基于平滑先验法去除脉搏波基线漂移

脉搏波信号中含有丰富的人体生理病理信息,然而基于光电容积描记法采集到的脉搏波基线漂移非常严重,直接影响到人体生理参数的准确提取。针对目前生物信号处理领域中去除基线漂移所用的方法计算复杂,处理信号时间过长,无法满足对脉搏波进行实时处理等问题,首次提出基于正则化最小二乘法的平滑先验法去除脉搏波的基线漂移。该方法通过分析不同正则化参数下平滑先验法的截止频率,结合脉搏波信号中基线漂移信号的频率范围,选取合适的正则化参数,实现脉搏波基线漂移的去除。实验结果表明,与小波变换法、经验模态分解法相比,该方法去除脉搏波基线漂移效果明显,提高了计算速度,同时也提高了信噪比,有利于下一步对脉搏波特征点的精确提取。

基于自适应雾浓度系数的暗通道先验法能见度测量

针对传统暗通道先验法处理图像计算能见度时,透射率优化计算复杂以及透射率估测准确性差的问题,提出一种引导滤波的改进方法,以灰度图代替RGB图作为引导图,极大地提高了滤波效率。同时,重点分析雾浓度系数ω和图像灰度均值差异对透射率估测准确性的影响,总结出灰度均值的合理范围,提出一种自适应雾浓度系数的新思路。通过构建BP神经网络,以灰度均值及目标区域计算值作为输入,雾浓度系数作为输出,实现了能见度测量系统对于雾浓度系数的自适应修正。将大量图像处理的能见度结果与CJY散射式能见度仪测量结果作比较,二者基本一致,97.1%的相对误差在20%以内,满足能见度测量要求。

基于平滑先验法的被动声信号趋势项消除

针对目前去趋势项所用方法中存在需预先假设趋势项类型、计算复杂等问题,提出了基于平滑先验法(SPA)的被动声信号趋势项消除方法。该方法是一种改进的消除非平稳趋势项算法,通过分析不同规则化参数下SPA的截止频率,并结合目标声信号中趋势项频率范围,得出规则化参数取值以达到有效去除待处理信号中趋势项的目的,同时保留感兴趣的模式。对装甲目标声信号仿真分析结果表明,处理前后目标声信号时域波形及PSD图谱中趋势项去除效果明显,简单有效地分离了原始数据趋势项和周期项,可用来对雷场中目标声信号进行去趋势项预处理。

基于平滑先验法-麻雀搜索算法-支持向量机回归模型的滑坡位移预测——以三峡库区八字门和白水河滑坡为例

为定量化平滑先验法中正则化参数的取值及提高滑坡位移预测精度,提出一种基于平滑先验法(SPA)-麻雀搜索算法(SSA)-支持向量机回归(SVR)模型的滑坡位移预测方法。以三峡库区八字门和白水河滑坡为研究对象,首先采用平滑先验法分解累计位移序列和影响因素序列,基于波形相似度确定最优正则化参数并得到位移分解结果,利用灰色关联度确定波动项位移预测时最优输入序列,然后使用BP神经网络和麻雀搜索算法优化支持向量机回归模型,分别拟合预测趋势项位移和波动项位移,最后将位移分量叠加得到累计位移。结果表明:基于SPA-SSA-SVR模型的八字门滑坡监测点ZG110位移预测均方根误差(RMSE)为4.32 mm,白水河滑坡监测点ZG118、DX-01位移预测均方根误差分别为3.44和4.81 mm,比基于经验模态分解(EMD)-果蝇优化(FOA)-最小二乘支持向量机(LSSVM)模型得到的均方根误差分别减少8.59、3.82和11.58 mm,证明基于SPA-SSA-SVR模型的滑坡位移预测方法预测效果较好;平滑先验分解中正则化参数的最优取值随累计位移时间序列的增加而趋于某一固定值,同一滑坡不同监测点和相同地区相同类型滑坡的正则化参数取值基本一致,八字门和白水河滑坡所在地区的最优正则化参数都为6。基于SPA-SSA-SVR模型的滑坡位移预测方法能在一定程度上考虑滑坡位移分解变形影响效应,为同类滑坡的预测预报提供思路。

基于平滑先验法的两种熵研究

从心电系统中采集的心率变异性(Heart Rate Variability, HRV)信号,不可避免的混入噪声和各种趋势,消除这些趋势的干扰,有助于非线性系统复杂动力学分析的准确性。本文采用平滑先验法消除健康人白天和夜间的HRV信号中所叠加的不同趋势项,使用近似熵和基本尺度熵对其进行复杂性计算,对比分析去趋势处理前、后近似熵和基本尺度熵的稳定性变化。研究发现:去趋势处理后,平滑先验法能够有效去除HRV信号的各种趋势项,且较大幅度地提高了近似熵的稳定性,而基本尺度熵在去趋势处理前、后均呈现出较强的稳定性。研究结果表明去趋势处理后,两种熵测度都可以区分开健康人白天和夜间的HRV信号,充分体现出平滑先验法可以提高熵测度的稳定性和识别性,为临床的生理病理诊断提供了重要的理论依据。

低频振荡模式辨识中信号非线性去趋的平滑先验方法

基于PMU实测信号的低频振荡模式在线辨识是阻尼控制的基础,有效去除PMU实测信号中的非线性趋势才能保证模式辨识的精度。提出了基于平滑先验法的PMU实测信号非线性去趋方法。在分析平滑先验法基本原理基础上,为适应低频振荡模式辨识中信号非线性去趋要求,对其频率响应特性进行研究,确定平滑先验法的正则化参数。采用IEEE-39节点系统时域仿真信号和某电网的PMU实测信号对所提方法进行测试,并与经验模态分解法和数字滤波法进行了比较,表明该方法能够更有效地去除信号中的非线性趋势,较大幅度地提高计算速度,同时也能提高低频振荡模式辨识精度,具有较高的实际应用价值。

基于暗原色先验与小波变换的图像去雾方法

针对雾天采集图像清晰度差、对比度低的问题,提出一种基于暗原色先验与小波变换的图像去雾方法。先利用暗原色先验规律直接从一幅有雾的图像中估计出景物透射率,恢复出比较清晰化的图像;再将图像由RGB空间转换到YUV空间,对亮度Y图像采用正交Haar小波变换进行处理,得到小波各层的分解系数,利用阈值滤波的细节系数增强法对雾天图像的高频子带小波系数进行处理,经小波重构得到增强后的亮度Y图像,最后与颜色分量U、V合并得到清晰化的雾天图像。实验结果表明:该方法对雾天模糊图像处理后,能有效提高图像的清晰度、细节和层次感,一定程度上改善了图像的视觉效果,是一种有效的雾天图像清晰化方法。

某涡轮盘小子样低周疲劳寿命评估计算——威伯斯先验评估法

介绍一种威伯斯先验评估法,并在有数据以及有数据支持和无数据支持两种情况下,利用两种小子样数据计算了涡轮盘的可靠性和使用安全寿命等。

先验估计法的逻辑基础

利用数理逻辑,给出了处理存在性问题的方法之一"先验估计法"的逻辑基础,并且举了一个实例加以解释说明,通过这样的研究使得"先验估计法"更容易被理解。

恶劣天气下基于锚点的多尺度融合车道线检测及优化方法

针对黑夜和大雾天气下车道线检测的问题,在数据预处理阶段采用改进的自适应伽马变换对过暗或漂白的图片进行增强,并利用暗通道先验法对大雾场景下的图像进行数据增强,从而降低干扰.在特征提取阶段,采用改进的rotation forest block(RFB)网络提取车道线的特征信息,并通过基于锚点的分类方法实现了快速而准确的车道线检测功能.

迭代法解分数阶微分方程(先验选取法)

本文研究如下分数阶扩散方程的反问题:Utβ=aU xx+bUx+u,x>0,t>0,0<β<1U(x,0)=0 x≥0U(1,t)=g(t)t≥0其中a,b为常数(a≥0),这是一个严格不适定的问题,这个问题是用caputo分数阶导数β(0<β<1)代替古典扩散方程中关于时间的一阶导数得到的.对于这个不适定的问题,我们采用一些方法使其成为一个相对适定的问题.

基于PSO-RBF神经网络的雾霾车牌识别算法研究

给出一种雾霾环境下车牌识别改进算法.首先利用改进的暗原色先验法对雾霾天气下的车牌图像进行去雾处理;然后经预处理、定位、分割与提取,得到粗网格特征矩阵;最后采用经粒子群算法优化的径向基函数神经网络进行识别.实验结果表明,系统去雾效果良好,且能缩短去雾处理的时间,有效提高雾霾天气下车牌识别的速度和准确率.

三种非线性趋势项的提取方法在生物医学信号分析中的应用

在生物医学信号的分析中往往需要将信号中的趋势成分和非趋势成分进行分离来实现不同的信号分析及应用的目的。该文介绍了三种应用在生物医学信号处理中的用于分离非平稳信号中的非线性趋势的分析方法:小波分析法,经验模式分析法和平滑先验法的原理,并应用它们对三种实际的生物医学信号的数据进行趋势信号与非趋势信号分离的应用举例。提示在非线性的趋势分析中,可根据不同的分析目的和不同的信号特征来选择不同的方法进行应用。

耦合遗传算法的数据同化系统误差处理方法

针对数据同化系统中的误差估计与处理问题,介绍了集合滤波数据同化系统中各种误差来源及特征;侧重于在集合数据同化中为防止滤波发散的乘数放大法、附加放大法和松弛先验法等模型误差处理方案,利用经典的非线性模型——Lorenz模型开展了数值试验。在此基础上,提出了一种耦合遗传寻优算法的数据同化系统,来解决以往的误差调节因子由反复实验法设定的问题;进而结合乘数放大法全局放大和附加放大法局部调节的特点,提出了一种新的混合误差处理方法。结果显示,这些方法可以在适应度函数的约束下自适应地获取最优误差因子,达到最优的同化效果,从而提出了在数据同化系统中为同化实际观测资料可采取的误差处理新思路。

排水管道图像雾气及光斑干扰去除方法研究

近年来,管道内窥摄像检测是常用的排水管道缺陷检测技术,由于大部分管道内部具有一定污水充满度,管道图像往往存在白雾以及光斑等干扰,影响图像缺陷的识别和解译,为此,提出了一种排水管道图像雾气及光斑干扰去除方法,首先结合管道雾气特征,构建暗通道先验算法去雾,针对去雾后的色偏问题,使用一种多尺度Retinex色偏恢复算法,最后改进二维伽马函数,通过降低镜头污染,实现对图像光斑的压制。实验结果表明:所提方法能有效去除排水管道内视频图像中的雾气和光斑的干扰问题,提高排水管道图像的可视度、对比度和清晰度,从而提高排水管道病害解译准确度。

评估ATAM计算效率提高程度的新算法

在《与荷载同步变化的时间步自动调整方法》中提出的时间步自动调整方法(apriori time adaptive method,ATAM)是先验式误差评估研究领域的一次有益尝试。在ATAM使用过程中,由于一般情况下难以获得解析解,所以对数值计算程序应用ATAM自动调整时间步长后,相比时间步调整前,无法评估计算效率具体提高了多少。为了解决这个问题,提出了解决方法并对其进行了验证。在此基础上,进一步提出了一种简易评估算法,并推导出评估计算效率提高程度的计算公式。根据此计算公式,不需要采用最小时间步长代入到原数值程序中进行计算,可直接获得计算效率的提高程度,节省了大量计算成本。同时,对简易评估算法进行了验证,结果证实所提算法实用有效。

两种GRACE地球重力场精度评定方法的检验

基于改进的能量守恒法,分别利用先验地球重力场模型法(PEM)和最小二乘协方差阵法(LSM)评定了120阶GRACE地球重力场的精度,模拟结果表明:1)基于美国JPL公布的GRACE轨道参数和核心载荷精度指标,在120阶处分别采用PEM和LSM恢复地球引力位系数的精度为5.192×10-10和6.633×10-10;2)分别基于PEM和LSM恢复120阶地球引力位系数的模拟精度和德国GFZ公布的EIGEN-GRACE02S地球重力场模型的实测精度在各阶处符合较好,从而证明了基于PEM和LSM评定地球重力场恢复精度的有效性;3)通过基于PEM和LSM分别恢复地球引力位系数的模拟精度在各阶处的符合性,验证了基于能量守恒法结合预处理共轭梯度迭代法恢复120阶GRACE地球重力场算法的可靠性。

基于机器学习的白天能见度检测方法

能见度检测在气象预报、自动驾驶等领域有巨大的研究和实际应用价值。与此同时,目前现有的能见度检测方法存在硬件设备价格昂贵、需设置特定标志物、计算量大等问题。该文将机器学习引入能见度检测模型,提出了一种基于计算机视觉和机器学习的能见度检测算法。该算法将通过暗通道先验法以及导向滤波算法得到的精细图像暗通道特征、图像梯度幅度和图像对比度幅度作为支持向量机算法的输入,进行了能见度检测模型的训练。实验结果表明此算法不仅有良好的能见度检测精度,同时无需摄像机标定,可利用原有监控设备,有较好的灵活性。

一种剔除GPS坐标时间序列非线性趋势项的方法

GPS站点坐标的时间序列通常由信号的周期项、趋势项及噪声组成,其中,坐标时间序列的非线性趋势项是非平稳时间序列分析处理中的一个重要内容。本文引入了平滑先验滤波法来剔除GPS坐标时间序列的非线性趋势项,并与传统的最小二乘方法进行对比。先后分析了最小二乘和平滑先验法消除趋势项的方法原理,并利用Matlab对两种方法进行实现,进而对比分析两种方法消除趋势项效果。结果表明:相比最小二乘方法,平滑先验法能够有效地消除GPS坐标时间序列中的非线性趋势项。

基于性能退化数据的加工中心的可靠性评估

在产品不出现失效的情况下,基于性能退化可靠性评估的理念对加工中心进行了机械应力仿真加载试验.用激光测试仪测量加工中心定位精度和重复定位精度的性能退化数据,对所测量的数据进行统计整理,以此作为该加工中心的性能退化特征量.利用灰色理论建立了性能退化数学模型,推算出伪失效寿命.最后利用威伯斯先验法,以最小伪失效寿命为模型特征寿命,对加工中心进行了可靠性评估.