基于功率谱熵的无线电引信目标与干扰信号分类方法

无线电调频引信在战场环境容易受到干扰信号的干扰导致早炸,丧失打击能力。为提升无线电调频引信抗干扰能力,准确识别引信目标与干扰信号,提出一种基于功率谱熵特征的无线电调频引信目标与干扰信号分类识别方法。利用实测采集的无线电引信检波端输出信号,通过提取目标和干扰信号的功率谱指数熵和Renyi熵特征构成特征向量,作为K邻近(KNN)分类器的输入进行目标和干扰信号分类识别,并利用5-折交叉检验方法对其进行验证。结果表明:目标和干扰信号的功率指数熵和Renyi熵具有显著差异性,使用KNN分类器对其进行分类识别时,最高的识别准确率可达99.47%。

基于图谱功率谱熵和最大均值差异的GIS机械状态辨识方法

针对常规方法对于气体绝缘金属封闭开关设备(Gas Insulated Switchgear,GIS)机械缺陷的特征识别稳定性差、识别率低的问题,在图谱理论的基础上,提出一种基于图谱功率谱熵和最大均值差异(Maximum Mean Discrepancy,MMD)的GIS机械状态辨识方法。首先将采集得到的GIS振动信号转化为图信号,并利用图傅里叶变换技术变换至图谱域进行分析处理;然后提取图谱功率谱熵作为表征GIS不同状态的特征参数;最后利用MMD距离判别函数实现GIS不同工况下的状态辨识。实验结果表明:在噪声干扰的情况下,所提方法能够有效提取GIS不同状态下的特征参数,并成功区分出屏蔽罩松动及内部异物缺陷,状态辨识精度高达93.89%,较常规方法有明显提高。

基于熵理论的能量调节性能研究

在高比例风、光接入背景下,电力系统面临日益突出的能量调节压力。当下,储能作为构建新型电力系统的重要支撑面临配置成本高,利用率不足等问题。本工作基于克劳修斯熵理论,构建出一种可用于量化及评价能源系统能量-时间解耦能力的物理量——功率熵,系统研究了功率熵与功率、时长、容量等储能配置关键决策变量间的内在关系,发现功率熵与多种关键决策变量间具有一致的正相关关系,可用于衡量储能综合调节性能,同时功率熵还兼具体现储能功率时序特征的功能。基于功率熵所展现的特性,本工作建立了基于功率熵的电力系统储能配置优化分析方法,并通过模拟案例分析对功率熵在储能配置优化中的作用进行了验证。结果显示,在不同的储能配置下,系统功率熵增不同,系统优化方向是由储能引入系统的功率熵增逐渐减小的方向,也即储能调节性能冗余逐渐减少的方向。功率熵的概念为未来电力系统的储能配置优化,乃至综合能源系统内部多种能源形式的配置优化提供了一种新思路。

克劳修斯熵在多时间尺度储能配置问题上的应用

“功率熵”能够定量反映多尺度储能配置的特性差异。采用2种正弦功率曲线合成的功率曲线,重点研究了调频、调峰以及跨季节调节等储能应用主要场景的熵值差异和特性。结果显示:功率熵能够有效体现不同时间尺度储能特性的差异;调频、调峰2种调节类型宜采用2套储能组合配置;对于频率和幅值差异在2倍以内的2种调节类型,则宜采用1套储能配置整体调节。该研究从理论方面探索了多时间尺度储能配置的方法和依据,揭示了多时间尺度问题的本质差异,有助于形成科学的最优储能配置、调度和优化方案。

基于熵权时序模型的超短期风电功率预测

针对风电具有较强的随机性和波动性,传统的单一预测方法难以准确描述其规律且预测精度较低的问题,提出风速熵和功率熵的概念,在时间序列法的基础上分别采用基于风速和基于功率的预测方法,并根据风速熵和功率熵的计算结果动态设置预测点的权值,建立风电功率的熵权时序模型。算例分析结果表明,所提方法能有效提取风速及功率历史数据中的有用信息,提高超短期风电功率预测精度,预测结果的准确率和合格率均优于神经网络法、时间序列法和基于风速法。

基于过程功率谱熵SVM的转子振动故障诊断方法

针对旋转机械振动过程的复杂性和振动故障产生的随机性以及振动故障样本获取难的问题,在信息熵理论的基础上,融合了支持向量机(SVM)小样本、全局性和泛化性好的优点,提出了过程功率谱信息熵(功率谱熵)SVM的故障诊断方法。结合转子实验台,得到了4种典型振动故障在多测点多转速下的数据,通过计算提取了其功率谱熵特征值作为故障样本,即故障向量,并建立SVM诊断模型,对转子振动故障的类别、严重程度和部位识别诊断,验证了该方法在转子振动故障诊断方面效果良好。

功率谱熵在局灶性缺血性脑损伤无创检测中的应用

为了对局灶性缺血脑损伤的程度进行无创诊断 ,并对损伤区域进行定位 ,用 SD(Sparague- dawley)实验大鼠建立了一个局灶性缺血脑损伤的动物实验模型 ,采得缺血前到缺血 30 m in时的缺血区域与正常区域的 EEG(Electroencephalogram)信号 ,并采用功率谱熵对 EEG信号进行了分析。结果发现局灶性脑缺血导致 EEG信号的功率谱熵发生了明显的变化。缺血侧的 EEG信号的功率谱熵在缺血 15 min时已经明显低于缺血前的正常值 ,在整个缺血过程中缺血侧的 EEG信号的功率谱熵小于正常区域的功率谱熵。这表明 EEG信号的功率谱熵是一种很好的表征脑缺血损伤的参数 ,具有计算简便。

功率谱熵对大鼠痫性发作预报的评估意义

目的:研究功率谱熵在青霉素致痫大鼠脑电检测中的应用,探索运用功率谱熵进行痫性发作预报的可行性。方法:SD大鼠18只随机分为3组,分别为正常组、对照组、致痫组,致痫组采用青霉素在大鼠海马微注射制备急性痫性发作模型(注射点为右侧海马),用深部电极连续记录大鼠脑电信号,运用功率谱熵对痫性发作大鼠发作全过程的脑电信号进行分析,并与正常组及注射生理盐水对照组进行对比分析。结果:在青霉素致痫大鼠的整个痫性发作过程中,功率谱熵在发作前期开始下降,而在痫性发作期呈显著下降,与发作间期比较,发作前期与发作期的功率谱熵明显降低。致痫组痫性发作期和发作前期的功率谱熵与正常组和对照组比较差异有统计学意义(P<0.05)。结论:功率谱熵的变化揭示了痫性发作过程脑电信号复杂度的变化过程,并对痫性发作的预报提供了可能。

新的基于统计熵功率的OCR算法及其DMCU实现

使用摄像头进行文字识别最大的问题在于图像抖动。为了有效地消除图像抖动并正确实现文字识别,提出了一种基于统计熵功率的新的识别算法。这种方法将采集到的数据作为随机信号处理。实验证明,此算法计算复杂度低,识别率高,适用于低成本嵌入式系统,在中国台湾俊亿公司24MHZ16位DMCU嵌入式系统上,获得了94%以上的正确识别率。

功率谱熵在垂直于水平流向的气液两相流压差信号中的应用

对垂直于水平流向的气液两相流压差信号进行了实际测量,对采集的信号提取其功率谱熵值.结果表明:压差信号的功率谱熵受外界压力变化影响较小,对两相流流型变化是敏感的,通过分析功率谱熵值随气液两相流气相流速变化趋势,能够较好地揭示水平管道气液两相流流动特性,为两相流流型的准确识别方法提供有价值的参考.

转子振动故障的过程功率谱熵特征分析与定量诊断

针对传统旋转机械振动故障定性诊断的不足,提出了1种以信息熵理论为基础的转子故障特征分析与定量诊断方法。在转子试验台上模拟转子振动的4种典型故障,分别得到4个测点多转速下的振动过程故障数据;对这些故障数据进行分析和处理,提取反映其振动过程的故障特征——功率谱信息熵,建立能描述转子振动过程变化规律的多转速多测点下的故障信息熵矩阵,并对振动故障进行分析;通过对转子振动故障信号的实例计算和定量诊断分析,验证了该方法在转子振动故障分类和故障严重程度判断方面是可行的。

基于EMD瞬时功率谱熵的神经网络滚动轴承故障诊断

滚动轴承在发生故障时,其动力学特性往往呈现出复杂性和非线性,振动信号也会随之表现出非平稳性。为此,提出一种基于EMD瞬时功率谱熵的滚动轴承特征提取方法。该方法将轴承信号进行EMD分解,得到有限个IMF分量,对这些分量进行功率谱处理,计算其功率谱的信息熵。EMD瞬时功率谱熵作为特征向量,采用神经网络进行故障分类,实验结果表明,此方法的分类准确率可达96.25%。

Hilbert包络功率谱熵的曲轴轴系故障诊断

曲轴轴系是往复机械传动系统的重要组件之一,其工作状态对整套机械设备的正常工作和使用具有直接的影响。研究针对振动信号分析的曲轴轴系的损伤模式识别问题,提出一种基于Hilbert包络功率谱熵和支持向量机相结合的往复机械曲轴轴系损伤识别方法。基于曲轴轴系损伤机理展开研究,分析曲轴轴系发生故障振动的原因,建立典型的机械故障动力学模型,并通过构建故障模拟与振动测试系统获取曲轴实时振动信号;基于CEEMDAN方法对信号进行分解,选取峭度较大的本征模式分量进行Hilbert包络解调分析获取包络矩阵,计算信号的瞬时包络功率谱熵,可以明显看出曲轴轴系故障表征;最后进一步用SVM完成模式识别。数值模拟与实验结果验证了方法的有效性。该方法对往复机械曲轴轴系早期故障模式的识别具有较好的参考意义。

基于功率谱熵的频谱感知算法研究

针对低信噪比条件下认知无线电频谱感知问题,提出了一种基于功率谱熵的频谱检测算法。在分析主用户信号空闲与占用两种不同条件下观测信号功率谱熵差异的基础上,将其作为检验统计量,并确定了相应的判决门限,以实现对主用户信号频谱是否空闲的判决。计算机仿真结果表明,本算法无需信号的先验信息,可在较低信噪比条件下实现对常用调制信号的频谱感知,与盒维数频谱感知方法相比,检测性能约有8 d B的改进。

过程功率谱熵在转子振动定量诊断中的应用

针对旋转机械振动过程的复杂性和振动故障产生的随机性,提出了1种以信息熵理论为基础,通过多测点、多转速下的功率谱信息熵(功率谱熵)差矩阵来描述旋转机械振动过程变化规律的故障定量诊断方法。采用在转子试验台模拟转子振动的4种典型故障,得到4个测点多转速下的振动故障数据;对这些故障数据进行分析和处理,求其功率谱熵矩阵。结果表明:通过对转子振动故障信号进行实例计算和分析,该方法在转子振动故障分类和故障严重程度判断方面效果良好。

功率谱熵在痫性发作大鼠脑电检测中的应用研究

目的:研究功率谱熵在痫性发作大鼠脑电检测中的应用。方法:采用青霉素在大鼠海马微注射制备急性痫性发作模型,以深部电极记录大鼠原始脑电信号,将24只SD大鼠随机分成四组,即正常组(A),对照组(B),单电极组(C),多电极组(D)。C、D组大鼠经致痫后观察未发作期、发作前期、发作期和发作后期四期脑电信号的变化,运用谱熵对四期脑电信号进行分析,并与A、B组进行对比。结果:C组和D组脑电功率谱熵显示两组发作期与未发作期、发作前期、发作后期比较有显著差异(P<0.05),发作期明显低于其它各期;未发作期和发作前期相比有明显差异(P<0.05),发作前期较未发作期降低;将D组大鼠海马致痫灶(a)及其同侧附近(b)、对侧(c)三点发作各期脑电功率谱熵进行对比分析,发作前期和发作期a、b、c三点比较有明显差异(P<0.05),a点最低,c点的功率谱熵值最高。结论:功率谱熵可以预报痫性发作并可对癫痫病灶的定位提供一定的帮助。

基于EMD与功率谱熵的语音端点检测

为了提高低信噪比下语音端点检测的准确性,提出一种基于经验模态分解与功率谱熵的语音端点检测方法。对带噪语音信号进行经验模态分解获得一系列语音本征模函数,选取功率谱熵作为语音端点检测的特征,并计算特定阶本征模函数的功率谱熵实现语音的端点检测。通过EMD分解可以有效地消除白噪声的影响,仿真结果表明,在低噪比情况下结合经验模态分解和功率谱熵的方法能够有效实现语音端点检测。

最大熵功率谱计算磁源深度方法应用初探

本文介绍了应用最大熵功率谱计算磁源深度的方法原理、理论模型试算结果及在方法应用方面的改进措施,肯定了利用磁场水平导数的最大熵功率谱计算深度的效果。

血压波功率谱熵与年龄的关系

以10位年轻(21岁-34岁)与10位年老(68岁-81岁)的经过严格筛选的健康人为研究对象,同步记录每位受试者在仰卧时的血压波、心电图、呼吸波信号,计算出所有信号的功率谱熵。结果是:年轻组的血压波功率谱熵明显大于年老组(P<0.01),而心电图与呼吸波的功率谱熵没有显著差异(P>0.1)。这一结果预示着血压波功率谱熵可作为心率波动的一种新的度量。

基于功率谱熵和频带能量的运动意识任务分类研究

提出以信号功率谱熵和频带能量作为组合脑电特征向量,运用时变线性分类算法对左右手运动意识任务分类的方法。C3、C4电极脑电信号8～24Hz功率谱熵和频带能量随时间变化的规律很好地反映了ERD/ERS现象,将两种特征组合用于分类,得到了满意的结果。由于功率谱峰熵和频带能量计算比较简单,稳定性好,识别率高,可在线识别左右手想象运动。