面部皮肤缺损几何分解后局部皮瓣修复

目的:介绍面部皮肤缺损几何分解后联合多个或多种局部皮瓣修复的经验与体会。方法:在修复面部较大范围、形状不规则或跨越面部不同美容分区的皮肤软组织缺损时,根据创面的大小、形状、部位及周围皮肤松动情况,将创面进行几何分解成2个或2个以上的规则形状的缺损,分别以相应的局部皮瓣联合修复创面。结果:对64例患者进行手术,术后创面均Ⅰ期愈合,皮瓣成活良好。47例获随访3～12个月,修复皮瓣与周围皮肤组织的色泽、质地相近,切口瘢痕平软且较隐蔽,面部轮廓无明显牵拉影响。结论:采用将面部创面几何分解后联合多个或多种局部皮瓣修复的方法,可以获得满意的面部形态和美容修复效果。

基于螺旋理论的机构弹性的几何分解

介绍一种对模拟机器人弹性的６×６刚度和柔顺矩阵进行对角化的几何分解方法．采用螺旋理论，从三个正交的外载螺旋柔顺轴和三个正交的变形螺旋柔顺轴推导得一个相似变换，对角元素是线性及旋转柔顺和刚度的静态值．这与应力、应变及转动惯量的主轴和主值类似，证明了对非奇异及奇异情况，分解总是存在的，并给出了分解表达式．

基于超几何分解的随机运算系统分析方法

基于Bernoulli分布的方差及期望传递方程一直是随机运算系统的数学基础,针对这种传统分析方法在实际应用中的不准确性和片面性,该文提出一种全新的数学方法:超几何分解(hypergeometic decomposition),用来解决在更复杂情况下期望与方差在随机运算系统中的传播规律。基于超几何分解,提出4组更加精确的期望及方差传递方程,在数学上证明了随机运算体系更加广泛的适用性,并且通过随机运算系统在图像处理中的应用,提出了基于方差的系统评价方法,相比于传统按位仿真方法,基于方差的系统分析方法具有耗时短、准确和全面的优点。新的方差传递方程首次将随机信号源的类型引入性能分析,证明了具有特定码流长度的随机序列可以使系统性能达到最优。

基于铺砌法和几何分解法的复杂曲面网格划分

文章针对复杂曲面主要是裁剪曲面提出了一种便捷的网格生成方法.首先对曲面进行几何分块,把曲面分解成相连多个凸区域,然后对每个凸区域利用铺砌法生成四边形网格,最后对区域边界进行调节,从而生成整个曲面的网格.这种方法避免了复杂曲面特别是裁剪曲面直接网格生成时内部网格的扭曲、畸变.

基于部分重构辛几何模态分解的光伏直流电能质量去噪

光伏直流系统中纹波、突变和噪声等扰动影响电能质量评估准确度,为克服传统辛几何模态分解(SGMD)存在计算效率随着数据量增加迅速降低以及重构时无效辛几何初始单分量影响分解准确性的问题,提出了基于部分重构辛几何模态分解(PRSGMD)的光伏直流电能信号去噪方法。PRSGMD利用复合多尺度模糊熵(CMFE)能够克服光伏直流电信号初始单分量相似性度量突变的不足,构建了正则化复合多尺度模糊熵(RCMFE)算子,评估各初始单分量重构后的复杂度并约束残余量能量最小,结合部分重构阈值指标筛选出部分显著初始单分量进行重构,从而有效提升分解效率并避免微弱无效初始单分量影响分解准确度。仿真和实验分析结果表明,PRSGMD能有效滤除噪声并分离光伏直流电信号中的复合扰动。

基于共形几何代数的几何分解及程序实现

本文主要讨论了利用共形几何代数来进行几何定理中的几何构型进行几何分解的算法以及它的程序实现问题.利用这个算法可以给出几何量之间的定量依赖关系.所实现的程序能够给出一些较为复杂的几何命题的自动分解的结果.

一种基于改进辛几何模态分解的复合故障诊断方法

针对辛几何模态分解方法分析结果的不确定性,提出一种改进的辛几何模态分解方法.首先对原时间序列进行相空间变换,获得轨迹矩阵;然后通过辛几何相似变换求得特征值和对应的特征向量,并通过对角平均得到一系列的初始辛几何分量;最后采用层次聚类方法对初始辛几何分量进行自适应重组,进而得到最终的聚类辛几何分量.实验结果表明:改进的辛几何模态分解方法可以有效地对旋转机械复合故障信号进行特征提取,提高故障诊断的准确性.

自适应辛几何模态分解和短时能量差分因子在电能质量扰动检测中的应用

针对电网中电能质量扰动信号在强噪声环境下扰动时刻难以准确检测问题,该文提出一种基于自适应辛几何模态分解(SGMD)和短时能量差分因子的电能质量扰动检测算法。基于自适应SGMD改进传统SGMD的滤波重构环节,准确重构电能质量扰动信号,计算重构信号的短时能量,推导基于短时能量的无参自适应阈值算式,构建短时能量差分因子,据此开发基于虚拟仪器的电能质量扰动检测平台,以实现电能质量扰动准确实时检测。仿真和实测结果表明,该文提出的算法在噪声环境下对单一扰动、复合扰动与过零扰动,均能有效地检测扰动起止时刻,且能有效地克服扰动幅值波动对检测结果的影响,相较于现有检测算法,其测量结果更加快速准确。

基于几何均值分解的图像区域复制篡改检测方法

针对现有大多数图像区域复制篡改检测算法提取图像块的特征向量维数较高的缺点,提出一种新的基于几何均值分解的检测算法.将可疑图像分成大小相等的可重叠的子块;并对每个图像块进行几何均值分解并用其表征该子块的特征,形成1维的特征向量;最后对所有的特征向量进行字典排序,并结合图像块的相等位移矢量的发生频率信息,检测并定位出篡改区域.实验结果表明,该算法不仅能够有效检测并定位多区域复制篡改区域,而且对高斯模糊、对比度调整、曝光度调整的后处理操作具有较强的鲁棒性,并且有效地降低了特征向量的维数,提高了检测效率.

基于几何均值分解的MIMO系统误码率性能分析

当发射端信道状态信息可以通过反馈或时分双工的互逆原理得到时,奇异值分解法可将MIMO信道分解为若干并行子信道以获得最大的吞吐量。然而,由于奇异值分解得到的子信道的信噪比差别很大,采用自适应编码调制技术时,该方案需要根据不同子信道的信噪比配置不同的编码、调制参数。为此,研究基于几何均值分解的MIMO复用系统下行链路误码率性能,导出其误码率表达式。研究结果表明,采用几何均值分解得到的各个子信道的误码率相同,因而便于编码、调制技术的采用。

MIMO系统中基于几何均值分解的矢量预编码研究

在结合几何均值分解和矢量预编码的方案下,研究最小均方误差意义下最优扰动矢量的求解。提出了扩大扰动矢量的取值范围,分为2种情况,一是扰动矢量中的元素为连续值;二是扰动矢量中的元素为连续值和离散值之和。最小化收发信号的均方误差分别求解2种情况下的最优扰动矢量。仿真表明,天线数目较多时第二种情况能够提供较大的性能增益。

基于几何序列分解与稀疏重构的DOA估计

为了解决均匀圆阵在欠定情况下对相干信号测向的问题,提出了一种利用几何序列分解与稀疏重构相结合的波达方向(DOA)估计算法。几何序列分解用于拆分相干组,并估计出每个相干组的实际方向向量,稀疏重构则对每个相干组进行DOA估计。仿真结果表明,当均匀圆阵的阵元数为M时,相比于现有算法,所提算法所能估计的最大信源数为M(M–1),并且当信源数较多时,其测向成功率和精度都更优,此外,所提算法能够解决“角度兼并”问题,并且在极少快拍数测向任务中具有一定的优势。

基于几何均值分解的V-BLAST非线性预编码方法

针对垂直分层空时方案传统检测存在误层传输效应及复杂度高的问题,提出了一种MIMO-OFDM下行链路系统中基于几何均值分解的V-BLAST非线性模代数预编码方法。该方法首先采用几何均值分解获得各子信道具有相同等效噪声增益的预编码矩阵,再在发射端正交频分复用(OFDM)子载波信道间进行非线性模代数预编码,可以有效地消除分层空时码的误层传输效应,在接收端采用最小均方误差准则。仿真实验表明,该方法比传统方法有效改善了系统的误码性能,一定程度上降低了下行链路接收机的复杂度。

辛几何模态分解方法及其分解能力研究

针对经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、局部特征尺度分解(Local Characteristic scale Decomposition,LCD)等方法的不足,提出了一种新的分析方法--辛几何模态分解(Symplectic Geometry Mode Decomposition,SGMD)方法,该方法采用辛矩阵相似变换求解Hamilton矩阵的特征值,并利用其对应的特征向量重构辛几何分量(Symplectic Geometry Component,SGC),从而对复杂信号去噪的同时进行自适应分解,得到若干个SGC。通过仿真信号模型,研究了SGMD方法的分解性能、噪声鲁棒性,分析了分量信号的频率比、幅值比和初相位差对SGMD方法分解能力的影响。将SGMD方法应用于齿轮故障实验数据分析,结果表明SGMD方法能够有效地对待分解信号完成分解并剔除噪声信号。

迭代辛几何模态分解的高速列车轴承故障诊断

针对传统的SGMD方法存在的端点效应抑制和分解终止约束问题,提出了一种新的信号分解算法迭代辛几何模态分解(Iteration Symplectic Geometry Mode Decomposition,ISGMD)。ISGMD在SGMD的基础上,将迭代的方法引入分解过程中,确保每个分量所提取的重构轨迹信号为独立分量,并提出了新的约束条件。ISGMD可以有效地分解时间序列信号并在没有任何定义参数的情况下消除噪声,抑制模态混叠与端点效应。数值仿真信号分析结果表明,所提出方法进行时间序列分解能够准确有效地分解分析信号。应用所提方法对高速列车轴承复合故障进行诊断,并与同类方法进行比较,结果表明所提方法可以更好地对轴承复合故障进行诊断。

辛几何模态分解和广义形态分形维数的液压泵故障诊断

针对液压泵故障诊断问题,本文提出了一种基于辛几何模态分解和广义形态分形维数相结合的方法。对实测液压泵多模态故障振动信号进行分解;基于所提出的能量选取法,重构含有丰富运行特征信息的模态分量,并将其作为数据源;基于数据源提取,实现对液压泵不同故障的诊断。通过对比分析仿真和实测液压泵故障振动信号的试验结果,验证了该方法可以有效地诊断液压泵不同故障。

改进辛几何模态分解的滚动轴承故障特征提取

针对滚动轴承故障冲击信号难以提取的问题,提出了一种改进辛几何模态分解(Improved Symplectic Geometry Modal Decomposition,ISGMD)滚动轴承故障特征提取方法。首先将振动信号进行辛几何模态分解,然后,利用k均值聚类的方法对分解得到的辛几何分量进行聚类,通过包络谱稀疏度指标筛选出故障特征明显的聚类辛几何分量(Cluster Symplectic Geometry Component,CSGC)并进行重构,对重构分量进行包络解调,提取出故障特征。将该方法运用到轴承故障仿真和实验信号,结果表明,这里提出的方法能够有效提取出滚动轴承故障特征。

基于几何均值分解和结构相似度的同源视频时间域复制-粘贴篡改快速检测及恢复方法

针对现有方法中篡改检测效率不高、定位不精确的问题,提出了一种基于几何均值分解(GMD)和结构相似度(SSIM)的同源视频复制-粘贴快速篡改检测及恢复的方法。首先,将视频转换为灰度图像序列。其次,将几何均值分解作为检测特征,提出了一个基于块的搜索策略来定位复制序列的起始帧。此外,算法首次将结构相似度用于度量视频两帧之间的相似度,并利用结构相似度对搜索策略得到的起始帧进行复检。由于复制视频序列对应两帧之间的相似度高于未篡改序列对应两帧之间的相似度,提出了一个基于结构相似度的从粗到精的方法来定位复制视频序列的末尾帧。最后,对视频进行恢复。与其他几种经典算法进行对比,实验结果表明,所提方法不仅能够检测经过复制-粘贴篡改操作的视频,而且能准确地定位复制-粘贴序列。此外,该方法在检测精度、召回率和检测时间上有较大提升。

鲁棒的基于几何均值分解的矢量预编码算法

针对非理想信道的多输入多输出(MIMO)系统,提出了一种鲁棒的基于几何均值分解方法的矢量预编码算法.利用非理想信道误差矩阵的二阶统计信息,以最小化收发信号的均方误差为准则,求出基于几何均值分解矢量预编码的最优扰动矢量和预编码矩阵.仿真结果表明,该鲁棒算法优于现有的基于几何均值分解矢量预编码算法性能.在高信噪比时,误码率可提高2dB以上.

增强辛几何模态分解和自组织自编码卷积网络的电机轴承工况识别

针对电机轴承振动信号特征提取与工况识别困难的问题,提出一种基于增强辛几何模态分解(ESGMD)和自组织自编码卷积网络(SOAECN)的电机轴承工况识别方法。在辛几何模态分解(SGMD)的基础上将电机轴承振动信号自适应分解为初始辛几何模态分量(ISGMCs),并利用改进凝聚聚类算法对ISGMCs重新组合得到聚类辛几何模态分量(CSGMCs);提出一种综合评价指标,利用此指标筛选能反映振动信号特征的CSGMCs分量并重构;结合卷积神经网络和小波自编码器,构造自编码卷积网络(AECN),并在AECN基础上改进其损失函数且引入自组织策略,进而构造SOAECN;将重构后的振动信号输入SOAECN进行自动特征提取与工况识别。实验结果表明:ESGMD‑SOAECN方法的工况识别率达到了98.76%,自动特征提取能力和工况识别能力优于深度稀疏自动编码器、深度降噪自动编码器和深度信念网络等深度学习方法,可为电机轴承自动工况识别提供参考。