基于傅里叶变换与近端采样的序列推荐算法

传统推荐算法比较注重于模型本身对于推荐效果的提升,实际上数据质量对于算法的影响更为重要,但目前在推荐算法领域对于数据的科学处理方法比较零散,没有形成一个系统的框架。针对以上问题,基于傅里叶变换与近端序列采样的数据预处理,结合SASRec提出可以普遍应用的序列推荐框架FTRRec。首先通过傅里叶变换将序列数据在时域和频域中相互转换,并根据序列数据的特点,过滤序列中的无用信息,其次使用近端序列采样替换传统的滑动窗口采样法,加速样本采样的同时,提升模型对于序列的特征捕获能力。通过在5个公开数据集上的实验,将框架应用于三个不同的主流推荐算法时,每种模型均有3%-5%的提升。

基于序列二次规划算法的双有源桥变换器优化控制策略

针对双有源桥变换器在充电领域电路损耗大、传输效率低的问题,提出一种结合序列二次规划算法与双重移相控制实现回流功率优化的控制策略。首先,建立双有源桥变换器在双重移相控制时以回流功率最小值为目标函数的二次规划问题数学模型;然后,提出一种采用序列二次规划算法求解上述多约束、非线性的数学模型,在算法中输入目标、约束函数的雅可比矩阵和变换器的相关参数,通过迭代求解出满足双有源桥电路在双重移相控制下最优工况的目标参数;最后,通过仿真验证所提控制策略的有效性。

基于Fourier变换红外光谱分析咖啡豆成分

采用Fourier变换红外光谱对不同产区、不同海拔的5组浅中烘焙的咖啡豆样品进行分析,根据官能团的红外光谱特征峰分析样品主要成分;为进一步分析5组样品的成分差异,对原始光谱进行二阶导数处理,结合聚类分析理论建立平均偏离分析方法,计算出5组样品间的平均偏离大小并进行分析.结果表明:5组样品的红外光谱特征峰峰形相似,即主要成分相同;根据红外光谱得到平均偏离大小与产区海拔差值呈正相关.研究结果为分析咖啡豆产区和海拔提供鉴别依据,并对红外光谱研究提供一定参考.

分数阶Fourier变换的测不准原理

该文参考Fourier变换的性质研究了离散分数阶Fourier变换的测不准原理以及连续分数阶Fourier变换在Lebesgue测度下的测不准原理,使得分数阶Fourier变换的测不准原理性质更一般化.

基于中心对数比变换的分布型符号数据时间序列建模研究

针对分布型符号数据线性运算不封闭的问题,提出了一种新的分布型符号数据时间序列模型。分布型符号数据分析为处理和分析大规模数据提供了一种全新而有效的思想,具有广泛的应用前景。然而由于表征分布型数据单元为概率分布函数,其特殊表达形式和内在约束导致缺乏合适的运算规则,极大地限制了统计技术的灵活运用。为此,采用中心对数比变换方法,先将表征分布型数据单元的概率密度函数等距变换成普通函数,变换后的函数可以采用函数空间中的线性运算和内积运算,在保持样本空间形态不发生改变的前提下,有效克服了概率分布函数内在约束的影响。进一步提出了分布型时间序列数据的模型识别和参数估计方法,并通过仿真实验和实际数据验证了所提模型方法的合理性和有效性。

基于有限Zak变换的零相关区序列集构造

针对Brodzik在2011年和2013年文中的完备序列和零相关区序列构造中参数的限制问题,分别提出完备序列和零相关区序列的新构造方法。首先,基于有限Zak变换,提出没有“参数为奇素数”限制的完备序列构造结构,并且用同余理论论证。其次,提出一种具有稀疏性、结构化特点的L×KL的零相关区序列集的Zak空间结构,从而得到零相关区序列集,用有限Zak变换和同余理论论证。相比Brodzik 2013年文中的零相关区序列集,新构造的零相关区序列集的零相关区的长度更长,序列的数量更多。

分数阶Riccati方程的Bäcklund变换及其应用

基于整数阶辅助方程法的相关结论,给出了分数阶Riccati方程的包含广义双曲函数解和广义三角函数解的Mittag-Leffler函数新解、Bäcklund变换和解的非线性叠加公式.在此基础上,借助符号计算系统Mathematica,构造了分数阶KdV-mKdV方程、分数阶(3+1)维Zakharov-Kuznetsov方程和分数阶Boussinesq方程的无穷序列新解.

Fourier变换在连续随机变量之和分布中的应用

本文给出了Fourier变换在求解相互独立的连续随机变量之和分布中的应用,证明了正态随机变量的可加性,方法简便、快速.这些充分显示了此工具的实用性.

基于自适应Fourier分解-同步提取变换的机械故障诊断方法

传统的同步提取变换方法(synchronous extraction transform,SET)用于机械故障诊断时,要求多分量信号满足各相邻模态的瞬时频率差大于所选取的SET窗函数频率支撑范围的2倍,否则容易产生频率混叠,实际信号往往无法满足该条件。此外,信号受到噪声的影响,难以获得故障的瞬时频率。针对传统的同步提取变换在机械故障诊断中存在的不足,结合自适应Fourier分解(AFD)和同步提取变换的各自优点,提出了一种基于AFD-SET的机械故障诊断方法。该方法能够有效处理频率接近的非平稳信号,准确地表达信号的瞬时频率,并且具有很快的收敛速度。仿真结果表明,提出的方法能够有效解决传统SET方法中的频率混叠,并具有更高的时频聚集性。将提出的方法应用到滚动轴承故障诊断中,诊断结果表明,该算法正确有效,能够有效提取出故障信号的频率特征。

δ型序列的结构特征及其Fourier变换下的归一性

文章通过对构成Dirac函数的δ型序列结构的多样性和同一性分析,借助Fourier变换的性质、常见公式和广义极限,探讨了δ型序列在Fourier变换下的变换形式和归一性。

基于小波变换的降雨时间序列去噪方法研究

小波变换在降雨时间序列数据的去噪方面具有显著的优势,可有效提高降雨时间序列预测的准确性。为确定降雨时间序列小波去噪过程中小波基函数、分解尺度以及阈值估计方法的选择,实现最优去噪,以国家气象科学数据中心2008~2018年的日降雨时间序列为基础数据,以中国5个不同气候类型的省份为研究区域,基于复合指标T对57种小波基函数的去噪效果进行评价,并评价去噪过程中可能的分解尺度和常用阈值估计方法。结果表明:7~10阶的Daubechies小波是去噪效果最好的小波基函数组,最小T值在0.3264~0.4228之间,Symlets小波族的去噪效果最差;最优的分解尺度为3级,最小T值范围为0.1844~0.2526;混合阈值和Steins无偏风险估计阈值的去噪效果最好,最小T值在0.3773~0.4359之间。研究成果可为中国境内降雨时间序列和其他水文气象时间序列的去噪方法提供参考。

基于负载电流的自适应脉冲序列控制移相全桥变换器

针对脉冲序列控制移相全桥DC-DC变换器输出电压纹波大、负载范围小的问题,提出了一种基于负载电流的自适应脉冲序列控制技术。在每一个开关周期,通过采样负载电流产生两组预设电流值,并由电压外环选择预设电流值,再由电感电流内环控制有效占空比,实现对移相全桥DC-DC变换器的控制。分析了自适应脉冲序列控制移相全桥变换器的工作过程和控制原理,研究了不同负载时自适应脉冲序列控制移相全桥变换器的参数设计和输出电压特性。与传统脉冲序列控制和峰值电流控制相比,自适应脉冲序列控制优化了变换器的输出电压纹波,增大了负载范围,极大地提高了瞬态响应速度。最后,通过搭建额定输出电压电流为28 V/4 A的实验样机,验证所提出控制策略的可行性。

基于Kaiser窗的分数阶Fourier变换与时频分析

分数阶Fourier变换作为传统Fourier变换的推广,与传统Fourier变换分析平稳信号类似,在实现对非平稳信号的时频分析过程中往往出现同样的频谱泄漏问题。为了提高分数阶Fourier变换与时频分析的精度,依据Kaiser窗可自由选择主瓣和旁瓣宽度的特性,提出一种基于Kaiser窗的分数阶Fourier变换算法,论述了Kaiser窗在分数阶Fourier变换中的作用原理,从理论上推导出一般信号基于Kaiser窗的分数阶Fourier变换解析时频表达式以及特性,最终得到非平稳信号的时频分布与时变结构参数识别算法。通过任意线性调频信号的仿真算例以及非平稳激励三层框架结构振动台试验,对结构进行瞬时频率识别和算法的验证。结果表明,瞬时频率识别值与理论值和试验结果吻合良好,Kaiser窗可以提高分数阶Fourier变换算法时频分析的精度,体现出该方法有一定的鲁棒性。

基于谱序列变换的实验室用电谐波深度控制研究

实验室用电谐波参数取值范围难以确定,导致实验室用电谐波深度控制质量下降,以解决该问题作为研究目标,设计基于谱序列变换的实验室用电谐波深度控制方法;根据谱序列变换原则估算实验室用电谐波参数取值范围;根据估算结果建立多电平逆变器,提取DFT、DSC谐波并分析其波动特性,提取实验室用电谐波特征;设计谐波控制器架构,通过计算死区补偿向量与控制参数的方式,实现对用电谐波的深度控制;对比实验结果表明,所设计方法可将电流谐波控制在6.8~12.4 A的范围之内,可将电压谐波控制在180~220 V的范围之内,电压与电流谐波畸变率始终处于较低的水平,能够快速使实验室电力系统恢复正常,大幅提升电量谐波的稳定性,解决电力损耗问题。

基于序列霍夫变换的概率假设密度滤波算法

针对经典的自适应新生强度概率假设密度滤波算法在高杂波密度环境下存在计算复杂度较高的问题,提出一种基于序列霍夫(Hough)变换的概率假设密度滤波算法:将传统航迹起始中的Hough变换引入随机有限集,解决标准Hough变换的航迹簇拥问题,提高Hough变换的准确度;并将序列Hough变换与概率假设密度(PHD)相结合,通过序列Hough变换得到目标新生位置信息,将其作为PHD的新生目标强度进行迭代更新。实验结果表明,该算法对新生目标反应更为迅速,在高杂波环境下消耗时间更短,适合实际工程应用。

基于周期组合序列调制的三电平双有源桥均压策略

应用在双极性直流微电网(BDC-MGs)的三电平双有源桥(TL-DAB)变换器,在匹配多类型不平衡负载运行时,输出侧正负母线电压的不平衡将影响系统稳定运行。该文首先分析不平衡负载工况时TL-DAB变换器输出侧上、下端口分电容电压的不均衡原因,并提出一种基于功率传输与电压均衡的周期组合序列调制策略。该均压策略无需附加额外电路和储能器件,仅通过改变功率传输的周期数及单周期内端口电平脉宽占比,便可实现输出侧上下端口传输功率的差额分配以达到分电容电压的均衡。仿真和实验结果表明,在上下分电容负载极不平衡工况下,相对于传统对称调制策略,该文所提均压策略可以将电压不均衡度从12%降低至1%以下。

基于2^(n)-1长m序列的FHT运算及FPGA实现

在地面4G/5G移动通信中辅同步信号(Secondary Synchronization Signal,SSS)都由长为31和127的小m序列组成,在求最大相关值运算中通常都采用快速哈达码变换(Fast Hadamard Transform,FHT)来减少计算量、降低运算资源的使用,但是对于任意长序列的FHT推导没有扩展描述。文章针对基于2^(n)-1任意长度的小m序列到FHT运算的行列变换过程给出了完整的矩阵推导,并利用长为3的小m序列进行仿真验证结论的正确性,最后以5G标准中长度为127的SSS序列完成FHT的FPGA实现。

基于小波变换与优化BP神经网络的超短期光伏发电功率预测

光伏发电功率的精确预测可以帮助电网实现更精细的管理,提高能源利用率;但光伏发电功率受到多种环境因素的影响,且具有较大的随机波动性,故挖掘光伏发电的效率特性非常困难。该文提出一种新方法,通过使用小波变换和优化BP神经网络来预测超短期光伏发电功率。该方法基于皮尔逊系数,可以获得与气象因素相关的预测结果;基于离散小波变换(discrete wavelet transform,DWT),将原始功率一阶差分序列分解为若干个不同频段的分量,提取光伏出力波动的频域特性;利用K-means聚类方法对功率一阶差分值进行聚类,并建立相应的神经网络预测模型,通过重组所得预测结果,得到初始预测功率差分值;利用气象因素通过GAACO-BP神经网络修正预测所得功率差分值,得到最终预测功率序列。利用某光伏电站所记录的实际功率数据进行验证,结果表明:DWT-GA-ACO-BP预测模型能提供较为精确的预测结果。

基于DFT的频率敏感双分支Transformer多变量长时间序列预测方法

在进行多变量长时间序列预测时,仅利用时域分析通常无法充分捕捉长时间序列依赖,而这会导致信息利用率不足、预测精度不够高。因此,结合频域时域分析,提出一种基于离散傅里叶变换(DFT)的频率敏感双分支多变量长时间序列预测(FSDformer)方法。首先,通过DFT实现时间和频率的相互转换,从而将复杂的时间序列数据分解为结构简单的低频趋势项、中频季节项和高频余项3个分量;其次,采用双分支结构,针对中高频分量预测,应用Encoder-Decoder结构,设计了周期性增强注意力机制;针对低频趋势分量预测,采用多层感知机(MLP)结构;最后将中高频分量与低频分量预测结果相加,得到多变量长时间序列的最终预测结果。在2个数据集上把FSDformer与其他5个经典算法进行了对比分析,在Electricity数据集上,当历史序列长度为96,预测序列长度为336时,相较于Autoformer等对比算法,FSDformer的平均绝对误差(MAE)下降了11.5%~29.1%,均方误差(MSE)下降了20.9%~43.7%,达到了最优预测精度。实验结果表明,FSDformer能有效捕捉长时间序列的相关依赖,在提升预测精度和计算效率的同时,增强了模型预测的稳定性。

基于有限Zak变换的互补序列集构造

为了更好地将正交频分复用(OFDM)系统广泛应用在实际问题中,利用Zak空间中的有限Zak变换(FZT)的稀疏性和结构化特点,提出了一种在Zak空间中构造互补序列集的新方法.文章以定理的形式详细叙述这类构造互补序列集的新方法,以及构造互补序列集伴的常用方法,并举例说明了此构造方法的可操作性.通过研究,发现在Zak空间使用这个新方法构造的互补序列集中序列的数量有明显提升,对涉及多目标、多用户下的通信领域的发展有深远意义.