微弱信号混沌检测系统的噪声分离研究

混沌学是目前非线性科学研究中的热点之一.传统的微弱信号混沌检测技术在信号存在噪声的情况下暴露出许多不足之处,如去噪能力较差、检测精度不高等,本文基于前人的研究基础,提出了一种改进小波变换算法的微弱信号混沌检测系统的方法,通过仿真实验可知能够将该方法运用到微弱信号检测.具体方法是对传统小波变换算法的变换域变量进行离散化,目的是消除变换中的冗余,之后采用阈值折衷策略对小波系数进行阈值优化,处理后的小波算法将应用于微弱信号混沌检测系统中,周期策动力为有限离散处理后的含噪信号并入混沌系统,从而实现含噪情况下的微弱信号检测.一系列仿真实验表明,提出和改进的小波变换算法的去噪效果要优于传统小波变换算法,同时在微弱信号混沌检测系统的应用中,改进算法的检测精度和鲁棒性更好.     

基于RANSAC的鸡蛋凹陷检测

现代化的蛋品加工业中,传统的照蛋检测鲜有鸡蛋凹陷缺陷检测。为了实现快速在线检测,提出一种基于RANSAC的鸡蛋凹陷检测系统设计方案。在工业生产线上,将鸡蛋图片进行灰度转化、阈值分割、最小外接矩形法、角点检测,最后用多模RANSAC算法拟合蛋形曲线。通过对拟合蛋形曲线和鸡蛋壳曲线的比较,判断是否为凹陷鸡蛋,该算法的多模平均拟合时间为每个0.45s,检测精度达到91%,证明算法具有较强的鲁棒性和实时性。     

基于改进慢特征分析的CSTR故障诊断方法与实验平台

针对传统慢特征分析（SFA）无法充分解析连续搅拌釜式反应器（CSTR）非线性特性问题,提出一种改进的慢特征分析故障诊断方法——随机傅里叶SFA(RFSFA),并开发了相应的仿真实验平台。该方法引入随机傅里叶映射技术实现过程变量的非线性变换,进而利用慢特征分析建立非线性统计监控模型。为了避免模型随机参数的影响,应用贝叶斯推理理论构建了集成学习模型。为验证该方法的有效性,设计了一个CSTR故障模拟与算法测试实验平台,包括正常工况模拟、故障工况模拟、故障检测等多个子系统。测试结果表明,RFSFA方法具有比传统SFA方法更好的故障检测性能,所开发的实验平台易于操作,开放性好,能够很好地验证算法的有效性。     

基于SURE小波与ITD法的电力系统模态辨识

针对因互联系统稳定性的下降引起的低频振荡事故,提出了基于无偏似然估计(stein unbiased risk estimate, SURE)的自适应小波阈值与固有时间尺度分解(intrinsic time-scale decomposition, ITD)的联合辨识算法,以解决在低频振荡的关键模态辨识中提取出的参数精度不够准确的问题。对含有噪声干扰的信号进行小波变换得到其小波系数,根据信号特点按照最小均方误差算法估计其最优阈值,从而进行小波系数的筛选和信号的重构,得到去除噪声后的信号。对处理后的信号进行固有时间尺度分解,构建相应的信号测点矩阵并求解矩阵的特征值,获取系统的关键振荡参数。采用数学测试信号、PSASP软件中的8机36节点仿真系统信号以及实测信号,验证了所提方法对实际电网是有效可行的。     

基于改进阈值函数的小波去噪算法研究

为更好地消除心电信号（ECG）处理过程中存在的基线漂移、工频干扰和肌电干扰等噪声,提出一种基于改进小波阈值的去噪算法。该算法选定 coi5 作为小波基进行分解,选取分解尺度为 8 层,使用改进的阈值选取方法对每一层信号系数进行去噪。该阈值函数不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差,同时具有良好的自适应性。实验结果表明,该方法与传统阈值法相比,信噪比提高了24.26%,均方误差降低了 21.42%;与当前国际上先进的去噪算法相比,信噪比提高了 2.01%,均方误差降低了6.9%,去噪效果显著提升,验证了该算法的有效性。     

改进EEMD算法在缸盖振动信号降噪中的应用研究

针对常规降噪方法应用于柴油机缸盖振动信号降噪时,自适应差且需要根据噪声环境人为调整参数的问题,在传统EEMD算法基础上提出一种改进的EEMD降噪算法,并将其应用于柴油机缸盖振动信号处理。首先对原始信号进行预处理,其次利用总体经验模态分解（EEMD）算法在非线性、非平稳信号处理时的自适应特性,分解原始信号得到各阶本征模态分量,经Savitzky-Golay平滑滤波,再将噪声占主导的高频分量进行阈值去噪,最后得到干净的本征模态分量进行重构。仿真实验和实测结果表明,在输入信号12dB的多种输入信号工况下,改进EEMD算法去噪后信噪比为17.1,比现有去噪方法提升14%。     

基于示波法和累积分布函数估算的血压测量方法

传统示波法及其改进算法基于袖带振荡波峰值点拟合进行血压平均压计算,涉及较多矩阵运算,实时性不足,此外确定收缩压和舒张压采用的幅度系数普适性较差。因此,提出一种新的测血压方法。首先采集振荡波峰值点,同时处理干扰点;然后对峰值点归一化处理后再进行累加,根据高斯累积分布函数的特性确定平均压;最后由变幅度系数法求取收缩压和舒张压。将该方法应用于测血压装置,以基于听诊法的水银血压计测量结果作为参照对象。实验证明,该方法准确度性能指标满足美国AAMI标准,且重复精度高于听诊法。     

基于小波变换的自学习QRS特征提取算法研究

为进一步提高QRS波检测算法性能,提出一种基于小波变换的自学习QRS特征提取方法。使用小波变换进行信号去噪,在选取阈值时依据各层数细节系数添加阈值系数,充分保留心电信号有用特征成分,降低小波重构失真度。在QRS波检测过程中使用自学习差分阈值法实时对R点阈值进行更新,能提高算法抗干扰能力。通过对MIT-BIH数据库心律失常信号处理的实验表明,该算法得到了较高的SNR值与较低的MSE值,QRS波识别精度达到了99.554%,具有更高的有效性。     

基于谱减法和短时能量的语音端点检测方法

语音端点检测在语音信号处理中是一个很重要的方面,在分析了传统的能量阈值的端点检测算法基础之上,针对其不足,笔者提出了一种基于谱减法和短时能量的检测方法。它结合语音增强,进行自适应门限判决。实验结果表明,与传统的能量阈值法比较,该方法在低信噪比的情况下具有较高的准确率和稳定性,是一种简单有效的方法。     

NFOA-BP融合算法及其在焚烧炉温度控制中的应用

污泥焚烧炉温度控制过程中,由于投入污泥块热值不均以及外界环境干扰,传统的PID控制不能快速稳定地将炉温控制在所需范围内。为适应环境变化,实现更高效的炉温控制,提出一种基于NFOA-BP算法的污泥焚烧温度控制方法。该方法将改进型果蝇算法与BP神经网络结合,通过NFOA算法优化神经网络的初始权重和阈值,进而提高神经网络的全局搜索能力。将NFOA-BP算法应用于污泥焚烧炉温度控制系统,与传统PID温度控制系统进行仿真对比实验。结果表明该系统响应平稳、迅速,超调减小,正确率达到95%以上,比传统PID调节方法提高5%左右。     

遗传算法优化BP神经网络的非线性函数拟合研究

传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度.     

基于DSP实现与小波算法电磁辐射信息的重建

采用传统的信号处理方法,有时很难把噪声和信号分开,文章针对这种情况,在提取被环境噪声淹没的电磁辐射信息时,把小波收缩算法引入到电磁辐射信息的重建工作,讨论了非线性阈值函数的设定,并对二维文字信息做了仿真实验,以及运用MATLAB/Simulink辅助工具自动生成该算法的DSP代码。     

电力系统混沌振荡的滑模变结构控制

为了消除电力系统的混沌现象,克服其对大面积电网的不利影响,对电力系统的四维非线性模型进行了复杂动力学特征分析,包括相轨迹图、分岔图、庞加莱映射图,这些特征加深了对其混沌振荡的认识.为了保证系统控制的鲁棒性,设计了滑模变结构控制器,并用Lyapunov稳定理论证明了系统的稳定性,将混沌振荡系统控制到稳定的系统.用Matlab模拟验证其有效性,结果证明该方法能够有效抑制电力系统的混沌现象.     

基于卷积神经网络的轨道扣件状态检测

为提高铁路轨道扣件状态检测的效率和准确率,提出基于卷积神经网络的轨道扣件状态检测算法。通过原始图像数据增强、采用修正线性单元、引入弃权技术等优化方法,减小过拟合,提高卷积神经网络的泛化能力。经试验对比,该算法不需要进行特征提取等预处理操作,有效地解决了训练精度和泛化能力差的问题,准确率达到98. 1%,优于传统基于特征提取的图像识别算法。     

基于遗传模拟退火的小波去噪算法在局部放电信号检测中的应用

提出一种基于遗传模拟退火的小波去噪算法,用于变压器局部放电脉冲信号去噪.对局部放电信号进行分解,采用基于SURE的最优阈值法则,结合遗传算法搜索最优阈值.仿真结果表明,该方法与传统阈值法相比,能更好地去除局部放电信号中的白噪声,去噪信号失真度较小,具有良好的应用价值.     

基于多线激光雷达的道边检测算法

为了让智能汽车辨识可行驶区域,道边检测是前提。使用多线激光雷达,通过对大量道边点数据进行分析,提出一种道边检测与跟踪算法。首先,通过分析扫描点特征,建立多阈值筛选算法,提取出有效道边点集;其次,采用基于K-means改进的聚类算法对有效道边点集进行聚类分析,得到左、右两侧的道边点集;最后,使用最小二乘法拟合得到左右道边。经过实际验证,该算法道边检测准确,处理每帧数据平均仅需34ms。     

基于AdaBoost算法与改进帧差法的动态行人检测

针对传统基于HOG特征与AdaBoost算法分类器在目标检测中存在检测速度慢、误差率大的问题,提出一种基于改进帧差法与AdaBoost算法相结合的动态行人检测方法。帧差法是运动目标检测的一种算法,能够将运动中的区域很好地显示出来。改进的帧差法不再单一使用一个阈值,而是利用多个阈值,以更好地分割出检测行人,再通过分类器进行多尺度检测来确定目标。该方法减少了传统HOG特征的检测时间,能够更快地找出感兴趣区域,并提高检测速度和误差率。     

基于拟合的亚像素边缘检测的算法比较

针对传统的边缘检测算法精度不高,提出了基于不同核函数的最小二乘拟合的亚像素边缘检测算法。采用Canny算子对图像边缘进行粗定位,再以基于梯度幅值拟合的高斯函数与基于灰度值拟合的反正切函数和双曲正切函数作为拟合核函数,对一幅拍有标准量块图像的边缘进行检测,结果表明该算法能够有效的进行亚像素边缘检测。     

基于VMD分解和小波阈值的语音信号去噪

为了对非平稳、非连续的语音信号进行降噪,提出一种基于VMD分解和小波阈值的语音降噪方法。通过仿真信号对比分析了VMD、EMD和EEMD算法对信号分解中存在的伪分量、模态混叠问题。先用VMD对语音信号进行分解,再利用小波阈值降噪。实验结果表明,该降噪方法明显优于小波阈值的语音信号降噪、基于EMD和小波阈值的语音信号降噪以及基于EEMD和小波阈值的语音信号降噪。     

基于多点随机搜索的自适应随机共振信号检测系统

提出了一种基于多点随机搜索算法的自适应随机共振系统模型,并以LabVIEW为平台开发了自适应随机共振微弱信号检测系统.该检测系统以典型非线性双稳系统为信号处理核心,以系统输出信噪比为优化目标函数,采用多点随机搜索算法自适应调整系统结构参数,使系统处于随机共振最佳状态,并获取微弱信号的频率特征值.利用该系统可测试各种系统参数及高斯噪声对随机共振的影响.实验结果表明,该系统检测效果良好,具有较好的应用价值.