基于改进数字滤波算法的电子式互感器稳态校验方法

传统电子式互感器校验方法一般采用电磁式互感器作为标准源,该校验方法不仅存在电磁互感器的铁磁谐振及铁磁饱和缺陷、增容困难、二次接线繁琐以及二次开路高压危险等客观困难,而且面临模拟信号和数字信号直接对比的问题,易导致电子式互感器稳态校验的效果差和准确性低,为此,提出了一种采用改进数字滤波算法的电子式互感器稳态校验方法。首先,简述了电子式互感器的校验流程,分析了传统电子式互感器稳态校验的不足;其次,详细阐述了改进的数字滤波算法,并提出了改进的数字滤波算法电子式互感器稳态校验方法;最后,通过算例对所提稳态校验方法进行了验证,以期为电子式互感器的大规模推广应用提供借鉴。

一种快速计算Zernike矩的改进q-递归算法

提出了一种快速计算Zernike矩的改进q-递归算法,该方法通过同时降低核函数中Zernike多项式和Fourier函数的计算复杂度以提高Zernike矩的计算效率。采用q-递归法快速计算Zernike多项式以避免复杂的阶乘运算,再利用x轴、y轴、x=y和x=-y4条直线将图像域分成8等分。计算Zernike矩时,仅计算其中1个区域的核函数的值,其他区域的值可以通过核函数关于4条直线的对称性得到。该方法不仅减少了核函数的存储空间,而且大大降低了Zernike矩的计算时间。试验结果表明,与现有方法相比,改进q-递归算法具有更好的性能。

基于遗传算法的FIR数字滤波

采用非递归方法，FIR滤波的输出y(n)只与输入x(n)有关，其差分方程式为其中，h(k)为单位脉冲响应。假定输入信号x(n)的理想输出信号为y0(n)，则FR滤波的目的是确定h(k)，使得y(n)最接近y0(n)，这里将遗传算法(Genetic Algorithm，简称GA)用于优化h(k)，使得滤波输出信号成为输入信号的最佳估计。

基于改进遗传算法的无刷直流电动机递归模糊神经网络控制

无刷直流电动机的动力学特性是一个高阶、非线性、强耦合的系统,针对传统PI控制的滞后性和动态响应性能较差等特点,提出一种基于动态递归模糊神经网络PI控制的无刷直流电动机调速系统速度控制器的实施方案,利用改进遗传算法(IGA)优化递归模糊神经网络的隶属度函数参数和网络权值系数等,从而提高系统的动态响应性能。仿真结果表明,该方法响应快,具有较强的抗干扰性和鲁棒性,动、静态特性均优于传统PI控制。

基于递归高阶统计和改进分水岭算法的运动对象分割

提出了基于递归高阶统计和改进分水岭算法的视频图像序列中的运动目标分割算法,该算法首先利用递归高阶统计及多帧运动信息估计出图像序列中的运动区域,而后用一种改进的分水岭算法对提取出的区域进行空域分割,进而提取出视频图像序列中运动目标,实验结果表明所提出的算法能有效地提取出运动目标。

改进递阶GABP算法与一般BP算法在陀螺仪随机漂移建模中的应用分析

针对改进的递阶GABP算法的特点,将其应用于陀螺仪随机漂移建模.通过引入巴特莱特(Bartlett)提出的"95%置信限"理论,对改进递阶GABP算法与一般神经网络BP算法的陀螺仪随机漂移建模进行比较,分析得到改进递阶GABP算法更能在较短的时间内建立陀螺仪随机漂移误差的精准模型.

基于改进狮群算法优化神经网络的糖尿病风险预测

糖尿病风险评估预测有助于早期发现糖尿病,降低发病率和并发症。针对糖尿病风险预测问题,提出一种基于改进狮群算法优化神经网络的糖尿病风险预测模型。引入非线性扰动因子改进狮群算法,使得算法既能加强全局优化能力,避免陷入局部最优,又能保证局部优化能力,提高算法的收敛速度。利用改进狮群算法(ILSO)的寻优能力优化神经网络的权重和偏置参数,建立基于ILSO-BP神经网络的预测模型。同时,采用少类样本合成过采样技术和递归特征消除方法对糖尿病数据进行预处理,提高模型预测能力。在真实糖尿病数据集PIMA上的实验结果表明,基于ILSO-BP神经网络的糖尿病风险预测模型,其预测性能优于基线模型,也优于基于遗传算法、鲸鱼优化、粒子群优化等算法优化的神经网络预测模型,对糖尿病风险具有良好预测能力,能够对糖尿病早期筛查起到辅助作用。

基于改进谱平滑策略的IMCRA算法及其语音增强

噪声谱估计算法在单通道语音增强方法中起着重要作用,为了改善噪声谱估计算法对噪声的估计和更新能力,结合最小统计(MS)算法,对改进的基于控制的递归平均(IMCRA)噪声谱估计算法的递归平均参数进行改进,并用一阶递归的方式对平滑功率谱的最小值进行改进。采用谱减法对含噪语音信号作去噪处理,从客观和主观两方面对不同算法的性能进行评价,对比分析不同噪声不同信噪比下增强前后语音的分段信噪比(segSNR)、PESQ得分、MOS得分。实验结果表明,提出的方法能够更好地跟踪噪声信号变化,改善语音质量。

改进的偏最小二乘回归推荐算法

基于已有的相关PLS算法,提出了针对QSAR研究和工业过程控制建模的环境要求的PLS回归改进算法:加强递归PLS算法.模拟实验结果表明:在实时建模过程中,该算法的性能优于传统的PLS回归算法.

基于改进递归DFT与SVR融合的实时谐波检测

根据电力系统中以整数次谐波检测为主要目标的情况,通过对递归离散傅里叶变换(DFT)和快速傅里叶变换(FFT)算法的分析比较,提出了改进递归DFT算法,即在递归DFT运算之前对首次采样做FFT运算,再将此运算结果作为递归DFT运算的初始值以进一步减少运算量。为同时提高检测精度,提出了基于改进递归DFT与改进序列最小最优化(SMO)的支持向量回归(SVR)融合的整数次谐波检测新方法。通过算例仿真,并与递归DFT及改进递归DFT相比较,证明了改进递归DFT与改进SMO的SVR融合的方法检测精度高,非常适合整数次谐波的实时检测和分析。

改进递归最小二乘RBF神经网络溶解氧预测

为提高溶解氧预测的准确性,将基于改进型递归最小二乘算法优化的径向基函数(RBF)神经网络方法应用于溶解氧预测。利用K均值聚类算法进行隐层单元中心选择;利用改进型递归最小二乘算法优化RBF神经网络隐含层到输出层的权值。仿真结果表明:该方法对溶解氧的预测具有较好的非线性拟合能力,预测精度优于RBF神经网络和递归最小二乘算法优化的RBF神经网络。

基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。

基于改进粒子群算法的机车二系弹簧载荷分配优化

针对机车二系弹簧载荷优化调整这一复杂的多变量优化问题,为进一步提高现有求解方法的优化效果和计算效率,将烟花算法融入粒子群算法,提出一种具有分层递阶结构的改进粒子群算法,算法为3层架构,其中,底层是基础层,为加入维变异算子的粒子群算法,是改进算法的基本框架;中间层是融合层,为引入烟花算法爆炸机制的粒子更新层,主要用于扩大算法搜索范围,提高全局搜索能力;顶层是扰动层,引入扰动因子,避免算法因陷入局部搜索而进行的大量无为冗余迭代,加快全局收敛速度。用典型测试函数对改进算法性能进行测试,并将其应用于机车二系弹簧载荷分配优化调整仿真实验。研究结果表明:改进算法与传统遗传算法、烟花算法和粒子群算法相比,全局搜索能力更强,鲁棒性更好,求解精度更高。

基于变遗忘因子恒模约束的改进空时联合抗干扰算法

针对空时联合抗干扰方法(STAP)计算复杂度高,不能有效抑制来自导航信号方向的窄带干扰等问题。利用改进的频域LMS滤波器进行前期处理,滤除来自导航信号方向的窄带干扰;再利用改进的变遗忘因子恒模约束递归最小二乘算法(ITVFF-CCM-RLS)来降低空时处理的计算复杂度。通过仿真实验结果表明,改进的空时联合抗干扰算法能够在降低计算复杂度的同时,有效地抑制来自导航信号方向的窄带干扰,明显提高了算法的输出信干噪比。

基于改进最小值搜索的IMCRA噪声估计算法

当噪声水平升高时,现有的噪声估计算法存在跟踪时延和估计不准确的问题,为提高噪声估计的准确性,对改进的最小值控制的递归平均噪声估计算法(improved minima controlled recursive averaging,IMCRA)中的最小值搜索方法进行改进,利用连续最小值跟踪算法取代最小值统计算法,打破求解最小值受窗长影响的现状,减少跟踪时延;提出一种基于语音存在概率的偏差补偿函数模型,偏差补偿的大小由各个频带决定。实验结果表明,不管是平稳还是非平稳噪声环境,改进后的算法都能有效提高增强后语音的质量。

基于改进递归网络的智慧楼宇负荷预测方法

针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05%,且预测误差均小于其他对比方法.

最小控制递归平均算法对光纤声音传感系统的降噪作用

为了解决恶劣环境下分布式光纤声音传感系统的声音还原问题,搭建了一种基于改进最小控制递归平均(IMCRA)算法的多通道光纤声音传感系统。采用Sagnac和Mach-Zehnder复合光路结构,以单模光纤作为传感单元拾取声音信号,借助光开关实现了多通道信号采集,并通过改进最小控制递归平均算法对声音信号进行降噪、还原及增强处理。实验结果表明:该系统可在长为4km的传感光纤上实现对单音信号和语音信号的多通道扫描拾取,并能够在复杂情况下实现对语音信号信噪比的有效提升,为光纤声音传感系统在恶劣环境下的应用提供了一种新途径。

补偿递归模糊神经网络及在热工建模中的应用

在传统的模糊神经网络中引入递归环节和补偿环节,构成了一种新型补偿递归模糊神经网络(CRFNN),改善了网络的动态响应特性和学习能力.在此基础上,采用一种新型序贯监督策略对网络进行结构辨识,能够有效地确定模糊规则的条数以及相关参数的初始值.针对CRFNN的结构特点,提出了改进的BP算法,能够对网络的结构参数进行进一步的学习.对典型的热工对象以及复杂的ALSTOM气化炉进行的建模计算结果表明,提出的CRFNN具有优良的动态响应特性和很强的学习能力,值得在热工建模与控制领域中推广应用.

基于连续频谱最小值跟踪的语音增强算法

噪声估计的准确度决定着语音增强效果的好坏。为了提高噪声估计的准确度,并及时跟踪非平稳噪声,在最小值控制递归平均算法的基础之上,提出了连续频谱最小值跟踪的改进最小值控制递归平均算法。通过对含噪语音功率谱的每一个频点进行连续平滑,然后再在子窗内采用最小值搜索的方法来实现噪声谱的估计。仿真实验结果表明,改进后的算法相对于原算法,在输出信噪比上提高大约0.8~2.1dB,能够更加准确的估计噪声谱,提升语音质量。

基于增益字典查询的语音增强算法

对于基于统计模型的语音增强算法,不同分布模型对应于不同的增益函数,由于语音信号的不确定性,没有一种分布函数能准确对语音和噪声谱的分布建模,因此任何一种固定的统计模型均会存在一定的误差。所以提出一种增益字典查询的语音增强算法,该算法通过采用对数谱失真准则对一个语音噪声库进行增益的训练,得到一个增益的字典,其中输入为先验信噪比和后验信噪比的估计值。最后采用ITU-T P.826PESQ、分段信噪比、总信噪比和对数谱失真对该算法进行了测试,并与基于高斯分布模型、拉普拉斯分布模型的算法进行了对比。实验结果表明,该算法无论在非平稳噪声还是平稳噪声环境下都比其他几种算法增强效果好,且音乐噪声和残留背景噪声也可以得到很好的抑制。