变分模态分解联合改进小波阈值函数的PPG降噪算法

针对PPG信号采集过程中存在大量混合噪声的问题,提出一种变分模态分解（VMD）改进小波阈值降噪的降噪算法。首先通过傅里叶变换得到脉搏波信号频域信息,确定分解个数和主频率;然后利用变分模态分解算法将含噪声的PPG信号分解为一系列固有模态分量,分解过后确定各分量的中心频率,并筛选有效固有模态分量;最后利用改进后的小波阈值函数对残余噪声进行降噪处理,避免了软阈值的恒定偏差,又保证了阈值函数的连续性,降噪后的信号与原始信号相关系数均值为0.934 7,比变分模态分解方法重构信号提升了7.1%。与其他降噪算法相比,信噪比分别提高了5.77 dB、5.38 dB、4.5 dB,均方根误差分别降低了26.1%、16.8%、7.4%。实验结果表明,通过理论计算、数值模拟和应用研究验证了所提方法的有效性和优越性,在滤波效果和信号保真度之间取得了很好的平衡。     

基于VMD模态分量的高压断路器分合闸线圈电流特征值提取

高压断路器分合闸线圈电流波形中包含着丰富的断路器操动机构和控制回路的状态信息,分析分合闸线圈电流的特性对断路器的状态监测、故障诊断具有重要意义。文中提出一种基于变分模态分解（VMD）模态分量的高压断路器分合闸线圈电流特征值提取方法;通过变分模态分解算法对分合闸线圈电流进行分解,并确定有效反映线圈电流关键信息的模态分量;随后采用削波方式处理模态分量以提取线圈电流波形关键时间点及对应电流特征值。基于断路器实验平台采集的数据样本的实验验证结果表明,该方法能够准确有效地提取分合闸线圈电流关键特征值。     

基于QR码的Contourlet-SVD域全息水印算法

为了解决水印算法中存在水印隐藏程度和鲁棒性的失衡问题,在Contourlet-SVD域将QR(quick response)码与全息技术相联合,提出一种基于QR码的Contourlet-SVD域数字全息水印算法。首先,选择不同的载体图像执行3层Contourlet变换,鉴于低频系数的优势,对低频进行奇异值分解(singular value decomposition,SVD)联合变换;其次,选择“飞行学院”图像经过QR编码生成的QR码作为原始水印图像,对其进行共轭对称扩展傅里叶数字全息,得到QR码全息水印;再次,将全息水印叠加到SVD分解得到的奇异值中,完成水印信息的嵌入。通过仿真实验验证,该算法嵌入水印信息后的图像清晰度较好,峰值信噪比(peak signal-to-noise ratio,PSNR)超过了31 dB,相似性系数NC(normalized correlation)值达到了0.989 0。将图像进行抵抗测试,提取的水印信息可以较清晰地辨别,尤其是椒盐噪声、高斯噪声和中通滤波攻击,NC值均达到0.90以上。     

基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法

为了充分挖掘不同尺度影响因子对短期电力负荷的影响,以及解决预测精度受数据非平稳特性影响的问题,提出了一种基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法。该方法先采用变分模态分解(Variational Mode Decomposition, VMD)将历史负荷分解为若干平稳性好的本征模态函数(Intrinsic Mode Function, IMF)分量,再把VMD分解得到的各个历史负荷的IMF分量和气象数据分别送入时间卷积网络(Temporal Convolutional Network, TCN)进行特征提取;将所有TCN网络提取的特征融合为一个新的特征向量;最后将融合得到的特征向量与经过One-Hot编码的日期因素特征向量拼接,把拼接得到的向量送入随机森林网络进行预测。通过公开的电力负荷数据集对本方法进行验证,结果表明所提方法与现有模型相比具有更高的预测精度。     

基于改进的CKF低轨卫星多普勒定位解算

针对低轨卫星多普勒定位中最小二乘法(the least squar method, LSM)和扩展卡尔曼滤波(extended Kalman filter, EKF)带来的解算误差,采用容积卡尔曼滤波(cubature Kalmanfilter, CKF)算法的思想来进行定位解算。首先设计了一种基于GeoSOT剖分网格的初值搜索方法进行粗定位,避免迭代发散;在解算过程中,对CKF进行改进,用QR分解代替其中的Cholesky分解,防止误差协方差矩阵非正定导致计算终止;最后以铱星星座对地面站的静态定位为例,通过STK 进行仿真验证算法的有效性。结果表明,改进的CKF(improvedCKF, ICKF)算法对于目标的定位误差在百米以内;且相较于LSM 和EKF,定位精度大约可以提高17%。     

基于压缩感知的BOTDA性能增强方法

为了提高布里渊光时域分析系统(BOTDA)在长距离监测应用中的实时性,提出了一种基于压缩感知的布里渊光时域系统实时性增强方法。该方法包含稀疏表示、随机采样和信号重构三个部分。首先采用K-均值奇异值分解算法获得布里渊增益谱的稀疏表示,然后通过高斯随机采样和正交匹配追踪算法进行布里渊增益谱重构。为了验证所提方法的性能,仿真生成了不同信噪比水平的布里渊增益谱,搭建了45 km的布里渊光时域系统进行温度传感实验。仿真和实验结果表明:在累加平均次数为100时,所提算法将信噪比提升了6.37 dB,优于累加平均次数3000时的10.13 dB,对应测量时间减少了1/30;采用8 MHz步长数据重构布里渊增益谱,该方法的重构结果与4 MHz步长数据的相关系数为0.9992,对应扫频时间减少了一半。所提算法在保证测量精度的同时提升了测量实时性。     

基于光纤传感的呼吸与心跳信号采集方法

为了实现无束缚式的居家健康生理信息检测,提出了一种基于光纤布拉格光栅传感器的呼吸与心跳信号采集方法。针对信号在测量过程中存在的噪声干扰问题,提出了一种变分模态分解联合改进小波阈值函数的降噪算法,首先利用变分模态分解去除信号中的大部分高频噪声,其次利用改进的小波阈值函数去除信号中的残余噪声。利用带通滤波器将降噪后信号中的呼吸与心跳信号分离并计算其频率。实验结果表明,该方法获得的心率的最大误差率为8.75%,呼吸的最大偏差为1 beat/min。     

面向视角非对齐数据的多视角聚类方法

如何在视角对齐关系错位时有效进行非对齐多视角学习是一类新的挑战性问题。针对这一问题,提出面向视角非对齐数据的多视角聚类方法。一方面,为了捕获多视角异构特征的跨视角相似度信息,基于多视角非负矩阵分解进行表示学习,将原始特征嵌入一个可度量的低维同构空间。另一方面,在低维同构空间中,以二部图最优匹配模型建模视角对齐关系,并提出参考视角概念将模型推广至多视角情形。将表示学习和视角对齐关系学习整合到统一的Bi-level优化框架,使其在迭代中相互促进,进一步提高模型对视角非对齐数据的学习能力。在视角非对齐数据聚类应用上的大量实验结果表明,相比于8种先进的多视角聚类方法,所提方法在3个数据集上的多项性能指标均取得了较优的性能。     

基于SAR极化特征的SVM道路提取方法研究

SAR图像中道路提取在路网规划建设、灾害监测等领域具有重要的应用价值.传统SAR图像道路提取方法多是基于SAR图像的幅值特性进行提取,缺少对极化特性的解译.此外极化分解方法多应用于水体提取、地物分类、建筑物提取等,较少应用于道路提取.针对现有的道路提取方法数据质量要求高、全极化道路提取研究较少、全极化数据源相干斑噪声影响大的问题,本文首先对全极化数据进行多视处理、滤波去噪预处理,并通过极化分解方法获取20维极化特征散射分量.其次,从散射机理的角度出发,构建鉴别道路信息的最优极化特征矢量.最后,通过SVM分类器得到初步道路提取结果,并通过数学形态法提取道路数据.实验结果表明,该方法达到了98.4%的Acc和65.3%的Iou,具有提取精度高、应用范围广的优点,充分利用高分辨率SAR数据的极化信息,可有效应用于SAR图像的道路提取方法研究中.此外,区分于将光学道路提取的方法直接套用到SAR图像道路提取研究,本文探索了极化特征在SAR图像道路提取中的应用表现,为SAR图像道路提取研究提出新模式新思路.     

光伏电站直流单导线载波通信信号提取方法

由于传统方法在实际应用中对于光伏电站直流单导线载波通信信号提取得不够全面,提取率较低,为此提出光伏电站直流单导线载波通信信号提取方法。使用GUHN-2554无线传感器读取到载波机上原始通信信号;通过对原始通信信号进行经验模态分解,得到不同时间尺度下的特征参数;再根据特征参数,通过独立分量分析计算出逼近特征参数值的通信信号,将其从混淆信号中分离出来,从而完成了光伏电站直流单导线载波通信信号提取。经实验证明,应用此次设计方法可以基本全面提取到载波通信信号,提取率远高于传统方法,更适用于光伏电站直流单导线载波通信信号提取。