噪声抵消法多源噪声成分分析系统

对一种新的噪声成分分析系统—基于自适应噪声抵消器和偏相关分析的多源噪声成分分析系统进行了研究,并用它来分析复杂的多源叠加型噪声场的组成成分,给出各源噪声成分在多源总噪声场中所占的百分比估计。利用该系统对仿真信号和某实测多源噪声信号进行处理,获得了满意的结果。

面源污染中磷流失多重影响因素主成分分析

为全面了解对美国中部Illinois州具有浅层排水系统的轮作农业地区的面源污染问题,利用主成分分析方法及多元线性回归,对Little Vermillion River流域磷流失影响因素主成分进行分析.结果表明,磷流失的影响因素基本分为3大主成分:一是生物主成分,包括温度、植被类型、覆盖因子、生物量、散蒸量;二是水力主成分,降雨及流量;三是人为干扰主成分,施肥量及耕作内容.其中水力主成分对流失的影响最大,尤其是对浅层排水中磷流失的影响.

基于主成分分析理论的装载机多源数据特征提取

为缓解工程车辆在复杂作业环境下因特征属性多、信号干扰大,引起运算时的维数灾难,以某5 t装载机为研究对象,在V形循环作业工况下采集压力、流量、转速及转矩等信号;在剔除部分冗余变量、加入衍生变量后基于主成分分析(PCA)理论对多源数据进行特征提取。通过实验分析得出装载机前轴扭矩、后轴扭矩和工作泵功率累计达到了原11种属性97%的贡献率。装载机的前轴扭矩、后轴扭矩和工作泵功率可以代替多源数据变量。通过主成分分析能提高高维运算的速度,同时降低维数灾难的发生率,该方法可用于分析工程机械的大数据样本,从而进行智能识别与人工智能控制,也可应用于机器学习、数据挖掘以及计算机视觉等领域。

振动噪声特征的主成分分析方法应用研究

运用主成分分析方法,经过矩阵变换,提取振动信号的主要信息,从而实现对振动噪声源的分析。通过对100CLG-30船用立式单级离心泵试验数据的分析处理说明,在有用信息量损失较少的前提下,该方法可以提炼运转状态信息,是一种解决高维复杂系统状态分析问题的简便有效的统计方法。

青藏高原三江源土壤成分分析系列标准物质获批为国家一级标准物质

中国地质科学院国家地质实验测试中心研制的6种青藏高原三江源土壤成分分析系列标准物质获得国家质量监督检验检疫总局批准，成为国家一级标准物质，编号为GBW07475-GBW07480。青藏高原三江源是世界上海拔最高的天然湿地，也是世界高海拔生物多样性最集中的地区，是青藏高原的腹地和主体，是长江、黄河、澜沧江的发源地。现在长江总水量的25％、黄河总水量的49％、澜沧江总水量的15％都来自于这里。人们将它誉为“中华水塔”和“亚洲水塔”，并称之为地球“第三极”。有珍稀野生动物80多种、植物2000多种，同时是三江全流域生态系统最敏感的地区，自然条件恶劣、生态极为脆弱，对三江流域中下游甚至南亚关系重大。

自适应多目独立成分分析

通过分析LCNN的学习方程,发现Lagrange约束项的物理本质是有监督学习的下降速率,提出了自适应LCNN(ALCNN)算法,避开了病态矩阵的问题,并将学习矩阵和独立成分求解复杂性都降到了O(n)。

源贡献的时域分析方法

本文通过对采用多输入输出模型的舰艇水下噪声系统的分析 ,给出时域处理的输入对输出贡献网络解的方法 ;其次 ,给出输入输出协方差矩阵的归一化处理 ;最后给出输入对输出贡献的偏相干处理。方法对实际数据的应用可参见文献[3]。

基于RS和GIS的淮河源土地利用变化及驱动力分析

以淮河源1993、2003、2013年三个时期的遥感影像为主要数据源,利用GIS和RS技术,采用监督分类、叠加分析、主成分分析等方法,对淮河源20年间的土地利用时空变化特征及驱动因素进行分析.结果表明:耕地、水体和未利用地呈减少趋势,其中耕地变化幅度最大;居民地持续增加;林地面积先减后增.人口因素、经济因素和城市发展因素是淮河源土地利用变化的主要驱动因素.

基于VMD的噪声信号去噪源分离

针对噪声信号分析中的欠定盲源去噪问题,基于变分模态分解(Variational Mode Decomposition,VMD)、主成分分析(Principal Component Analysis,PCA)和去噪盲源分离(Denoising Source Separation,DSS)各自的优点,提出一种基于VMD和PCA的欠定去噪源分离方法(QVMD-PCA-DSS)。所提方法首先通过第一次VMD分解得到窄带本征模态分量(Band-Limited Intrinsic Mode Function,BIMF),根据BIMF分量的PCA特征值梯度获得最优VMD分解参数,解决VMD参数选择问题,故称作二次估计型可变微分模态(Quadratic-estimates Variational Mode Decomposition,QVMD),然后使用基于QVMD分解得到的BIMF分量来解决盲源分离中源信号数据不足的问题,再根据PCA特征值选择模型估计源信号数量,最后应用DSS进行源信号估计。数据仿真证明,所提QVMD-PCA-DSS方法可以准确估计源信号,与传统方法相比,基于新方法所得估计源信号与源信号更为接近。将该方法应用于内燃机车司机室噪声测试分析中。结果表明,该方法可以自适应解决欠定盲源去噪问题,对降噪分析与噪声分析具有重要的工程意义。

变风量空调系统噪声评价及其控制对策

近年来,由于变风量空调器设计缺陷,安装时没有采用有效的减振措施引起机壳振动或管道风量调节不当,导致噪声超标,引发了许多经济纠纷。只有通过对空调器系统噪声进行合理分析与评价并找出噪声控制对策,才能化解这方面的矛盾。

英汉机器翻译中的源语配价分析

机器翻译识别支配关系的思想与配价论的思想是基本一致的，但是在分析的策略和具体方法上，机器翻译要从系统性和可操作性的原则出发进行调整和补充。这主要表现为：分别以句法功能和义类为标准建立词的层级分类体系，用产生式规则分析支配关系，以词的义项为单位设置支配关系规则，用转换规则描述支配关系的典型形式在句法上的变化规律，个性规则和共性规则配合使用，在支配关系以外处理表示施事的被支配成分，以及合理控制分析的深度。

原煤X射线荧光分析仪探测系统的改进

介绍了X荧光分析法在煤样成分检测中的应用,并根据需要对探测系统做了改进:在原来X光管激发基础上,增加了238Pu源(7.4×108Bq),设计成双激发源。在理论分析和实验基础上,确立的最佳几何条件参数为:最佳激发角度60°,最佳源样距8mm,最佳源-探间距5mm。测量结果表明,分析Fe之前元素适合用X光管激发,分析Fe及Fe之后元素适合用238Pu源激发。

GPS与Galileo系统组合应用精度分析

从GPS与Galileo系统共用频段角度出发,简要论述了两大系统频率和信号计划。详细分析了BOC调制体制下GPS和Galileo系统各项误差源对用户等效距离误差影响,其中包括了接收机伪随机码测距噪声误差、电离层误差和多路径误差等。根据GPS、Galileo系统和GPS+Galileo系统组合3种情况下卫星几何分布,分析给出了3种情况下的定位精度结果。

液压传动噪声机理分析与控制

通过对噪声机理分析,提出液压传动系统的噪声以噪声源、噪声传播和噪声辐射来分类。针对液压传动的特点,提出噪声控制的措施。

安捷伦最新PNA-X网络分析仪选件可提供50GHz噪声系数测量

最新选件通过先进的误差校正消除非理想系统信号源匹配引起的误差安捷伦科技公司推出适用于PNA-X系列微波网络分析仪的选件028。这款新选件可对高达50GHz的放大器、变频器和混频器进行高精度的信号源校正噪声系数测量。

基于径向基函数的非线性系统近似偏最小一乘准则辨识算法

针对输入信号非线性相关的非线性系统,提出了基于径向基函数的近似偏最小一乘准则辨识算法。首先对观测数据矩阵进行列扩展,以径向基函数(radial basis function,RBF)网络的输出作为观测数据矩阵的扩展项,然后利用近似偏最小一乘算法对扩展的观测矩阵和输出矩阵进行线性回归。近似偏最小一乘算法用确定性可导函数近似代替残差绝对值,可以抑制对称α稳定(symmetrical alpha stable,SαS)分布的尖峰噪声。同时,通过主成分分析去除非线性系统数据向量矩阵之间的非线性相关,得出模型参数的唯一解。仿真实验表明,本文算法可以对输入信号存在非线性相关的非线性系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性。

基于近似偏最小一乘的闭环系统辨识新方法

本文基于近似最小一乘准则和主成分分析,针对反馈通道模型阶次低于前向通道模型阶次且反馈通道不存在噪声的闭环系统,进行了近似偏最小一乘递推辨识算法的推导.为解决最小一乘准则函数不可微的问题,本文算法用确定性可导函数近似代替残差绝对值.近似偏最小一乘辨识算法可以克服基于最小二乘准则的辨识算法在受到满足(SαS)分布的尖峰噪声干扰时残差平方项过大的缺点,具有目标函数可导,计算简单的优点.同时,通过主成分分析去除数据向量各元素之间的线性相关,可以得出模型参数的唯一解.仿真实验表明,本文算法可以对反馈通道模型阶次低于前向通道模型阶次的闭环系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性,可以更好地应用于闭环系统辨识.

基于稳健性主成分分析算法的光学相干层析成像去除散斑噪声的研究

为了消除光学相干层析成像(OCT)系统中存在的大量散斑噪声,引入了稳健性主成分分析(RPCA)算法。通过分析生物组织在OCT中散斑的产生机制,从而了解OCT系统中散斑噪声的特点。结合OCT系统自身的特点,证明基于RPCA算法的低秩矩阵恢复模型对OCT系统消除散斑噪声有良好的适用性。利用RPCA算法,可以得到将OCT原始图像分解成散斑噪声图像和样品截面图像的最佳估计。RPCA算法能在分离散斑噪声的同时,保留样品自身结构的散斑图样,有效地避免了伪影的生成。通过对比处理后和处理前的图像,结果表明,RPCA算法能够有效地抑制散斑噪声,提高信噪比,改善OCT图像效果。

基于X射线数字成像的GIS设备缺陷无损检测方法

GIS设备的安全性和可靠性对电力体系的平稳运行具有重要意义;因此,为提高对GIS设备缺陷的检测效果、提高设备运行的安全性,在X射线数字成像的基础上,提出一种针对GIS设备的缺陷无损检测方法;通过X射线数字成像的方式采集GIS设备图像,并对图像中存在的泊松噪声实施去噪处理,以提高图像质量;针对处理后的图像,利用二维主成分分析法,通过将复杂的图像数据转换为简单的主成分来表示原始数据,提取出最具代表性的特征;将提取结果输入到BP神经网络分类器中,通过特征分类完成对GIS设备缺陷的无损检测;实验结果表明:应用该方法后,图像识别清晰度较高,对不同类型缺陷的检测效果良好;该方法的优势在于使用先进的图像处理和机器学习技术,能够有效地识别和定位GIS设备中存在的缺陷,通过及时发现并修复这些缺陷,可以提高GIS设备的安全性和可靠性,从而确保电力系统的平稳运行。

边坡安全监测GPS-RTK信号的降噪算法研究

全球定位系统实时动态差分技术(global positioning system-real time kinematic, GPS-RTK)是解决路基边坡安全监测问题的重要手段,但GPS-RTK信号易受到多路径误差和共模误差的影响。基于小波变换(wavelet transform, WT)和主成分分析(principal component analysis, PCA)分别可以有效去除多路径误差和共模误差,提出WT-PCA算法去除信号误差。首先设置仿真信号,通过参数调优进一步提高单一算法的降噪效果。其次提出组合算法WT-PCA改进单一算法的缺陷,并与其他组合算法进行对比分析。最后,对十天高速路基边坡的GPS-RTK监测数据进行实例分析。结果表明,WT-PCA算法的信噪比和均方根误差较于WT-VMD优于66%和50%左右,算法可以有效地消除GPS-RTK信号的多路径误差和共模误差影响。提高边坡位移监测信号处理精度,进一步评估边坡结构形变及安全状态。