旋转薄壳自由振动中3类广义相关函数的求解

为求解旋转薄壳自由振动问题中起关键作用的3类广义相关函数,采用数值计算方法详尽研究这3类函数,得到其精确解答.通过此解答可以解决旋转薄壳自由振动一致有效解的求解问题.

广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识 ,特别是对其功率谱的了解 ,而在实际应用中 ,往往缺乏这种先验知识 ,只能以估计值来代替 ,从而影响时延估计精度 .自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好 ,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制 ,提高时延估计的精度 ,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数 .从理论上证明了 ,任何一个广义相关权函数 ,都能够变换成一个或几个 Roth处理器的组合形式 .实际上 ,Roth处理器就是自适应滤波器实现的、能对原始带噪信号做最优化估计的维纳滤波器 ,从而实现了自适应广义相关时延估计算法 .

环上逻辑函数的相关性分析

分析了Galois和Zm环上逻辑函数的互相关函数与特征谱之间的关系,并且利用逻辑函数的互相关性研究了环上逻辑函数的密码特性.

基于信息融合和广义循环互相关熵的电机轴承故障诊断

针对传统基于单路振动信号的故障识别可靠性较差和传统谱相关方法难以有效处理非高斯噪声的问题,该研究提出了一种基于多传感器振动信号信息融合和广义循环互相关熵谱的轴承故障诊断方法。首先推导了广义互相关熵、广义循环互相关熵和广义循环互相关熵谱密度的计算公式;然后给出了电机轴承故障诊断步骤;再利用轴承外圈故障仿真信号,分析了轴承故障振动信号的频谱特征,验证了广义相关熵的降噪性能,结果表明广义循环相关熵能有效处理高斯和非高斯噪声。最后将两路振动信号通过广义循环互相关熵进行融合,并应用于电机轴承故障诊断。试验结果表明,广义循环互相关熵能有效提取电机轴承内圈、外圈局部裂纹故障频谱特征,提高了故障诊断的准确性和可靠性,其性能优于传统的谱相关方法。

多输出部分Bent函数的几种构造方法

给出了多输出部分Bent函数的定义,并讨论了其存在性;给出了多输出部分Bent函数的几种一般构造方法,并得到了由上述方法所构造出的多输出部分Bent函数的广义Walsh循环谱。

多输出旋转对称函数的密码学性质

提出了多输出旋转对称函数的概念。首先给出了多输出旋转对称函数的广义一阶Walsh线性谱特征和广义自相关函数特征;然后通过构造关联矩阵,利用多输出旋转对称函数的广义一阶Walsh循环谱,给出了多输出旋转对称函数满足平衡性、相关免疫性等密码学性质的充分必要条件,特别利用矩阵的取值特点,给出了函数满足一阶相关免疫性的等价判别条件;最后讨论了奇数变元多输出旋转对称函数广义一阶Walsh循环谱的性质,并给出了一种通过计算一部分循环谱值来寻找奇数变元多输出Plateaued旋转对称函数的方法,相对于算出全部的循环谱值减少了约1/2的计算量,提高了效率。

长江日流量混沌变化特性研究——Ⅰ相空间嵌入滞时的确定

为了以新途径探索长江水量变化规律并在此基础上做出预测,全面而系统地研究了宜昌站日流量混沌变化特性并建立了新预测模型.重点论述相空间嵌入滞时的确定.分析了传统的自相关函数法和真实矢量场法确定嵌入滞时的优劣,并提出以广义相关函数合理确定嵌入滞时的方法.研究结果表明广义相关函数法是一个合理又可操作的途径.

新的决策树构造方法

决策树算法是数据挖掘中的一个比较活跃的研究领域,是对分类问题进行深入分析的一种方法。但构造最优决策树是一个NP难问题。首先介绍了ID3算法的基本思想,然后针对算法中存在的不足,引入了广义相关函数的概念,提出了一种以条件属性和决策属性之间的广义相关函数作为属性选择标准的决策树构造方法,并且与ID3算法进行了实验比较。实验表明,这种方法不但可以优化决策树模型,而且用该方法构造的决策树的预测精度也得到明显改善。

高压架空输电线路覆冰诊断新方法

线路覆冰是严重影响高压架空线路安全稳定运行的一种常见次生灾害,为此,提出了一种高压架空输电线路覆冰诊断新方法。该方法以输电线路两侧的电压电流为信号源,自适应动态生成反映覆冰参数特征的参考电压、电流数据集。以检测数据与参考数据集的广义相关系数为判别标准,根据广义相关系数的大小诊断输电线路的覆冰区域和严重程度。大量的仿真分析初步证实了该方法的准确性和可靠性。

基于录波数据的输电线路故障诊断方法

针对现有输电线路故障诊断方法存在识别准确性较低的问题,提出一种基于线路两端故障录波数据的故障类型诊断方法。该方法以录波数据为基础,以广义相关函数为工具,挖掘故障前后不同时间段录波数据的相关性,根据广义相关因数的大小和变化规律来判别故障类型。若故障前的数据与故障后的数据相关因数大,则诊断为瞬时性故障;若故障前的数据与故障后的数据相关因数小,则诊断为永久性故障。通过仿真分析,初步说明该方法的准确性和可靠性;以海万一线风舞故障诊断为实例,进一步证实该方法的有效性。

基于麦克风阵列的时延估计新方法

针对传统时延估计方法易受噪声和混响影响的问题,提出了一种基于麦克风阵列的时延估计新方法。该方法充分利用多个麦克风的空域信息和每个麦克风时域信息,以提高算法对环境噪声的抑制能力。该方法在抗噪声和抗混响性能方面都优于常用的PHAT-GCC（Phase Transform-Generalized Cross Correlation）方法。仿真实验表明,与MCCC（Multichannel Cross Correlation Coefficient）方法相比,在信噪比为20 dB,阵元个数为2～6个,混响时间在200～620 ms条件下,该方法的时延估计错误率明显降低。

基于多传感器视听融合的三维目标跟踪

目前的跟踪技术主要是用完全基于声音或视觉的传感器,但音频定位具有精度差而覆盖面广的特点,视觉跟踪具有定位精度高而受摄录角度限制的特点,以至于在复杂环境下难以取得理想的跟踪效果。针对这一问题,提出了一种利用从立体视觉和立体音频得到的融合信息对三维物体进行目标跟踪的新方法,介绍了一个包含2个麦克风和立体视觉的简单跟踪系统,由这2个系统提供的定位估计使用一种改进的PSO算法(TRIBES)来融合、综合2种传感器各自的优点。实验表明:与传统的方法相比,这种新技术可以实现更快、更精确的跟踪性能。

基于线性判别分析的室内声源定位方法

在小信噪比和混响时间较长的恶劣环境下,基于模式分类的手段能够有效克服传统的声源定位算法鲁棒能力不足的缺点,其中朴素贝叶斯分类器定位的准确率高,计算量小,鲁棒能力强。在此基础上,为了获得更好的定位性能,提出使用线性判别分析(LDA)分类器进行声源定位。使用Matlab进行仿真,截取声源信号的相位变换加权广义互相关函数(PHAT-GCC)作为特征向量,通过投影变换,找到最佳的特征空间来区分特征数据,从而训练得到线性判别分析分类器。然后在不同的混响时间和信噪比的条件下,进行定位测试,比较了线性判别分析分类器和朴素贝叶斯分类器的性能。仿真结果表明,在环境恶劣场合更宜使用线性判别分析分类器,特别是混响严重时,线性判别分析分类器的定位准确率比朴素贝叶斯分类器高1%~2%。

基于四元交叉阵列的声源定位

本文提出了一种基于四元交叉阵的声源定位方法,并设计了声源定位系统。利用4个声源传感器采集声源信号,经过放大、处理、AD转换等步骤,采用广义互相关函数法计算信号到达4个传感器的时间差,从而确定声源的位置。实验表明,该系统在速度和精度上都能达到较好的性能。该声源定位系统可以与具有低成本惯性传感器的运动估计系统相结合,以提高估计精度。

一种改进的强噪声背景下基音检测算法

针对强噪声背景下语音基音检测这一困难的问题,提出了一种基于计算声场景分析的基音检测的改进算法。该方法利用人的听觉感知特性,引入广义自相关函数以增强基音信息,适用于低信噪比和存在其它语音干扰下基音信息的提取。另外,对于混叠语音的基音周期轨迹的检测,提出一种比较简单的方法。实验结果证明,提出的算法是十分有效的。

基于卷积神经网络的室内麦克风阵列声源定位算法

在室内麦克风阵列声源定位算法的研究中,混响和噪声对定位精度影响很大,传统的声源定位算法无法在高混响和低信噪比的环境中保持较高的定位精度。为了解决这一问题,提出一种基于卷积神经网络的室内声源定位算法,该算法提取麦克风阵列接收信号的相位加权广义互相关函数作为训练特征,获取目标声源三维位置信息。基于NOIZEUS数据库的实验结果表明,该方法能够通过训练适应不同的声学环境,与其他基于学习的室内声源定位算法相比,其在高混响与低信噪比环境下仍具有较好的定位性能与鲁棒性,具有较大的研究和应用价值。