基于图滤波器和SVDD算法的分布式光伏集群发电异常检测研究

由于电网企业不断加快数字化转型,利用北斗定位技术将自动获取区域内光伏计量装置经纬度这一关键技术参数。文章充分利用分布式光伏集群内光伏发电装机位置空间相关性,提出一种在弱监督下基于图滤波与支持向量数据描述(support vector data description,SVDD)的分布式光伏集群发电异常检测方法。首先建立分布式光伏集群发电图数据结构模型,通过加权邻接矩阵描述分布式光伏发电点空间耦合性,其次构造图高通滤波器将时域参数转化为频域参数,然后通过SVDD算法优化图滤波结果,进一步挖掘图高通滤波器阈值与输出功率数据之间的关系。结果表明,采用图滤波器和SVDD算法模型方法在分布式光伏发电异常检测精度上有显著提高。

一种非均匀图滤波器组的设计方法

针对图频率分布不均匀的情况,提出一种非均匀图滤波器组的设计方法。根据图频率的分布特性,设计了具备良好频率选择特性及顶点域局部特性的非均匀分析滤波器。先用低阶非多项式滤波器近似高阶多项式滤波器,再在给定分析滤波器和子带信号的前提下,将重构问题归结成一个最小二乘问题。由于直接求解优化问题会涉及矩阵求逆,为了解决在大规模图的情况下计算复杂度高的问题,采用一种预处理梯度法对优化问题进行迭代求解,且能分布式实现。仿真结果表明,通过该方法设计的非均匀图滤波器组能实现完全重构,且其分析滤波器具备良好频率选择特性及顶点域局部特性。与其他迭代方法相比,该方法具有较快的收敛速度和较低的计算成本。

基于元学习和图滤波器的节点分类研究

深度学习在提取数据特征方面取得了巨大的成功,尤其是在处理节点间关系信息丰富的图数据时,通过在频域上使用图滤波器进行图卷积操作,设计出了多种图神经网络。这些图神经网络主要关注设计固定的滤波器或学习简单的滤波器,但这种对滤波器的简化可能会导致滤波器不能适用于所有的图数据。为了解决上述问题,提出了一种基于元学习和图滤波器的节点分类模型MGCN,以提高图滤波器的普适性。模型利用元学习为图卷积神经网络(GCN)的滤波器学习了一组初始化权重,在对滤波器的权重进行微调之后,模型可以快速地适应新任务。为了验证MGCN的有效性,在6个基线数据集上进行了大量实验。实验结果表明,提出的模型相比于传统图神经网络模型可以适用于更加广泛的图数据。

一种改进雅可比算法的频域临界采样图滤波器组

频域临界采样图滤波器组需要对拉普拉斯矩阵进行特征分解,这导致了该框架计算复杂度过高。针对该问题,采用改进雅可比算法近似求解该框架的特征矩阵,从而降低计算复杂度。改进的雅可比算法将近似求解特征矩阵的问题归结为一个带约束的优化问题,将拉普拉斯矩阵的近似误差作为目标函数,以近似特征矩阵的稀疏正交性作为约束条件,从而求解出近似特征矩阵。理论和仿真实验结果表明,近似特征矩阵用于频域临界采样图滤波器组不会改变其完全重构条件,且与现有的频域临界采样图滤波组相比,改进的雅可比算法在降低计算复杂度的同时保持了良好的去噪性能。

基于图滤波器的符号属性图链路关系预测算法

带节点属性的符号网络在信息学、生物学等多个领域存应用广泛,链路符号预测是该类数据分析中的一个热点问题。基于符号图神经网络的模型是该问题的最新有效解决方案,但现有方法几乎均基于社会平衡理论,且未充分利用节点属性。针对以上问题,从图信号处理角度设计了一个符号图神经网络,提出了一种端到端的符号属性图链路预测算法。首先,给出了基于低频和高频信号的带通滤波器的符号图神经网络,用于获得基于符号拓扑图的节点嵌入;其次,构造属性相似性图,利用图卷积网络得到属性相似性图节点嵌入;最后,引入注意力机制,融合符号拓扑图与属性相似性图两种节点表达,并将其输入符号判别器,通过Adam优化器训练模型。在三个药物数据集上进行了对比实验与模型设置的影响分析。与典型的符号图卷积网络与符号图谱嵌入,以及最近提出的基于图滤波的符号卷积网络的对比结果表明,该模型在AUC与F1指标上比最好的基线方法提升了8.68%与10.04%。

一种基于局部频率估计的地形自适应干涉图滤波器

本文提出一种用于InSAR处理的地形自适应干涉图滤波器.该滤波器通过局部空间频率估计,依据地形的变化进行参数调整,能够有效地克服传统的多视滤波器破坏致密干涉条纹的缺点.本文详细描述该地形自适应滤波器的结构,并阐述其具体实现方法.在局部频率估计中,由于采用了二维Chirp-Z变换,滤波器的计算效率较高.用X-SAR的干涉数据对所提出的自适应滤波器进行了验证,给出了自适应滤波器和传统多视滤波器的滤波结果,说明前者具有保持干涉条纹的良好特性.

一种设计M通道双正交过采样图滤波器组的新算法

针对现有的M通道过采样图滤波器组整体性能较差的问题,该文提出一种过采样图滤波器组设计的新算法。在新算法中,分两步来设计图滤波器组。首先,从频谱特性方面考虑来设计分析滤波器,以分析滤波器的通带波纹和阻带能量为目标函数,以3 d B约束为约束条件,通过半正定规划求解出频谱选择性较好的分析滤波器;然后,从完全重构特性方面考虑来设计综合滤波器,以综合滤波器的阻带能量为目标函数,以完全重构条件为约束函数。上述两个约束优化问题都是半正定规划问题,都可有效地求解。新算法综合考虑了滤波器组的重构特性和频率特性,因此可以设计得到整体性能良好的M通道双正交过采样的图滤波器组。仿真对比表明,与已有的设计算法相比,新算法设计所得的图滤波器组具备更小的重构误差。

两通道正交图滤波器组设计新算法

针对两通道正交图滤波器组频率特性差的问题,提出了一种基于二阶泰勒近似的迭代算法.首先,该算法将两通道正交图滤波器组的设计问题归结为一个带约束优化问题.将图滤波器组的重构误差作为目标函数,滤波器的阻带衰减作为约束函数;然后,通过泰勒近似将高度非线性非凸的目标函数转化为关于增量的凸的二次函数,将非凸优化问题近似为凸的优化问题;最后,采用迭代方法求解该优化问题.仿真结果表明,与伯恩斯坦多项式逼近的算法相比,新算法设计的两通道正交图滤波器组重构误差减小了约1个数量级,信噪比提高了约8dB.

基于C3NET和图滤波器的基因特征选择算法

针对基因表达数据维度高,冗余基因多等问题,提出了一种基于C3NET和图滤波器的基因特征选择算法。利用C3NET算法推断出基因表达数据的基因调控网络,得到基因之间的调控关系。将基因表达数据中的基因建模为图上节点,每个基因的基因数据建模为图信号,将得到的基因调控网络建模为邻接矩阵,计算该基因调控网络的图拉普拉斯矩阵和图傅里叶变换,并且提出了一种基于图傅里叶变换的基因分类能力的评估方法,计算每个基因的分类能力。设计了高通图滤波器对基因数据进行滤波,根据计算得到的基因的分类能力,筛选出滤波后分类能力高的基因。仿真实验结果表明,与现有的基因选择算法相比,本算法筛选出的基因分类能力更高,在不同的分类器中均能保持较高的分类准确率。

一种基于泰勒级数展开的图滤波器设计方法

图信号处理是近年来一种新型的信号处理技术,极大地扩展了经典DSP的处理范围,但许多经典概念如频率、数字滤波器等,均需要重新定义和设计。文中基于经典数字滤波器设计,将数字信号处理中的傅里叶基函数进行泰勒阶数展开来设计图信号的FIR滤波器和IIR滤波器。展开之后的傅里叶基函数会得到关于数字角频率的多项式形式,利用此多项式的系数作为图滤波器的系数进行相应滤波器的设计。该图滤波器的设计方式可以得到一个经典数字滤波器的近似,文中对该近似做了误差分析,以得到最终的滤波器与被拟合滤波器之间的误差。最后实验结果表明文中图滤波设计方式,相较于其他一些图滤波器设计方式拥有更好的性能。

一个基于低通图滤波器的推荐模型

推荐系统已经成为大数据时代帮助用户挖掘其偏好的有力工具,也创造了大量的经济价值.在实际推荐场景下,尽管用户的偏好或者项目(也称“商品”)的特性都是相对稳定的,可以通过用户与商品的历史交互来捕获.但是,用户对商品存在误触的点击行为,这实际上是噪音信号.如何对用户-商品进行降噪并学习精确的用户偏好是推荐系统的基本需求.我们将用户-商品交互建模为二部图,并从图信号处理的角度设计了一种低通图滤波器,其可以抑制和过滤高频噪音并筛选出低频的用户偏好.最后,2个真实数据集上的大量实验验证了所设计算法的有效性.

非下采样图滤波器组的设计方法

针对图滤波器组中难以准确定义一般图信号下采样运算的问题,提出了非下采样图滤波器组的设计方法。首先,采用样条滤波器作为分析滤波器组。然后,通过两种不同的方法设计综合滤波器组,其中,算法一利用顶点域的完全重构条件,构造出综合滤波器组;算法二从子带滤波器的频谱特性考虑,采用带约束优化算法设计综合滤波器组。两种方法可设计得到完全重构的两通道非下采样图滤波器组。最后,在两通道非下采样图滤波器组的基础上,采用级联的方式构造出具有多分辨分析特性的多通道非下采样图滤波器组。仿真结果表明,所提出的非下采样图滤波器组具备完全重构特性。并且,与已有的图滤波器组相比,设计所得的多通道非下采样图滤波器组具有更好的去噪性能。

一种图高通滤波器的智能电网异常监测算法设计

智慧化、网络化是电网系统的主要发展方向。随着大量传感器的引入,此类电网的异常监测变得越发困难,准确识别异常节点成为解决问题的关键。基于图信号理论,设计出可监测电网异常数据的图高通滤波器,运用切比雪夫多项式对滤波器的算法模型进行优化。通过仿真检验,该模型能够以较高的准确率监测出智能电网中的异常传感器数据。

一种适用于纹理图象的FIRE滤波器

对于图象滤波系统，如何在降噪的同时保护细节结构是一个难点。文章提出一种新的FIRE（fuzzy inference ruled by else－action）滤波器，通过将对应于不同邻域尺寸下的象素分布模式的模糊规则集成在同一规则基中，将多分辨率图象分析引入到单一模块内。实验表明该方法对纹理图象的去噪效果明显。

一种基于图信号处理的BP神经网络语音识别方案

文中研究图信号处理技术在语音信号处理领域的实现和应用。基于语音信号基本特征,提出一种语音图信号拓扑结构和图邻接矩阵新方案,即语音采样点为图顶点,全连接语音拓扑结构和语音样值差递减幂函数作为边权重。分析了新方案下浊音、清音和静音的图傅里叶变换。基于新方案下语音图傅里叶变换系数集中于低频的特性,设计图低通滤波器,并将该低通滤波器滤波后的语音信号进行基于BP神经网络的数字语音识别实验,正确识别率获得明显提高。

语音图信号处理理论与技术研究

首先论述新型图信号处理(Graph Signal Processing,GSP)技术的基本概念和相关研究进展,其中包括图拓扑结构、图傅里叶变换、滤波及图学习。鉴于语音信号是一种非平稳和非线性的信号,为此,文中研究基于GSP技术的语音信号的图映射理论,即将时域语音信号映射为图域的语音图信号,通过设计语音图信号的图拓扑结构和图邻接矩阵来研究语音图信号的内在潜藏关系,进而设计优于经典DSP的语音图信号消噪算法和系统。在此研究基础上,进一步讨论相关实际应用问题,例如麦克风阵列环境下如何通过GSP技术处理麦克风阵列声源(说话人)的定位及追踪问题。期望基于GSP技术语音图信号处理理论,为语音识别、合成、编码、增强等各个领域的图信号处理奠定理论基础。

一种基于物理光流与细节增强的湍流图像恢复方法

针对远距离成像系统容易受到大气湍流中压强、温度等因素的影响,得到的图像序列会产生图像畸变与模糊等问题,提出了一种基于物理光流与引导图滤波器细节增强的方法,从受湍流影响图像序列中恢复出清晰图像。首先,利用物理光流计算序列帧与参考图像之间的位移信息差,通过位移校正获得去扭曲的图像;其次,采用归一化稀疏表示进行去模糊;最后,利用引导图滤波器将细节增强图像从去扭曲图像中提取出来。实验结果表明,该方法能有效去除湍流图像的畸变和模糊,获得相对清晰的图像,并与其他方法进行对比,证明了其优越性。

基于图信号处理的无线传感器网络异常节点检测算法

针对无线传感器网络(WSN)中传感器自身安全性低、检测区域恶劣及资源受限造成节点采集数据异常的问题,提出一种基于图信号处理的WSN异常节点检测算法。首先,依据传感器位置特征建立K-近邻(KNN)图信号模型;然后,基于图信号在低通滤波前后的平滑度之比构建统计检验量;最后,通过统计检验量与判决门限实现异常节点存在性的判断。通过在公开的气温数据集与PM2.5数据集上的仿真验证,实验结果表明,与基于图频域异常检测算法相比,在单个节点异常情况相同条件下,所提算法检测率提升7个百分点;在多个节点异常情况相同条件下,其检测率均达到98%,并且在网络节点异常偏离值较小时仍具有较高的检测率。

滤波器组框架理论及其在图信号处理中的应用

滤波器组框架理论是应用数学、信号处理、图像处理和数字通信等领域的重要问题之一,对滤波器组框架的分析和设计问题进行研究有着重要的科学意义和应用前景.近年来,随着高维非规则化数据信息大量涌现,很多学者开始研究图信号处理的滤波器组方法.因此对滤波器组框架理论及其在图信号处理中的应用进行了综述研究.首先对传统滤波器组框架理论的基础知识进行概述,总结滤波器组框架分析与设计方法;然后重点介绍两类图信号处理架构以及图滤波器组的最新研究成果;最后对未来的研究进行展望.

改进的基于多尺度融合的立体匹配算法

针对局部立体匹配算法在弱纹理或视差不连续区域匹配精度低等问题,提出了一种结合卷积神经网络(CNN)和特征金字塔结构(FPN)的多尺度融合的立体匹配算法。在卷积神经网络的基础上应用了特征金字塔,实现立体图像的多尺度特征提取和融合,提高了图像块的匹配相似度;利用引导图滤波器(guided filtering)快速有效地完成代价聚合,在视差的选择阶段采用改进的动态规划(DP)算法获得初始视差图,对初始视差图精细化得到最后的视差图。所提算法在Middlebury数据集上提供的图像进行训练和测试,结果表明该算法得到的视差图具有较好的效果。