自整定多元变分模态分解

多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展,在继承VMD优点的同时,也存在其分解性能很大程度上依赖于两个预置参数——模态数量K和惩罚系数α的问题。为此,该文提出一种自整定MVMD(SMVMD)算法。SMVMD采取了匹配追踪法的思想,通过频域的能量占比和模态正交性分别自适应地更新K和α。对仿真信号与真实案例的分析结果表明,所提SMVMD方法不仅有效解决了原MVMD的参数整定问题,而且表现出以下优势,(1)与MVMD相比,SMVMD抗模态混叠的能力更强,且对噪声和α值的变化都具有更好的鲁棒性。(2)与多元经验模态分解、快速多元经验模态分解和多元变分模态分解这些经典算法相比,SMVMD算法的分解误差最小,分解效果最好。

一元及多元信号分解发展历程与展望

现实世界中,所获得的信号大部分都是非平稳和非线性的,将此类复杂信号分解为多个简单的子信号是重要的信号处理方法.1998年,提出希尔伯特–黄变换(Hilbert-Huang transform,HHT)以来,历经20余年的发展,信号分解已经成为信号处理领域相对独立又具有创新性的重要内容.特别是近10年,多元/多变量/多通道信号分解理论方法方兴未艾,在诸多领域得到了成功应用,但目前尚未见到相关综述报道.为填补这个空缺,从单变量和多变量两个方面系统综述了国内/外学者对主要信号分解方法的研究现状,对这些方法的时频表达性能进行分析和比较,指出这些分解方法的优势和存在的问题.最后,对信号分解研究进行总结和展望.

用于超声散斑跟踪血流测速的多角度平面波局部运动补偿

血流速度剖面用于计算壁面剪切率等血流动力学指标,与动脉粥样硬化病程发展密切相关。超快超声散斑跟踪广泛用于血流速度剖面估计,然而多角度平面波复合成像存在血流散射体的运动伪影,不利于流速估计。提出了一种多角度平面波复合成像的局部运动补偿法,对射频信号时间序列的相邻帧进行局部运动补偿来消除不同径向位置的运动伪影,从而提高流速测量准确性。相比直接相干复合,B-MoCo法将仿真、仿体实验中流速测量结果的归一化均方根误差平均减小了10.37%、37.82%,说明了B-MoCo法的有效性。基于兔骼动脉的实测实验进一步证明了B-MoCo法的临床可行性。综上,B-MoCo法能够有效提高血流速度剖面的测量精度,有助于相关心血管疾病的早期诊断与病程监测。

基于UMAP流形特征提取和KELM的非侵入式负荷监测方法研究

非侵入式负荷监测是“坚强智能电网”用户侧智能数据挖掘的关键技术。针对现有辨识算法对叠加态负荷辨识准确率低的问题,提出了一种基于均匀流形逼近与投影(UMAP)和KELM结合的非侵入式负荷辨识模型。首先利用UMAP对原始负荷特征作嵌入,提取负荷的类内流形结构,并结合随机梯度下降法优化负荷的全局结构,在保留负荷原始相邻位置信息的前提下有效增大负荷特征的区分度;然后,采用径向基函数搭建核映射网络,利用ACO算法对映射网络的径向范围和模型的惩罚系数寻优,建立最优辨识模型。与多种基于机器学习的辨识方法相比,所提模型对叠加态负荷的辨识准确率提升显著,在TIPDM和BLUED数据集上的辨识准确率分别达到了98.48%和99.44%。

经皮失水测量技术

皮肤屏障功能的无创检测是皮肤疾病诊疗、美容工业领域的热门话题。经皮失水是评估人体皮肤屏障功能的常用量化指标,也是诊断与皮肤屏障功能障碍相关的皮肤病的重要辅助方法。经皮失水指单位时间内穿过固定面积的角质层扩散到皮肤表面的冷凝水的量,其测量技术区分为开室法、不通风室法和冷凝室法。本文首先对经皮失水测量原理进行介绍,然后就各类测量技术简述其特征,最后对市面中主流的经皮失水设备及性能做概要归纳。

中值互补集合经验模态分解

针对经验模态分解(Empirical mode decomposition,EMD)系列方法存在的模态分裂(Mode splitting,MS)问题,提出中值互补集合经验模态分解(Median complementary ensemble EMD,MCEEMD)算法.通过概率模型量化互补集合经验模态分解(Complementary ensemble EMD,CEEMD)的MS问题,证明了使用中值算子替代算术平均算子对抑制MS的有效性.为了兼具抑制MS和残留噪声的性能,MCEEMD算法首次在集合过程中结合了中值和平均算子.具体地,所提方法首先添加N对互补的白噪声至原信号中,并经过EMD分解得到2N组固有模态函数(Intrinsic mode functions,IMFs),然后分别对其中互补相关的IMFs两两取平均得到N组IMFs,最后使用中值算子处理上述N组IMFs得到输出结果.对仿真信号与两个真实案例的分析结果表明,本文提出的MCEEMD方法不仅有效抑制了CEEMD的MS问题,而且避免了单一使用中值算子的两个缺点:分解完备性差和IMFs中存在的毛刺现象.

基于LS-MEMD的sEEG高频振荡自动识别方法

立体定向脑电(stereo-EEG,sEEG)的癫痫间期高频振荡(High Frequency Oscillations,HFOs)与癫痫灶高度相关,广泛用于难治性癫痫切除术前定位中,但HFOs易与高频伪迹等混淆,自动辨识精度低,临床上仍依赖人工辨识,长程sEEG数据量巨大,人工辨识耗时费力易出错,急需HFOs高精度自动识别方法。考虑sEEG具有非线性、非平稳以及多维sEEG之间具有一致相关性等特点,本文提出基于最小二乘-多维经验模态分解(Least Square-Multivariate Empirical Mode Decomposition,LS-MEMD)的HFOs快速自动识别方法。本文基于临床1680段HFOs和1720段高频伪迹测试了该算法的性能,且与小波变换、经验模态分解等方法比较,证明了所提方法具有更高的准确率和更低的误检率。

基于变分模态分解和密度峰值快速搜索的电力负荷曲线可控聚类模型

电力负荷曲线作为一种非平稳信号,可以看作由宽平稳的低频分量和非平稳的高频分量构成。针对负荷数据的时间多粒度构成特点,提出了一种基于变分模态分解和密度峰值快速搜索的负荷可控聚类模型。原始负荷曲线通过变分模态分解算法被分解为低频,中频和高频三个模态分量。首先,利用负荷曲线的低频模态分量实现簇间的时间粗粒度聚类。然后,在子类中添加中频分量实现簇内的时间细粒度聚类。使用OpenEI数据集对所提模型进行了有效性验证,并与不同聚类算法对原始负荷数据直接聚类进行对比。实验结果表明该模型可以实现不同时间颗粒度的合理聚类。

超声多角度平面波相干复合血流速度检测的参数研究

本文研究了超声多角度平面波(Multi-angle Plane Wave,MPW)相干复合血流速度剖面(Blood Flow Ve⁃locity Profile,BFVP)检测的关键参数.基于Field II超声仿真平台开展仿真实验,分别建立水平、倾斜颈总动脉(Com⁃mon Carotid Artery,CCA)平面波超声仿真模型.使用3~11个角度、间隔0.25°~16°的MPW扫描水平CCA生成复合图像,基于散斑跟踪法(Speckle Tracking,ST)测量BFVP;使用3个角度、间隔0.25°~20°的MPW扫描倾斜CCA生成复合回波信号,基于多普勒测速法(Doppler Velocimetry,DV)估计BFVP.对比预设理论速度剖面,ST法与DV法的最优参数分别为11个间隔1.0°、3个间隔3.0°的平面波.基于造影增强的兔髂动脉开展体内实验,验证了最优参数的有效性.综上所述,本文研究为MPW相干复合检测BFVP的参数设置提供参考,有助于获得准确的临床诊断信息.

基于噪声辅助快速多维经验模式分解的运动想象脑电信号分类方法

脑机接口是一项新兴的技术,它可以处理分析采集到的运动想象脑电信号,从而实现对外部辅助设备的控制。针对目前运动想象脑电信号处理方法计算效率低、分类准确率不高等问题,提出了一种新的基于噪声辅助快速多维经验模式分解(NA-FMEMD)的运动想象脑电信号分类方法。该方法首先利用NA-FMEMD得到全部的多维本征模式函数和趋势项;接着,根据平均频率选取特定的信号层,构建出新的多维信号;然后,通过共空间模式提取出脑电信号的特征向量;最后,将特征向量输入支持向量机分类器中进行分类。分别采用仿真数据和BCI Competition IV数据进行测试,并与基于噪声辅助多维经验模式分解(NA-MEMD)的方法进行比较,验证了所提方法的有效性和优势。

面部年轻化射频技术在国内应用新进展

射频技术利用高频电场的热能传导作用对皮肤组织进行加热,引起胶原收缩,并刺激胶原纤维新生重塑,从而起到面部皮肤紧致、除皱、提拉的年轻化效果。因其无创(微创)、安全有效、无明显不良反应等诸多优势,射频技术在国内医疗美容领域获得广泛应用。现针对面部年轻化射频技术在国内的应用研究及效果作一综述。

基于Fisher主元分析和核极限学习机的非侵入式电力负荷辨识模型

非侵入式电力负荷监测与辨识是实现泛在电力物联网客户侧智能感知的关键技术。针对现有辨识模型存在的特征冗余度高、辨识准确率差、计算效率低等问题,提出了一种基于Fisher主元分析(Fisher principal component analysis,FPCA)和核极限学习机(kernel extreme learning machine,KELM)的非侵入式电力负荷辨识模型。首先,选取电流、功率、谐波含有率等稳态特征作为原始输入变量,运用Fisher得分和主成分分析相融合的Fisher主元分析法剔除可分性较差的无效特征,同时降低有效特征之间的相关性;然后,引入径向基核函数搭建网络结构,并采用遗传算法(genetic algorithm,GA)对惩罚系数等模型参数进行寻优,从而建立核极限学习机分类模型进行负荷识别;最后,通过公开的TIPDM负荷数据集进行算例分析。仿真结果表明,所提模型相比于传统负荷辨识模型具有更好的辨识准确率和计算效率,运用该模型可对常见家用负荷进行有效识别。