基于多种群遗传算法和动态时间归整的智能层序地层划分对比方法——以渤南洼陷古近系下部为例

针对深层-超深层因古生物化石种类少、取心困难、标志层不稳定、层系埋藏深、地震品质差而存在的层序地层划分与对比困难的问题,提出综合利用测井、录井资料为输入参数,采用多种群遗传算法(multi-population genetic algorithm, MPGA)和动态时间归整(dynamic time warping, DTW)相结合进行渤南洼陷古近系下部层序地层的划分与对比,并以多种常规频谱分析(最大熵频谱分析(integrated prediction error filter analysis, INPEFA)、连续小波变换(continuous wavelet transform, CWT)、时频分析等)对智能划分结果进行验证。基于这种智能识别,以渤南洼陷深部地层古近系下部沙四段-孔店组为例,在渤南洼陷西部邵古1井、邵古2井古近系下部识别出沙三段/沙四段(E_(s3)/E_(s4))界面、沙四段/孔店组(Es4/Ek)界面、孔店组(Ek)底部等层序界面,将邵古1井和邵古2井古近系下部划分出4个三级层序界面并进行连井层序对比。通过与多种频谱分析方法验证结果对比发现,综合利用基于Fisher最优分割理论的MPGA对单井层序地层进行精细划分,结合DTW技术进行连井层序对比,可提高深层及超深层层序地层划分对比的准确性和可靠性。所提出的单井地层自动划分与连井对比方法能摆脱人为主观因素对层序地层划分的干扰,实现基于机器学习的层序地层智能识别,在各类岩石的层序地层对比中具有良好的应用前景。

基于动态时间归整技术的电站过程故障诊断方法

对于像电站这样的复杂工业过程,基于数学模型的故障诊断方法难以应用。为此,提出了一种基于动态时间归整(DTW)技术的故障诊断方法。该方法不依赖过程数学模型,而是基于过程数据分析来进行故障诊断,因而适合在电站生产过程中应用。首先,通过历史数据分析和过程知识,建立故障模式库。然后在故障诊断过程中利用DTW技术将检测样本与故障模式库进行模式匹配。最后根据相似性尺度找出故障模式库中与之最匹配的故障样本,从而得出诊断结果。以电站主汽温控制过程为例对该方法进行了仿真研究。实验结果表明,该方法具有较高的诊断精度,并对电站生产过程的时变特性具有良好的鲁棒性。

动态时间归整算法抑制前向散射直达波干扰

基于衍射CT成像技术,在弱散射条件下根据收发分置目标散射强度的指向分布特性,可以重建目标形状、以及周围介质的声学参数。在目标的正前方,前向散射波和直达波同时到达接收阵,特别是当目标为密度和声速接近于水的弱散射目标时,散射回波完全淹没在直达波中,抑制直达波干扰才能实现目标的识别、方位估计以及声学特性解释。基于语音识别的动态时间归整(Dynamic Time Warping,DTW)算法,是利用归整路径距离的动态规划来求解发音长短不一的孤立词模板匹配的问题。固定入射波方向,以浸没水中的无限长圆柱体目标为例获取实验数据,将DTW算法用于直达波和散射波的分离,并将消除直达波影响后的目标散射远场的强度与严格的解析结果进行了对比,结果表明DTW算法可以有效地在强直达波干扰背景中有效提取目标散射信息。

飞机牵引车语音识别的动态时间规整优化算法

为研究飞机牵引车智能语音控制,实现机场环境下牵引车对飞行员语音命令的精确、高效识别,同时针对传统动态时间规整(DTW)算法计算量大、时间复杂度高、算法识别效率低的问题,提出了一种车辆语音识别的六边形弯曲窗口约束DTW优化算法。首先,从DTW算法原理、牵引车指令的语音特性和机场环境三方面,分析了弯曲窗口对DTW算法识别精度、效率的影响;然后,在Itakura Parallelogram菱形弯曲窗口约束DTW优化算法的基础上,进一步提出了六边形弯曲窗口约束的DTW全局优化算法;最后,通过改变优化系数,实现了最优六边形弯曲窗口约束的DTW算法方案。基于孤立词识别的实验结果表明,所提最优算法与传统DTW算法、菱形弯曲窗口约束的DTW算法相比,识别错误率分别降低77.14%和69.27%,识别效率分别提高48.92%和27.90%。该最优算法更具鲁棒性、时效性,可以作为飞机牵引车智能控制的理想指令输入端口。

基于电压曲线诊断锂离子电池的故障

锂离子电池在电动汽车中应用广泛,电池的不一致性故障与内短路故障是电动汽车的严重安全隐患。采用绝对中位差方法来放大电池组故障电池的电压特性;再利用非局部均值滤波算法进行滤波,得到平滑的故障电压特征;最后,通过动态时间归整(DTW)算法计算特征值曲线之间的相似度距离,实现故障电池自动定位。使用运行车辆电压数据进行验证,发现该诊断方法对两类故障车辆均具有良好的检测效果:一是故障电池DTW距离长期偏离其他电池的不一致性故障车辆;二是故障电池DTW距离短期偏离其他电池的内部短路故障车辆。与余弦相似度进行对比,验证所提方法的准确性更高。

基于像元级SAR图像时间序列相似性分析的水体提取

针对SAR图像数据集的特点,提出了一种基于像元级图像时间序列相似性的水体提取方法。其基本思想是:构建像元级SAR图像时间序列,选取动态时间归整(dynamic time warping,DTW)算法作为时间序列相似度的度量方法,计算所有像元与标准水体像元时间序列的相似性;将水体边缘混合像元的DTW距离值设定为参考阈值,采用阈值法提取相似性较高的时间序列数据,其对应的像元即被识别为水体像元;最后利用每个像元的DTW距离值代替其后向散射值,采用8邻域搜索方法提高水体识别的精度。以2008年1—12月获取的25景分辨率为150 m的ENVISAT ASAR图像进行水体像元提取试验,结果表明,该方法的完整率和正确率均较高,能够应用于大范围区域水体的提取与制图。

基于K-means-LSTM模型的证券股价预测

鉴于股票数据具有非平稳、非线性等特征,传统的统计模型无法精准预测股票价格的未来趋势。针对这个问题,构建一种混合深度学习方法来提高股票预测性能。首先,通过将距离算法修改为DTW(动态时间归整),令K-means聚类算法拓展为更适用于时间序列数据的K-means-DTW,聚类出价格趋势相似的证券;然后,通过聚类数据来训练LSTM(长短时记忆网络)模型,以实现对单支股票价格的预测。实验结果表明,混合模型K-means-LSTM表现出更好的预测性能,其预测精度和稳定性均优于单一LSTM模型。

基于改进型DTW的语音识别系统的设计与实现

大部分系统使用深度学习技术完成语音识别任务,并取得良好的效果。但是,基于深度学习的语音识别技术对计算机硬件算力的要求较高,同时需要大量的语音样本对语音识别模型进行训练。针对这些问题,基于改进后的动态时间归整(Dynamic Time Warping,DTW)算法设计并实现了一个语音识别系统。

基于改进自适应协同滤波算法的混沌信号去噪

协同滤波去噪算法能充分利用混沌信号的自相似结构特征,具有良好的去噪性能。本文针对传统的自适应协同滤波算法中相似块提取不灵活以及聚合重构过于简单等问题,通过错位搜索的方法优化了相似块的提取,并采用动态时间归整算法(DTW)对聚合重构部分进行了改进。仿真实验的结果表明,在不同的噪声水平下,本文提出的方法均优于传统的自适应协同滤波算法。相较于小波滤波、高斯滤波以及经验模态分解等去噪方法,本文提出的方法在处理长期的混沌信号时具有更好的表现。The collaborative filter denoising algorithm can make full use of the self-similar structure characteristics of chaotic signals and has good performance. In this paper, for the problems of inflexible extraction of similar blocks and oversimplified aggregate reconstruction in the traditional adaptive collaborative filtering algorithm, the dislocation search method is used to optimize the extraction of similar blocks, and the Dynamic Time Warping (DTW) is used to improve the aggregation reconstruction. The simulation results show that the proposed method is superior to the traditional adaptive collaborative filtering algorithm under different noise levels. Compared with wavelet denoising, Gaussian filtering and empirical mode decomposition, the proposed method has better performance in dealing with long-term chaotic signals.

基于梅尔频率倒谱系数的语音清晰度DRT识别

语音清晰度在通信终端、设备系统语音识别方面具有重要意义。本文对110dB噪声干扰下采集到的语音信号进行谱减法降噪,双门限端点检测提取发音字段,然后提取梅尔频率倒谱系数(MFCC),再将其进行差分计算,得到一阶和二阶分量,结合短时能量作为语音信号的特征参数,最后通过动态时间归整(DTW)进行相似度识别。实验表明,本文算法对汉语清晰度诊断押韵测试(DRT)字表的测试结果高达92.90%,有良好的识别率。

一种基于移动终端的新型计步方法

近年来,随着微电子技术和计算技术的发展以及智能手机和穿戴设备的普及,生物信号处理以及模式识别成为工程领域的热门话题.由于中国人口老龄化,适宜的身体锻炼和健康医疗已经成为社会关注的热点.计步器作为一种运动检测设备进入到人们生活中,同时智能手机上有计步功能的应用软件得到普及,但是目前的计步算法不能很好地去除人们生活中产生的噪声,影响计步精度,该文提出了一种高精度计步方法,目标是去除计步算法中的噪声,减少其他因素对计步的影响.该计步方法基于智能手机中加速度传感器的三维离散信号,对三维信号进行分析,提取信号中的特征,最终高精度地统计人行走的步数.该文首先对加速度传感器三维信号的选取进行了讨论,采取平滑滤波算法对信号进行去噪,接着提取信号中的特征并使用M5算法对信号进行分类,最终对有效信号采取动态时间归整(Dynamic Time Warping,DTW)算法进行计步.该文最后对此计步方法的精度和抗干扰能力进行评测,证明该方法在统计步数上具有较高的精度和抗干扰能力.

车载语音识别系统设计与试验

用改进的动态时间归整(DTW)算法进行语音辨识,设计了语音识别系统软件,以SPCE061A单片机为核心设计了车载语音识别系统的电控单元(ECU)。在车内不同噪声环境下进行了语音识别试验,结果表明语音识别率随着车内环境噪声的增加而下降,随着语音字数的增加而降低;在车辆怠速车内噪声小于50 dB(A)的环境中2字语音平均识别率为90%、4字语音的识别率为85%;在车辆定置油门半开、车内噪声为60～70 dB(A)的环境中,2字语音平均识别率为85%、4字语音的识别率为80%。

基于最大相关-最小冗余的动作识别算法

为了提高动作的识别精度与鲁棒性,降低冗余特征,提高算法效率,设计了一种基于最大相关-最小冗余(Max-Correlation and Min-Redundancy,MCMR)的动作识别算法.首先,为了消除噪声影响,减少计算成本,利用符号聚集近似(SAX)技术将连续图像序列转换为离散符号;其次,为避免出现时间漂移问题,利用动态时间归整(Dynamic Time Warping,DTW)来计算符号特征的距离,提取符号序列的特征;然后,为了消除冗余的特征,定义了一个特征权重,根据权重对特征进行降序排列,引入最大相关-最小冗余技术消除相关性弱的特征,筛选出具有高相关性和低冗余的特征;最后,为了完成动作识别,根据筛选出的特征,利用k-近邻(K-Nearest Neighbor,KNN)进行分类器学习.结果表明:与当前动作识别算法相比,本文算法能够有效完成动作的识别与理解,具有较高的识别率,有效地降低了冗余特征,提高了算法的效率和鲁棒性.

一种新颖的混合语音检索算法

提出了一种新颖的混合语音检索算法。利用ICA的盲分离特性,将包含两个人声音的混合语音分离成只含一个人的单一语音,以分离出来的单一语音为新样本建立新的语音库,并与基于混合语音的语音库建立链接关系。查询时,利用DTW技术进行匹配检索,实现了基于混合语音的检索功能。实验表明该方法能够在混合语音中查询到用户所要求的记录。

数据流上快速子序列匹配

数据流技术目前已广泛应用于金融分析、网络监控及传感器网络等诸多领域,而已有的相似性匹配技术主要针对时间序列数据库,难于直接应用于高速、连续、实时、海量的流数据,因此在数据流上渐进、实时地进行子序列匹配成为一个极具价值和挑战性的问题。在动态时间规整技术的基础上,设计了一种新颖的界限机制,充分利用相似性阈值,尽量减少冗余计算,算法完全符合数据流"单遍扫描"的性能要求,并通过大量的模拟和真实数据实验表明:与现有的SPRING算法相比,在不损失任何算法精度的前提下,仅增加几个字节的空间开销,速度至少提高3倍。

基于DTW直方图的电力负荷数据聚类算法

针对电力负荷数据聚类过程中K均值算法人为指定聚类个数,导致聚类结果陷入局部最小解的问题,提出了基于动态时间归整(DTW)直方图的电力负荷数据聚类方法。利用主成分分析(PCA)法对高维电力负荷数据进行降维;引入直方图法确定负荷数据的初始聚类数目;通过DTW将负荷曲线分为K个类别;在MATLAB仿真平台上验证了该方法的有效性。实验结果表明:本文提出的算法在电力负荷数据聚类分析时减少了运算过程的迭代次数,加快了算法的收敛速度,并且聚类数目达到全局最优解的效果。

基于Radon变换的特征提取在步态识别中的应用

步态识别主要通过人体走路的姿势来识别人的身份.从经过背景减除后的人体运动图像序列中,根据面积变化确定运动周期,提取人体宽度信息,对下肢进行Radon变换,经处理后提取运动角度信息.对所得到的信息主分量分析变换后进行动态时间规整,采用最近邻分类器分类.该方法可以有效地降低人体运动时身体自遮挡及影子带来的影响.在小数据库上取得了很高的识别率.实验结果表明该方法有效.

基于DTW算法的语音识别系统实现

动态时间归整 (DTW )算法的实现简单有效 ,在孤立词语音识别系统中得到了广泛的应用。介绍了将DTW算法移植到TMS32 0VC5 40 2上实现孤立词语音识别的原理、系统硬件组成和软件设计。研究结果表明 ,系统能满足实时性能要求 。

基于DTW和HMM算法的语音识别系统对比研究

论文在语音信号分析的理论基础上,研究了基于模型补偿的识别算法,对比了语音识别最常用的两种算法:动态时间归整算法(DTW)和隐马尔可夫算法(HMM),并针对两种算法的不足进行了改进。基于改进后的算法在MATLAB环境下搭建了孤立词语音识别系统,提高了识别率,节省了运行时间。

基于RFID的免携带设备手势识别关键技术研究

近年来手势识别作为人机交互的重要组成部分,受到广泛的关注.很多应用受益于手势识别,比如智能手机、智能家居、体感游戏等.与现有基于射频识别(radio frequency identification,RFID)的手势识别系统相比,基于RFID的免携带设备(device free)手势识别方法,不需要用户携带任何设备,因此有更好的用户体验.其主要思想是利用手势动作对信号的干扰信息作为指纹特征,并且利用多径增加匹配难度,从而保证了手势识别的准确度.具体思路为:通过数据分片解决RFID通信在时域上不连续的问题,进而采用雷达中合成孔径雷达(synthetic aperture radar,SAR)算法获取每个手势对应的指纹特征矩阵.最后,借鉴动态时间归整(dynamic time warping,DTW)算法匹配先验手势指纹库,从而完成手势识别.真实环境下的实验结果显示该方法可达到约85%的正确识别率,证明给出方法具有很高的可行性.