基于方向经验模型分解的图像修复方法

本文提出了一种基于方向经验模型分解的图像修复方法,通过方向经验模型将待修复图像进行分解,然后在各级分解图像上根据待修复区域边界上像素点的梯度特征计算填充优先级,并利用方向经验模型分解得到的频率特征值结合纹理合成的方法完成该级图像的修复,同时采用相关搜索来完成各级图像的相应修复,最后将其进行合并,得到最终的图像修复结果.实验结果表明,该算法能够修复较大尺度缺损区域中的结构和纹理信息.

基于方向经验模型分解的纹理合成

提出的纹理合成算法首先将样本纹理通过方向经验模型分解求得其固有方向;然后在该方向上进行方向经验模型分解,获得一系列分解图像;在各级图像上应用方向经验模型分解提取出的特征值来搜索匹配块,采用相关搜索来完成各级图像的合成;将其进行合并,得到在该方向上的合成图像;最后沿固有方向进行逆旋转变换,得到最终的合成结果.实验结果表明,该算法不仅合成质量高,而且简单、快速.

应用奇异值分解与二维经验模型分解提取金矿化致矿重力异常

奇异值分解(singular value decomposition,SVD)和二维经验模型分解(bi-dimensional empirical mode decomposition,BE-MD)2种方法用于鲁西铜石金矿田的金矿化致矿重力异常提取。通过对比研究得出如下结论:①基于重力数据,由BEMD和SVD 2种方法获取的铜石金矿田的控矿因素是一致的,为重力负异常的近圆形铜石侵入杂岩体和环绕铜石侵入杂岩体的表现为正异常的接触交代矿化带。②2种方法一致地揭示了控矿因素和不同类型金矿化之间的空间关系:斑岩型金矿化位于杂岩体内,矽卡岩型铁-铜-金矿化位于内接触交代带,卡林型和隐爆角砾岩型金矿床位于外接触交代带。③BEMD的分解结果不但反映了控矿地质体单元(铜石杂岩体)的空间分布特征,亦反映了铜石金矿田的其它地质单元,如NW向表现为明显重力负异常的中生代火山沉积盆地,位于铜石侵入体与中生代火山沉积盆地之间的表现为重力正异常的NW向基底隆起。而由SVD获取的致矿重力异常,更确切地揭示了铜石侵入体和环形接触交代带内部的精细结构特征,环形接触交代带内部具岛状形态的正重力异常可能代表铁-铜-金矿化矽卡岩体。④虽然2种方法在原理和过程方面都不同,但具有明显地质成矿意义的金致矿异常皆可通过各自定义的带通滤波器获取。⑤在成矿地质背景的约束下,由这2种方法获取的综合研究结果比其中任意一种方法获取的结果更全面客观地揭示了控矿因素与金矿化的空间关系。

经验模型分解在手写体数字识别中的应用

将经验模型分解方法应用于手写体数字识别,提出了一种新的识别方法.该方法基于字符的轮廓信息特征,具有平移不变性、缩放不变性、旋转不变性.本文基于分段线性逼近方法提取手写体数字图像的外轮廓,由外轮廓数据构造一个信号s(t),对s(t)进行经验模型分解以抽取它的第一个内蕴模式函数并计算该内蕴模式函数的瞬时频率,选取5个较大的瞬时频率值以及它们之间的时间间隔作为9个特征值;然后对s(t)的波形再重采样16个点作为16个描述s(t)的波形的特征值;最后,采用基于反向传播算法的有多个多输入单输出形式的三层前馈神经网络进行分类与识别.实验结果表明该方法获得了97.5%以上的正确识别率.

基于聚类经验模态分解和差分熵的输电线路故障测距研究

为提高输电线路的故障测距精度,提出了一种基于聚类经验模型分解(EEMD)和差分熵(DE)的输电线路故障行波测距方法。首先利用改进的差分熵信号处理方法对输电线路电流进行熵值计算,通过与正常电流熵值的对比,判断电流是否发生突变。然后采用EEMD分解对发生突变的故障电流进行处理,有效去除故障信号中的噪声,避免模态混叠,获取准确反映故障信息的IMF分量。随后对分量实行差分熵方法中的差分分析,将电流的变化幅度进行有效量化,并建立每个信号点的变化程度与时间的对应关系,从而解决波头位置难以确定的问题,获得故障初始行波到达每个监测点的准确时间。最后利用行波双端法,实现输电线路的故障测距。仿真结果表明,该方法能够较好地解决故障测距时存在的信号噪声和波头测量时间不准确的问题,有效提高故障测距的精度。

基于需求相似性的多源旅游客流预测模型

旅游需求预测研究已成为旅游业发展的重要环节,旅游量变化之间存在相关性和协同效应,彼此靠近的旅游目的地可能具有相似的旅游需求模式。研究选取了2022—2023年具有相似性的景区旅游游客数据构建旅游趋势预测模型,通过皮尔逊相关系数(PCC)、多元经验模态分解模型(MEMD)挖掘周边景区与目的景区旅游行为的映射关系,同时为不同的分量匹配合适的预测模型。研究发现,考虑需求相似性有助于提升预测精度。

基于轨道车辆频域模型的二系垂向悬挂元件状态监测

基于轨道车辆动力学的频域模型对悬挂元件的状态监测问题展开讨论。以二系垂向悬挂元件故障为例,应用聚类经验模型分解方法(EEMD)分析悬挂元件故障对车体加速度的影响,并基于转向架与车体之间的动力学联系,设计了状态监测算法。研究结果表明:悬挂元件的故障发生在前转向架或后转向架对车辆动力学特性造成的影响不同,有必要对前、后转向架的悬挂元件分别建立状态监测变量;数值仿真试验说明,本文设计的悬挂元件状态监测算法能有效识别分属前、后转向架悬挂元件的工作状态,满足实时状态监测的要求。

基于LMDI和EMD模型的中国玉米产量变化及其波动性研究

采用对数平均迪氏分解模型(LMDI)、经验模态分解模型(EMD)和方差分解模型(VDM),系统分析1978—2012年中国玉米产量的变化趋势和波动特征。结果表明,35年间玉米产量增加1.50×108 t,东北区和黄淮海区的玉米生产优势进一步凸显;玉米播种面积效应和玉米单产效应分别为0.79×108和0.71×108 t,播种面积是中国玉米产量快速增加的主要因素。玉米产量以趋势增长为主,且存在3年左右的准周期波动,玉米单产波动是准3年周期波动的主要影响因素。从八大粮食产区看,黄淮海区玉米产量的波动量最大,其次为东北区和黄土高原区;黄淮海区、东北区和黄土高原区自身的产量波动及其相互间的正向联动作用是中国玉米产量波动的主要因素;黄淮海区和东北区的玉米产量波动量大且变化剧烈,应重点关注这两个区的玉米生产。

基于麻雀搜索算法的降水量预测

为提高对非线性和时序性降水量数据的准确预报,建立了基于麻雀搜索算法的组合预测模型.利用经验模态分解挖掘数据多维度特征,使用长短期记忆人工网络对数据进行预测,结合麻雀搜索算法对预测模型的超参数进行优化,提高了经验模态分解-长短期记忆人工网络模型网格化寻参的效率和预测精度.实证结果表明,与单一的长短期记忆人工网络模型和经验模态分解-长短期记忆人工网络模型相比,经过优化后的基于麻雀搜索算法的组合预测模型的性能和预测效果更好,其各类误差均有所降低,具有实际意义.

基于EEMD-LSTM模型的禽霍乱预测研究

禽霍乱是一种由多杀性巴氏杆菌引起的接触性、败血性传染病,鸡、鸭和鹅等禽类均易感。由于目前我国广泛使用的禽霍乱弱毒疫苗和灭活疫苗副作用大、免疫期短且保护率低,免疫后的禽类仍有患病的风险。因此,对禽霍乱的监控尤为重要。利用MATLAB 2020b软件构建了基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和长短期记忆(long short-term memory,LSTM)模型的EEMD-LSTM组合模型的禽霍乱预测方法。利用2006年-2015年禽霍乱的发病数训练模型,预测2016年-2020年禽霍乱的发病数,并与实际发病数验证,然后通过计算实际发病数与预测发病数的线性回归系数R^(2)值和组内相关系数(intraclass correlation coefficient,ICC)值,分析实际发病数与预测发病数的一致性。结果显示,模型训练期的R^(2)值和ICC值分别为0.9935和0.997,其ICC值大于0.75并接近于1,表明该模型具有良好的预测能力,可用于预测禽霍乱的发病趋势;模型预测期的R^(2)值和ICC值分别为0.7507和0.825,其ICC值大于0.75,同时大于Landis和Koch的建议值0.80,表明该模型具有良好的可信度。该模型的建立可为禽霍乱的防控提供参考,同时也为该模型的其他应用研究提供理论依据。

非线性非平稳波浪极短期预测的复合优化模型

海浪的时间序列一般具有非线性和非平稳性,针对直接对其进行预测精度较差,本文利用复合模型对波浪进行了预测。利用长短期记忆神经网络模型的非线性学习能力和经验模态分解的非平稳数据处理能力,采用镜像对称和长短期记忆算法联合消除经验模态分解端点效应,建立了一种用于不规则波极短期预测的复合经验模态分解-长短期记忆模型。研究表明:通过比较分析水槽试验获得的一般不规则波、线性聚焦波和非线性畸形波的预测效果,结果揭示出经验模态分解端点效应对模型预测精度具有负面影响,本文基于自适应镜像延拓的复合经验模态分解-长短期记忆模型可以更好地预测极短期非线性、非平稳波浪时序的变化趋势。

一种基于Hilbert-Huang变换的基音周期检测新方法

利用Hilbert-Huang变换对语言信号处理中基于事件的基音周期检测问题提出了一种新的检测方法.该方法利用Huang等人1998年提出的具有高时频分辨能力的H ilbert-Huang变换分析语音信号,并提取其瞬时能量,通过精确定位声门脉冲发生的时刻,从而精确地跟踪基音周期的变化,达到精确检测基音周期的目的.与传统方法相比,其优点主要表现在:(1)不需要对语音信号作短时平稳性假设;(2)检测精度高,适应范围广;(3)具有跟踪基音周期变化的能力;(4)能精确区分清浊音;(5)与传统方法相比,帧长大大增加,因而,在提取连续语音信号的基音轮廓时,用于分帧和拼合的开销大大减少,帧间拼合痕迹小.仿真数据和实际语音信号检测实验均获得了相当精确的检测结果.最后,需要指出的是,H ilbert-Huang变换作为一种新的信号分析方法,被成功地用于提取语音信号的基音周期,这本身是一个有意义的探索,它为拓展H ilbert-Huang变换理论的应用给出了一个新的尝试.

一种基于HHT的信号周期性分析方法及应用

提出了一种基于HHT(Hilbert＿HuangTransform)的信号周期性分析方法,通过分析信号的非线性对主频分布的影响,找到了具有丰富高频含量的近似周期信号的主频与其周期性的近似对应关系,实验表明,根据信号的主频分布来估计信号的周期性具有很好的精确性。将其应用于自然纹理图像的分析,能很好地提取纹理图像的周期特征,为纹理分类、分割、识别和图像检索提供了新的解决途径。

一种用于非线性非平稳波浪极短期预报的复合经验模态分解自回归模型（英文）

目的:相对于由能量平衡方程得到的数值预报模型和以神经网络为代表的非线性模型而言,自回归(AR)模型在波浪预报中具有计算效率高、自适应性强和建模所需的样本小等优点,但同时存在局限于平稳线性假设的缺陷。针对非线性非平稳波浪的极短期预报问题,提出一种复合的经验模态分解自回归预报模型,提高波浪预报精度。创新点:1.研究非线性非平稳波浪极短期预报问题,提出一种复合的预报方法;2.基于三个不同地理位置的海洋波浪实测数据对预测模型进行验证,并分析非线性非平稳性对波浪预报结果的影响。方法:1.在AR模型中引入经验模态分解(EMD)方法,形成复合的EMD-AR预报模型;2.分析实测波浪数据的非线性和非平稳性特点,并基于实测波浪数据获得AR模型和EMD-AR模型的预报结果;3.基于多种预报误差度量分析AR模型和EMD-AR模型的预报性能以及非线性非平稳性对波浪预报结果的影响。结论:1.波浪非线性和非平稳性会导致AR预报模型精度降低。预报误差中,幅值上的偏差主要由波浪的非线性引起,而相位上的偏差则是源于波浪的非平稳性;2.EMD方法能够有效地克服波浪非线性和非平稳性对AR模型在精度上所带来的不良影响,在精度上EMD-AR模型的预报结果较AR模型有较大提高。

基于Hilbert-Huang变换的金融数据周期性分析及应用

提出了一种基于Hilbert-Huang变换(Hilbert-Huang Transform,HHT)的信号周期性分析方法,通过分析信号的非线性对主频分布的影响,找到了具有丰富高频含量的近似周期信号的主频与其周期性的近似对应关系。

死亡率分解模型及其在长寿分级基金构建中的应用

论文提出了一种有别于传统死亡率模型的新的长寿风险度量模型,叫做死亡率分解模型。基于该模型,论文对美国的死亡率数据进行了分析和对比,同时对中国的死亡率进行了两个角度的分析,并给出了相对更有说服力的结果。同时,论文借助模型的分解结果,提出构建多层次的长寿风险基金,用以应对中国社会日益严重的养老问题。

基于扩维的卷积网络及脉象识别应用

针对时间尺度变化特征差异较大的非图像多元时间序列,提出了一种卷积神经网络的扩维预处理方法。该方法应用样本统计特征和希尔伯特-黄变换来扩展维度,并加快网络的训练。文中将其用于生理数据分析并进行脉象分类。结果表明,进行扩维能够较大幅度地改善随机梯度算法的效率,同时该卷积网络方法能够较好地捕捉生理信号和脉象的特征关系。

LNG船电力系统故障检测的仿真研究

研究电力推进LNG船电力系统故障有效识别的问题。LNG船电力系统中含有大功率推进电机,其随机变化易造成电力系统故障,产生的故障暂态信号蕴含大量噪声,具有随机、非平稳的特点。传统方法不能有效提取这类故障信号特征,故障检测准确度低。为解决上述问题,提出了一种基于聚类经验模型分解(Ensemble Empirical Mode Decomposition,EEMD)的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)故障检测方法。首先,将故障时刻的电网电压信号进行EEMD分解,得到固有模态函数分量;然后,将上述分量的希尔伯特边际谱进行时频分析,提取较为准确的故障特征信息。仿真结果表明,HHT方法能弥补传统信号分析方法的不足,最大限度的抑制噪声和保留故障信号特征,提髙故障检测准确率。

基于EMD算法的空间自旋目标平动补偿与微动特征提取

针对微多普勒频率附加在空间目标高速轨道运动产生的多普勒频移上使微动特征提取更加困难这一问题,提出了一种利用EMD算法对空间目标进行精确平动补偿和微多普勒特征提取的方法。对空间自旋目标进行建模,推导了窄带雷达条件下空间目标的微多普勒效应,并分析了平动分量对微多普勒的影响;把目标回波分解成一系列本征模态函数(IMF),然后求出瞬时频率,利用经验模型分解(EMD)算法对瞬时频率进行分解,分析各分量的能量百分比判别平动频移分量,实现回波信号的平动补偿;对平动补偿后的信号利用EMD算法分离出微多普勒曲线,提取微动特征。仿真实验验证了该方法的可行性与有效性。

采用行波固有频率的混合线路故障测距新方法

对于电缆-架空混合线路,由于波阻抗的不连续会形成混叠的固有频率频谱,因此,解决频谱混叠现象是提高固有频率测距法精度的首要问题。为此,提出一种基于聚类经验模型分解(EEMD)算法的行波固有频率的故障测距方案。首先利用EEMD算法得到一系列的固有模态函数(IMF)分量;然后选取聚集故障信息的IMF分量,引入多重信号分类(MUSIC)算法对其进行频谱估计得到固有频率主成分;最后利用故障行波的固有频率和故障距离的关系式即可实现故障测距计算。仿真对比显示了该方法可更好地解决混合线路故障测距时存在的频谱混叠问题,实现较高精度的故障定位。