基于并行融合深度残差收缩网络的有源配电网故障诊断

针对含分布式电源的配电网故障呈现方式多样化以及故障诊断易受分布式电源类型、输出功率等非线性因素影响等问题,提出一种基于并行融合深度残差收缩网络(P-FDRSN)的故障诊断模型。首先,构建具有故障识别支路和故障定位支路的并行网络结构——P-FDRSN,在残差模块中引入收缩机制,减少网络中噪声或冗余信息的影响,提高网络对噪声的鲁棒性;其次,将故障录波信号波形幅值变化转换为灰度图和时频图,送入深度残差收缩网络进行深度特征提取并在汇聚层中将获取的特征进行融合,以增强故障录波信号的特征学习能力。仿真结果表明:在不同分布式电源类型和不同输出功率下,模型故障定位与识别精度均能保持在98.75%和97.25%以上,即使在噪声干扰的情况下,诊断准确率仍可保持在96.75%以上,模型具有较高的精度和较好的自适应性。

基于多模型并行融合网络的恶意流量检测方法

针对单一串行深度学习检测模型提取流量特征时无法完整反映原始流量信息,且恶意流量识别精度低的问题,设计多模型并行融合网络,提出一种基于多模型并行融合网络的恶意流量检测方法。所提方法采用并行方式,融合一维卷积神经网络(1D-CNN)与双向长短期记忆(Bi-LSTM)网络进行特征提取和流量识别,各条支路均直接面向原始流量,同时提取流量的空间特征与时序特征,采用共同的全连接层进行特征融合,可更精准地反映原始流量信息并有效提高恶意流量的识别准确率。在开源NSL-KDD数据集上的实验结果表明,所提方法恶意流量检测的特征提取能力、鲁棒性以及在线学习能力等方面均表现了优越的性能。

基于四元数并行融合的手指纹理区域识别

本文在四元数并行融合的基础上提出了一种基于四元数性质的并行融合手指纹理区域识别新算法,即提出了基于四元数模性质的QM匹配分数,并对手指纹理这一可靠生物特征的使用作了可行性分析。首先,从手指纹理区域ROI提取出4种二维小波分解系数;其次,按顺序将4种小波系数并行融合成四元数;最后,提出基于四元数模的QM匹配分数用于手指纹理识别。正常条件下,该算法效率上优于其他算法;噪声干扰条件下,该算法较其他算法具有更好的抗噪性。

基于四元数多特征并行融合的JPEG隐写检测

针对串行特征融合方法易出现"维数灾难"以及并行复矢量特征融合方法只能融合两类特征的弱点,提出一种基于四元数多特征并行融合的JPEG隐写检测方法。方法利用四元数有4个分量能融合4种特征的性质,首先提取4种经典特征,然后用主成分分析(PCA)进行数据降维,去除冗余信息,最后将4种特征组合为四元数矢量,实现多特征的并行融合。实验结果表明,和传统特征融合方法相比,所提方法不仅有效提高了JPEG隐写图像检测率,而且具有较强的鲁棒性。

适用于稀疏动态无线传感器网络的并行融合分布式无迹信息滤波算法

稀疏和随机动态变化是实际无线传感器网络(wireless sensor network,WSN)中普遍共同存在的两种通信拓扑不稳定因素,使基于一致性算法的分布式无迹信息滤波(distributed unscented information filter,DUIF)算法适用于稀疏动态WSN,将极大提高其实用性.为此,本文提出一种并行融合DUIF(parallel fusion DUIF,PF–DUIF)算法.在PF–DUIF算法中,通过将实时局部后验估计均值和协方差用于局部无迹信息滤波器(local unscented information filter,LUIF)的Sigma点采样,使LUIF和加权平均一致性滤波器(weighted average consensus filter,WACF)得以并行运行,从而有效抵制由通信拓扑随机动态变化带来的较大一致跟踪误差的困扰;同时,WACF通过对LUIF输出的无偏局部信息矩阵和向量分别进行平均一致性滤波,最终得到不包含由稀疏通信拓扑引起的平均一致误差的分布式后验估计结果;进而,建立即时更新机制有效抑制随机动态通信拓扑引起的PF–DUIF算法滤波异步问题,同时,基于稀疏动态WSN的平均网络模型,在通信能量消耗受限条件下优化WACF均方收敛速率,从而提高PF–DUIF算法的整体滤波效率.仿真实验结果表明,PF–DUIF算法能够有效应用于稀疏动态WSN机动目标跟踪.

多小波基的设计与地震图像并行融合实现

面向地震图像解释中的具体问题,开展图像融合算法研究,增强目标识别的准确性,提高对地震图像的解译能力.设计了一种具备对称性、短支撑性、二阶消失矩和正交性的高性能多小波基,提出了其并行融合算法实现.算法考虑了对配准误差的适应性问题,提高了图像空间频率.从实验结果来看,图像的整体和细节特征比单小波融合方法有较大的提高.通过将地震图像融合技术与并行程序设计相结合,在多核处理器下采用虚拟节点技术搭建多机并行图像融合平台.实验结果表明:针对多核系统的并行融合方法省去了并行处理的数据寻址时间,相比并行化前,算法执行时间随着节点数增加而减少,并且各并行操作更为规范、简洁,符合算法操作规则性强的实现特点.

双通道视频图像多特征并行融合方法仿真

对双通道视频图像的多特征并行进行融合,能够有效提高双通道图像的完整性。对视频图像多特征并行融合,需要获得运动图像软特征,跟踪当前帧位置,完成视频图像多特征并行的融合。传统方法首先融合视频图像多特征并行概要,对其进行模板识别匹配,但忽略了跟踪当前帧位置,导致融合效果不理想。提出双通道视频图像多特征并行融合方法。融合待跟踪目标区域,统计初始像素点拟合成时域轨迹,计算时域轨迹的空间谱带以及边缘谱带进行合并,获得运动图像软特征,估计出单应性矩阵,跟踪当前帧位置。实验结果表明,该方法有效提高了双通道图像的完整性。

基于并行融合网络的航拍红外车辆小目标检测方法

提出了一种基于并行融合网络的航拍红外车辆小目标检测方法。以并行残差块搭建的网络作为主干网络,完成对目标高精度且强鲁棒性的识别和分类。在此网络的基础上进行特征提取与特征融合,提出了基于跨层连接的改进YOLOv3算法,充分利用底层的信息完成对红外车辆小目标的高精度检测与定位。最后,采用soft-NMS替代NMS来缓解目标重叠问题。实验结果表明,本文方法能够准确检测复杂运动背景下的红外车辆小目标,并在误报率较低的情况下达到较高的检测精度。其中虚警率仅有0.01%且漏检率仅有1.36%。

基于并行融合机制的改进遗传算法求解HFSP调度问题

针对混合流水车间调度问题(Hybrid Flow Shop Scheduling Problem,HFSP),以总工位切换时间为目标函数建立仿真优化模型,并提出一种基于种群并行融合机制的改进遗传算法(PIGA)进行求解。通过仿真模型计算目标函数适应度值并在遗传算法的迭代进化中引入并行融合拆分机制;在传统遗传算法的基础上将精英保留策略引入个体选择机制,将自适应遗传因子引入交叉变异概率,建立改进自适应遗传算法;运用该算法进行仿真优化实验,实验结果证明了该算法的有效性。

基于并行融合网络的多功能雷达行为辨识技术

针对多功能雷达在信号层面分析时样式复杂多变、整体特征表述不全面、提供关键信息能力不足的问题,建立了一种多层级的多功能雷达行为层面表征模型,提出了一种基于一维深度卷积神经网络和门控循环网络并行处理的融合网络结构。在使用多层级模型清晰有效地表征和分析多功能雷达行为的基础上,结合两种网络分别在局部深度特征提取和全局时序特征提取方面的优势,实现了对多功能雷达典型功能的行为辨识。仿真实验结果表明,在参数交织程度较高的情况下,该网络对多功能雷达四种典型功能的行为辨识准确率达到95.6%,证明了所提的并行网络算法在侦察情报分析领域具有良好的应用前景。

基于NSCT变换的多源图像融合并行算法

以可见光、红外和雷达图像为数据源,利用NSCT变换灵活的融合规则,即NSCT变换低频系数采用加权平均法、高频系数采用区域能量最大法,提出了基于NSCT变换的多源图像并行融合算法。大量图像融合实验表明,针对可见光、红外和雷达图像,采用不同的融合策略,可以得到较理想的融合图像。

并行式时空二维融合路段交通量预测

提出了一种基于支持向量机(SVM)的并行式时空二维融合路段交通量预测方法,对时间SVM和空间SVM分别在两个并行的操作系统模型中进行,以此降低时间成本.并将时间维SVM预测、空间维SVM预测与基于SVM的数据时空二维线性融合预测结果进行了对比,通过对比表明,时空二维线性融合预测的误差很明显比其它两种方法预测的结果误差要小得多,因此本文提出的时空二维融合可大大的提高预测精度.尤其是当有突发因素(如:交通事故发生)时,本文所提出的方法可在很大程度上避免一维时间源数据融合的结构性系统误差.

基于并行特征融合的金融汉字特征提取方法

以金融汉字为研究对象,针对金融汉字的特点,提出了一种基于改进的Gabor滤波器和弹性网格相结合的新的特征提取方法。利用Gabor滤波器获取汉字的统计特征,利用弹性网格获取汉字的笔画特征,最后利用并行特征融合与分类的方法得到最终识别结果。实验证明,该方法是行之有效的,识别的速率和正确率有了显著的提高。

雷达和红外融合对高机动目标跟踪仿真研究

研究准确跟踪敌机飞行目标,可进行有效打击。针对高机动目标与运动跟踪平台的相对运动比较复杂,由于雷达定位和红外跟踪算法的模型误差大与精度损失,如何提高跟踪系统的跟踪精度是一个很大的难题。为了提高高机动目标跟踪精确度,提出交互多模型-概率数据关联算法(IMM-PDA),进行雷达与红外并行信息融合与目标跟踪。运用Markov链切换原理与概率数据关联技术有效解决了目标变速机动及复杂杂波环境下的高精度跟踪问题。同时并行融合信息,克服序贯融合中两次使用扩展卡尔曼滤波线性化造成模型误差与精度损失的缺陷,提高系统的跟踪精度。仿真结果表明,基于雷达、红外并行融合的IMM-PDA算法在跟踪高机动目标时,精度更高,验证了算法的可行性与有效性。

基于多尺度融合的卷积神经网络的杂草幼苗识别

针对传统网络ALexNet识别精度不高、内存需求量大、特征尺度单一等问题,该文提出了一种多尺度并行融合的轻量级模块PL-SE模块。该模块将上层特征经过两个不同尺度的卷积核和一个最大池化,融合之后得到新的特征信息,之后再经过一个SE模块,最后进行残差学习。同时,对于下采样部分,该文提出一种SR-SE模块代替传统网络的池化层,在降维的同时进行特征提取。使用PL-SE模块和SR-SE模块对ALexNet模型改进得到一种新的模型,用于对25种杂草幼苗进行训练识别。改进后的模型识别准确率达到了96.32%,相较于传统的ALexNet模型提高了8个百分点,参数总量减少约56.7 M (Million)。除此之外,与ResNet、GoogleNet、MobileNet等经典网络相比,改进后的模型在准确率和参数量方面都具有优势。

基于卡尔曼估计融合算法的油水两相流测量

针对采用单一传感器无法对油水两相流流量准确测量的问题,将电导环阵列和内锥式差压2种传感器相结合,采用卡尔曼集中式融合估计方法与并行式融合估计方法分别实现油水总流量的测量.前者是根据局部各个传感器的测量值来重构全局的油水两相流总流量,后者是根据局部各个传感器测量值的估计值来重构全局的油水两相流总流量.实验测试结果表明,这2种方法均可以实现油水总流量的较准确测量,且并行式融合结果优于集中式融合结果.

维数差异对模糊积分融合多FasART网络影响的研究

基于软决策的并行分布式融合系统能融合不同类型的特征,且最终决策结果与前期决策器输出的数值大小相关.当不同类型矢量的维数不等时,维数差异是否对最终融合决策有影响对设计融合算法和分类器的选择具有重要意义.本文分析了维数差异对模糊积分融合多FasART网络算法的影响原因,提出了解决办法,用遥感图像的光谱和纹理特征进行了融合实验,结果表明维数差异对该算法有影响.模糊积分融合多FasART网络是一种典型的基于软决策的并行分布式融合决策系统的算法,因此,基于上述融合系统的算法存在维数差异问题.

基于RSN-GRU融合网络的锂电池荷电状态估计

为了提高锂电池荷电状态(SOC)估计的精度,提出一种基于残差收缩网络(RSN)与门控循环单元(GRU)并行融合的锂电池SOC估计方法.RSN提取锂电池参数输入序列的局部特征并通过一个小型子网络去除多余的噪声,GRU提取锂电池多参数输入序列的时序信息,最终将RSN和GRU进行并行融合得到锂电池的SOC估计值.多种动态工况及不同温度下的实验结果表明:RSN-GRU并行融合网络能显著提高锂电池SOC估计精度,在25℃环境温度下估计结果的平均绝对误差为0.34%,均方根误差为0.51%,比单独的GRU和RSN估计精度分别提升了50%和61.7%.另外,将RSN-GRU与其他多种常用网络进行了对比,结果表明该网络SOC估计精度更高,具有明显的优越性.

噪声相关带偏差线性系统的滤波融合算法

传统线性两阶段Kalman滤波算法无法应对噪声相关情形,导致较低的实际应用性能。针对该问题,以线性系统中状态与测量噪声相关的多传感器偏差估计系统为对象,以基于模型等效变换技术的噪声相关两阶段Kalman滤波器为基本滤波器,分别在序贯分布式和并行式框架下建立两种两阶段Kalman滤波融合算法。其中,序贯分布式融合算法将多个局部两阶段Kalman滤波器的估计结果以序贯加权的形式进行融合;并行式融合算法分别对偏差滤波估计和无偏差滤波估计进行融合,再利用线性方程将融合后的结果进行组合,得到状态估计值。仿真结果表明:相比于两阶段Kalman滤波器和序贯分布式两阶段Kalman滤波融合估计器,并行式两阶段Kalman滤波融合估计器在滤波估计精度上具有更高的性能。

基于光度曲线的弱特征空间目标姿态估计

针对暗弱空间光度曲线波动不明显的弱特征目标姿态难以估计的问题,本文基于不同观测站所得到的目标光度曲线具有差异的特点提出以空间换取精度的设想,并据此设计了多站联合光度观测并行融合的解决方案。通过分析站点位置以及站点数量对弱特征空间目标姿态估计的影响,验证了该解决方案的可行性与有效性,发现了站点的布置有规律可循。仿真表明,站点之间距离的增加以及站点数量的增加都可以减小姿态估计误差,而通过沿空间目标对太阳光线反射的相对方向布置站点可以得到更好的姿态估计结果。