滑动去趋势波动分析 动力学结构突变     

Bayer格式图像的实时彩色复原

为了减少算法的计算量,保证系统的实时性,本文针对Bayer格式图像提出了一种有效的彩色复原插值算法。插值过程中利用了人眼的视觉特性,能够更精确地得到图像的亮度信息和边缘信息。利用彩色图像的边缘特性更精确地复原了边缘处的R、G、B值。算法最终解为一系列5×5大小稀疏的线性滤波器,其复杂度低,实现简单,能在计算机各种嵌入式处理器中完成实时处理。实验证明,本算法的峰值信噪比(PSNR)比通常采用的双线性算法高4~6 db,且有效地减少了插值算法中出现的锯齿现象,使图像彩色的复原性和实时性比双线性算法更优越,具有一定的应用价值。     

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。     

灰色关联度法在工业企业去库存中的应用

工业企业为了赢得市场竞争地位,必须向市场提供质量好、人民满意的产品,这就需要处理企业库存中市场过剩的、不对路的产品,也就是开展“去库存”工作。论文通过设置与库存相关的指标,计算临界值来判断工业企业产品是否“过剩”,再通过灰色关联度法进行优化排序,确定整个工业行业“去库存”的主要抓手。研究结果表明,工业企业去库存的主要抓手有三个:一要加速库存商品资金周转;二要提高产品销售率;三要降低库存商品占流动资产的比例。论文将研究结论用于徐工集团工程机械股份有限公司,得到有效的验证。