基于全极化通道融合的目标进动周期提取方法

采用微波暗室静态测量数据动态反演,获取了两类模拟弹道目标在典型战情下的全极化雷达散射截面(RCS)回波序列。针对该时间序列具有的典型非平稳性、拟周期性特征,直接利用谱分析法提取进动周期效果较差等问题,本文在预处理环节利用小波方法进行降噪和加强进动通带细节;针对仅利用单一通道进行特征提取所面临的提取精确度不高、极化信息利用不充分等问题,分别利用主成分分析法和极化不变量法进行全极化通道融合处理。实验结果表明,利用极化信息提取方法明显优于单极化通道提取方法,在无噪观测环境下误差小于0.002 Hz。

基于FFT-ACF和候选值估计的基音周期提取方法

利用FFT-ACF算法进行基音周期候选值估计,减少在语音基音周期提取中常见的倍频和半频错误,提出针对候选值的多重后处理算法.后处理过程:首先运用峰值筛选法进行初选,接着利用一次均值法将语音分为不同的音高段,再使用二次均值法为每个音高段确定合适的频率范围,最后精确提取出基音周期.实验结果表明,基音周期后处理算法有效,在音乐哼唱识别应用中收到良好效果.

基于周期提取的心音分段方法

目的心音分段是心音分析的基础,传统方法是利用心音基本成分进行识别,而病变的心音信号中含有的杂音使识别受到干扰,易产生误分段。本文提出了基于周期提取的信号分段方法,可以避免对心音基本成分的识别。方法以虚拟仪器Lab VIEW为开发平台,首先利用小波变换对原始心音进行去噪预处理,然后利用快速Hilbert变换提取心音包络,再利用其自相关分析函数求出心动周期,进而从原始心音信号中提取整周期的信号,避免对心音基本成分的识别。结果对30例心音信号做实验验证,得到的心动周期长度能够直观显示,正确率达98%以上。结论作为一种无需识别心音基本成分的分段方法,此方法为后续的特征提取等研究打下了坚实基础。

一种改进的基音周期提取算法研究

现有的基音周期提取方法在准确度和稳健性上存在一定的局限性,很难准确地提取出信噪比较低的语音信号的周期。针对这一问题,提出一种基于小波变换的基音周期提取改进算法,将TEO(Teager Energy Operator)算子与二进小波变换结合起来,首先进行清浊判定,然后只对浊音帧采取多尺度小波分析提取周期,提出用幅度信息和出现概率信息校正二进小波模极大值间距,从而得到准确的周期。计算机仿真结果表明,与传统方法相比,不仅提高了处理效率,而且具有更高的精确度和稳定性。

基于自相关函数的心音周期提取和识别

论文提出一种对单个心音周期进行快速定位并分析的方法。首先对心音信号进行削波,通过短时自相关函数,实现对心音周期的定位;然后利用短时平均能量,小波包分解等时频分析手段对心音特征参数提取并运用概率神经网络进行分类。结果表明,该方法可以对17种不同心音进行有效分类;与常见方法比,不仅减少了运算过程,而且可以实现对含有额外心音的复杂心音信号进行判断和识别。

基于幅度差平方和函数的基音周期提取算法

为了在任意采样率下都可以高效、准确地进行基音周期提取,提出基于归一化幅度差平方和函数的基音周期提取算法。导出高效计算幅度差平方和函数的方法,时间复杂度是O(N lbN),给出该函数的归一化定义。归一化幅度差平方和函数的取值反映语音信号的非周期性程度,由此定义了基音周期的状态损失函数和转移损失函数,从而能在后处理过程中利用V iterb i算法,确定最优的基音周期序列。实验结果表明:与通用基音提取算法相比,在保证实时性的基础上错误率降低了9.31%,证明使用该算法提高了基音周期提取的准确率。

电话线质量语音的基音周期提取算法

基音周期提取算法是语音编码中至关重要的组成部分,针对传统自相关方法在电话线质量语音中提取准确度不高的现状,该文提出了一种新的时频结合的基音周期提取算法。时域上,引进一个新的参数——长时基音周期,并根据语音短时平稳特性,对自相关函数进行时域修正,去除不可能成为基音周期的延时值。频域上,计算频域自相关函数,将基音周期候选值所对应的频域自相关值也作为候选值权重的一部分,以增大真正基音周期的权重。通过Keele语音库进行性能测试表明:该算法对电话线质量语音的严重错误率比传统自相关方法的降低46.8%,极大地提高了电话线质量语音的基音周期判决准确度,同时对正常语音的严重错误率也降低了31.2%。

用模糊逻辑提取信号的周期

一、引言 在信号分析领域中,往往采用傅立叶变换对时域信号进行处理,以便在频域下对信号进行分析。在进行傅立叶变换时,不可避免地存在信号的长度选择问题。 在时域内盲目地选择信号长度会产生不正确的频谱,在电力系统以及生物医学中信号多数是非平稳的随机过程。

基于亮度序列的空间目标周期性判证与提取

针对空间目标的周期性判证与提取问题,提出了一种基于亮度特征的方法。该方法通过分析空间目标亮度变化序列的自相关特性进行周期性判证,将周期提取问题转化成一个优化求解问题,并提出了一种新的峰值检测方法。仿真实验验证了该方法对噪声鲁棒,可以有效地判证空间目标的周期性,周期提取的准确性也优于传统的谱窗分析法。

基于非周期性提取像素的全景图像三维重构

图像深度信息提取是三维图像重建的关键,利用匹配算法可以达到对全景成像可控处理的目的,因此在非周期性提取像素基础上完成全景图像三维重构。首先采用非周期性像素提取解决成像过程中出现的失真问题,构建无失真图像;通过立体视图系统和独立立体视图系统对全景图像重建处理,利用SSD计分准则的块匹配算法,对微透镜记录的两幅图像计算提取,同时运用邻域限制与放松方法深度提取全景图像;并依据最佳视差值及多基线立体匹配算法过滤出更准确信息,以采用差值算法实现更高精度的三维重建。仿真结果表明,所提方法具有较高适用性,计算过程简便、图像特征采集快。

粒子群优化齿轮箱振动信号周期分量提取方法

为了从齿轮箱振动信号中快速获得各零部件的振动信号,给准确定位故障部件提供理论依据,提出了一种适合于齿轮箱振动信号周期分量提取的改进型粒子群优化算法。在对齿轮箱振动信号、周期信号振幅与对应频率间的关系以及初始相位与对应频率间的关系分析的基础上,以各特征频率及其组合为基准生成初始种群进行优化,减少了周期信号提取中的盲目性,加快了周期信号的提取过程。最后,对实验室的齿轮箱进行了不同工况下振动信号的检测,以这些信号为例进行了周期分量的提取,结果说明所提方法是可行有效的。

多通道胎儿心电提取的经验模态分解和准周期成分提取方法

针对多导联腹壁混合信号的胎儿心电信号(FECG)提取方法有很多,建立在统计独立性和非高斯性假设基础上的盲源分离算法是一类普遍被关注的方法。但是,由于混杂在腹部心电信号中的母体心电信号和多种复杂的生物电噪声的影响,以及腹部电极布置的不合理等因素,使得传统的盲源分离算法对FECG的提取结果往往不尽如人意。本文提出了一个基于经验模态分解和准周期成分提取的多通道FECG提取方法EMD–QPCE。首先,对各通道腹壁混合心电信号分别用经验模态分解方法分解为一系列固有模态函数(IMF),消除IMF中母体心电信号的成分,以增强FECG的信息。然后,将各个通道信号相对应的IMF进行组合,用准周期成分提取方法提取FECG的信息。最后,由提取的含有FECG信息的IMF重构出FECG,实现多通道腹壁混合信号中提取FECG的目的。应用本文方法对DaISy数据库、ADFECGDB数据库和Challenge2013数据库中的真实心电信号进行实验,实验结果表明:与传统的独立成分分析、主成分分析和准周期成分提取方法相比,本文方法的成功提取率和提取质量都得到了有效提高;本文方法的FECG提取灵敏度Se为92.31%,阳性预测值PPV为98.77%,准确度指标F1为95.43%,平均胎儿心率误差为0.595%,具有非常好的准确度和精度,充分验证了本文方法的有效性和优越性。

GNSS坐标时间序列周期项自动提取方法

针对目前对坐标时间序列周期项探测的方式受噪声和旁瓣的影响较大,且不利于大规模数据处理的问题,提出了一种基于显著性水平的周期项自动探测识别方法,并利用仿真数据验证了其性能。然后利用该方法对全球分布的1 082个测站的坐标时间序列进行了周期项提取。研究结果表明,该方法能够在噪声和旁瓣的影响下实现对潜在周期项的自动探测和提取,并且具有良好的性能。在仿真实验中,当信噪比为-10 dB时仍具有70%的准确率。而通过对N、E、U这3个方向的实测数据的周期项进行提取,发现在全球范围内具有共性的周期项除了周年项和半周年项,还有时间跨度为120、88、71、59、50和14 d左右的周期项。这与相关学者的研究结果一致,证明了该方法的实用价值。

顾及先验周期长度的变形时序周期项提取方法

针对现有的变形时序周期项提取方法仅关注变形时序本身特性和难以为单因素变形分析提供因变量的问题,通过建立周期性因素作用周期长度与待提取周期项周期长度的关系,提出一种顾及先验周期长度的周期项提取方法。根据周期性因素的作用周期长度,确定待提取周期项周期长度的上下限,将其代入CF滤波,提取该因素产生的周期项位移。进行模拟和实测实验,模拟实验结果显示,该方法周期项提取的准确度相比于移动平均法最高可提高60.6%;实测实验结果显示,相比于单模型预报,该方法分解的子序列在位移组合预报中精度提高60.3%。因此,该方法可较为准确地提取某周期性因素产生的周期项位移时序,同时分解的子序列可用于变形组合预报中。

基于混合幅度差函数的基音提取算法

为了减少基音周期提取中的倍频和半频错误,进行更准确的基音周期估计,提出一种基于混合幅度差函数的基音周期提取方法.分析比较了不同幅度差和自相关函数估计基音周期错误率的分布,结合两类典型幅度差函数的优点定义了混合幅度差函数;进而基于混合幅度差函数,给出了使用历史信息进行校正的后处理方法.分析表明,所提方法可提高基音周期估计准确率,接近实时地确定基音周期,减少了传统基音周期估计因平滑处理而带来的误差或者动态规划处理带来的延迟.大量实验表明本文提出的基音周期提取方法比传统方法的错误率降低了13.8%.

基于特征合成的周期性备件需求预测方法

针对工程机械备件需求预测准确性低的问题,提出一种新的基于特征合成的周期性维修备件需求预测方法.定义等间隔备件需求样本集的相似度模型,采用优化算法确定最优备件需求周期长度,并利用回归模型建立各周期内的备件需求模型;提出基于特征合成的模型综合方法,借鉴物理力学中的矢量合成方法,将多个历史备件周期需求模型特征矢量合成新的特征矢量,利用新特征矢量还原获得最优的周期预测模型,该模型综合考虑了各个历史备件周期预测模型,使获得的备件周期预测模型具有更好的鲁棒性和泛化性.采用人工数据和矿用圆环链的实际需求数据对该预测模型进行验证,实验结果表明,该模型具有良好的稳定性和准确性.

胡杨、柽柳总RNA提取方法的建立

以胡杨和柽柳的叶片为材料 ,建立了一种从植物组织中快速分离总RNA的方法。该方法具有三个显著的特点 :RNA提取周期短 ,应用改进的LiCl沉淀RNA方法 ,仅需 10min即可 ;方法简单易行 ,仅需要几种常用试剂 ,操作步骤简单 ;提取的RNA杂质少 ,得率高 ,并能在提取过程中较有效抑制RNA的褐化效应。RNA质量可以满足cDNA文库构建、DDRT -PCR等要求。

基于奇异谱分析的大桥索塔变形信号提取与分析

采用奇异谱分析(SSA)与小波分析相结合的方法提取与分析索塔的变形。通过第一、第二主分量重建序列与原序列的均方误差最小,结合经验准则选取最优窗口长度,提出基于奇异值曲率谱峰值确定有效主分量的方法。分析表明,索塔变形具有多周期特征,南北索塔X、Y方向在主周期时间尺度上振荡频率一致,不存在不和谐振荡。

利用1984~2022年日长实测值对其变化的时序分析和拟合研究

利用IERS(International Earth Rotation and Reference Systems Service)发布的EOP 14 C04产品中1984~2022年LOD实测值进行频谱分析及周期项提取,并采用最小二乘外推模型联合多项式曲线拟合模型方法将提取到的周期项应用于对LOD序列的拟合。实验结果表明,相比于单一的LS外推模型拟合,新方法拟合序列的RMSE从0.0003 s下降至0.0001 s,且新方法将确定系数从0.80提高到0.97左右。该研究结果可为LOD序列的预报研究提供参考。

火星极移时变分析与预报

火星极移属于火星定向参数,通过对火星极移时间序列周期项进行研究,可以更加深入地了解火星内部结构及大气和潮汐运动的特征与规律。利用NASA提供的NP.ang和NP.ds火星极移序列进行时变分析与预报,时变分析使用快速傅里叶变换(fast Fourier transform,FFT)进行处理。结果表明,NP.ang与NP.ds两组数据的周期项长度基本一致,且与火星年具有很强的相关性。短期预报结果表明,使用差分整合移动平均自回归(autoregressive integrated moving average,ARIMA)模型对NP.ds进行20 d内的短期预报是一个可行的思路;中长期预报结果表明,使用最小二乘外推模型进行NP.ds数据的中长期预报是可行的,且使用准确度更高的周期项进行最小二乘外推模型的拟合,可以显著提高对NP.ds的中长期预报精度。本文研究结果可为火星极移的预报研究提供参考。