基于卡尔曼滤波分解的配电网安全状态估计

为使配电网在虚假数据注入(false data injection,FDI)攻击下仍旧可以获得最优的状态估计,提出了一种新的状态估计算法,提高了配电网抵御FDI攻击的状态估计精度。在相量测量单元(phasor measurement units,PMU)被攻击的情况下,即测量值被篡改,最优卡尔曼估计可以分解为局部状态估计的加权和。该方法在某种意义上不安全,基于局部估计,提出了一种基于凸优化的方法,以取代加权和方法,将局部估计结合成一个安全的状态估计。仿真结果表明:当所有PMU量测设备都是良好时,所提的估计器与卡尔曼估计器的估计结果一致。当PMU设备被攻击造成量测量异常时,提供一个充分条件,在这个条件下安全状态估计器是稳定的。

快速迭代滤波分解方法在轴承故障诊断中的应用

轴承故障信号通常是非线性和非平稳的。此外,这种信号非常微弱,容易被不可避免的背景噪声和振动干扰所掩盖。针对该种信号,模态分解方法已经被证实是一种可靠的处理方法。因此,将一种快速迭代滤波分解方法应用到轴承故障检测当中。快速迭代滤波分解方法在抑制模态混合和抗噪方面表现出色。与其他模态分解技术不同,快速迭代滤波分解方法具有超高的计算效率,因此可以明显提高计算速度。通过仿真信号和实际信号验证了该方法的有效性和优越性。

中国粮食实现稳定增产了吗?——基于1978—2009年粮食主产区粮食产量的H-P滤波分解

为从定量视角检验中国粮食是否实现稳定增产,通过收集1978—2009年12个主要产粮省份粮食产量和播种面积数据,计算各省粮食单产,同时构建H-P滤波分解模型,测算中国粮食主产区粮食产量的长期趋势与短期波动,并对短期波动的收敛性进行Mann-Whitney检验。研究发现:就长期趋势来看,中国粮食主产区粮食产量自1978年以来保持持续、稳定增产,但是进入2000年以后粮食增产趋势趋于平缓;就短期波动来看,粮食生产波幅总体较为稳定,但自2004年以来粮食短期波动呈现收敛性,粮食增长强度弱于上世纪80年代水平。

中国农业保险的赔付风险:风险测度与应对策略——基于1984～2012年农业保险与财产保险赔付率的滤波分解与比较

由于农业保险所承保的农业自然灾害具有统计学上的不可预测性,灾害学上的时空延展性和经济学上的不可控性,使得经营农业保险的保险公司面临较高赔付风险。为测算我国农业保险的赔付风险度,收集整理1984~2012年农业保险与财产保险赔付率数据,采用H-P滤波分解法对其进行长期趋势与短期波动的分解和比较分析。研究发现：我国农业保险整体赔付水平和赔付的波动幅度远高于财产保险,验证了农业保险具有高风险经营的特性。但是近年来,农业保险长期赔付趋势呈现平稳略微下降态势,短期波动幅度逐步收敛。未来随着经营主体的增加,农业保险经营中须把握保险保障度的提升与保险公司经营风险管控的有效平衡;农业保险的适当盈利性与福利改进的有效融合。

基于H-P滤波分解模型在成长链金融风险中的实证分析

不同于传统个人金融业务的授信理念,成长链金融理论创新性提出了个人整个生命周期授信思路,结合多元化金融工具,契合了不同个体在其各生命周期阶段性的金融需求,对于金融模式的创新具有理论和实践的重要贡献。然而,这一新兴的金融模式理论能否有效地解决目前个人授信业务中的低效率、逆向选择和道德风险等问题,就取决于它能否实现个人成长链金融风险的可控性并突破传统阶段性授信模式的局限。采用中国宏观数据及南京市居民的10 000人网络抽样调查数据,一方面,基于适当的经济学假设和经济学思维构建了成长链金融风险控制理论模型,对个人成长链金融风险的可控性进行论证;另一方面,提出利用"个人终生信贷率"作为个人成长链金融风险测度,并利用H-P滤波分解模型进行实证分析,进一步分析成长链金融风险的可控性。最后,提出完善个人成长链金融风险控制的合理化对策。

基于时变滤波经验模态分解的非接触式心率变异性估计方法

民航从业人员的身体健康状况是影响航空安全的重要因素,其中呼吸和心跳是极其重要的健康状况表征。为解决接触式或穿戴式测量系统对人员工作时的局限与影响,可采用线性调频连续波(Frequency-modulated continuous wave,FMCW)雷达达到非接触式测量的目的。由于生命体征信号具有时变、非平稳的特点,针对经验模态分解(Empirical mode decomposition,EMD)在信号分解中存在模态混叠现象的问题,使用时变滤波经验模态分解(Time varying filtering based on EMD,TVF-EMD)自适应信号的局部截止频率,可有效提高信号分离性能,解决模态混叠问题。利用TVF-EMD分解出的本征模态函数(Intrinsic mode functions,IMF)分量重构心跳对应的时域信号,估计心跳信号的频率和心跳节拍间隔(Inter-beat interval,IBI),进一步对心率变异性(Heart rate variability,HRV)相关指标进行估计。仿真实验与实测数据处理结果表明,TVF-EMD可从毫米波雷达测量信号中有效分离出呼吸与心跳信号。同时,从模态混叠程度及信号分离性能两方面对TVF-EMD与EMD方法分解效果进行了仿真分析,结果表明TVF-EMD能够有效解决模态混叠问题。因此,TVF-EMD方法能够准确有效地从毫米波雷达测量信号中提取生命体征信息,为IBI估计和HRV分析提供准确的时域信息,具有广阔的应用前景。

基于引导滤波二尺度分解的红外与可见光图像融合

为了降低多尺度分解融合算法的复杂性,并提高融合图像适应人类视觉特点,本文提出一种基于引导滤波二尺度分解的红外与可见光图像融合的方法。首先利用引导滤波对可见光图像实施增强的图像预处理,然后利用引导滤波将源图像分解为基础层和细节层。在细节层的融合规则中我们采用能量保护和细节提取的方法,最后将融合后的细节层与基础层合成融合结果。实验结果表明所给方法在提高视觉感知、细节处理、边缘保护等方面都有良好的效果。本文最后还讨论了可见光图像增强对融合方法的影响:从实验数据可知,增强可以提升融合效果,但在图像融合中融合方法才是关键。

基于时变滤波经验模态分解和SSA-LSSVM的变压器内部机械故障诊断方法

为了准确有效地识别变压器内部的潜伏性机械故障,提出了一种基于时变滤波经验模态分解(TVFEMD)和麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)的变压器内部机械故障诊断方法。首先,对铁心处于不同松动状态的变压器进行振动信号采集;其次,利用时变滤波改进的经验模态分解(EMD)对所得振动信号进行分解,以获取多个本征模态函数(IMF)即模态分量;然后,采用相关系数法计算IMF分量与原始振动信号的相关性,并计算相关性最大的IMF分量的样本熵,以此构建特征向量集;最后,以诊断准确率最高为目标函数,利用SSA对LSSVM的正则化参数和核函数参数进行优化,搭建SSA-LSSVM诊断模型,并利用诊断模型对特征向量集进行诊断识别,实现变压器铁心内部潜伏性机械故障的诊断。试验结果表明,所提方法能够有效识别变压器内部潜伏性机械故障,识别准确率达到了98%以上,比对比算法的识别准确率高出5%以上,达到了高识别准确率的诊断效果。

感应电动机转子故障SVD滤波检测仿真

感应电动机转子一旦发生故障,对电机本体、生产系统有较大的负面影响,为及时、准确地检测出转子故障,面向感应电动机,以奇异值分解滤波为基本技术,提出一种转子故障检测方法。分析转子故障特征,取得转子故障检测依据。分别设计双层奇异值分解滤波技术、有效阶次选择策略与平滑能量解调技术并融合,设计感应电动机转子故障检测方法。将取得的故障信号频率与检测依据结合,得到故障检测结果。仿真在电动机满载和半载两种运行状态下展开,测试结果显示,所提方法始终高度拟合理想频谱的对应参数值,能够准确、快速地检测出人为设置的转子断条故障,且效果优越,证明方法具有显著的精准度与实时检测能力,是行之有效的转子故障检测手段。

一种U-D分解自适应推广卡尔曼滤波及应用

为了改善自适应卡尔曼滤波的数值稳定性和计算效率,防止滤波发散,本文在自适应推广卡尔曼滤波的基础上,利用U-D分解滤波,提出一种U-D分解自适应推广卡尔曼滤波新算法,并把该算法应用于飞行状态估计问題,仿真及实际飞行数据计算结果证明了本文方法的有效性.

基于信噪比经验值的奇异值分解滤波门限确定

针对奇异值分解滤波器(SVDF)现有的奇异值截断准则之不足,提出了一种基于信噪比经验值的SVDF滤波门限确定新方法。推导了门限值与信噪比之间的数学关系。实验结果证实了该滤波消噪算法的有效性和合理性。与现有方法相比,消噪效果得以明显改进;而且原理清晰,实现简单。

一种前馈神经网络基于U－D分解渐消记忆滤波的学习方法

针对前馈网络ＢＰ算法所存在的收敛速度慢且常遇局部极小值等缺陷，提出一种基于Ｕ－Ｄ分解的渐消记忆推广卡尔曼滤波学习新方法，与ＥＫＦ相比，不仅大大加快了学习收敛速度、数值稳定性好，而且比ＢＰ算法需较少的学习次数和隐节点数仍可达到更好的学习效果。仿真计算表明，该方法是提高网络学习速度、改善学习效果的一种有效方法，可有效解决非线性系统建模、辨识与控制问题。

基于中值滤波-奇异值分解的胶合板拉伸声发射信号降噪方法研究

为了去除声发射信号中的随机噪声与脉冲干扰,提高有用信号质量,提出一种中值滤波与奇异值分解相结合的降噪方法。该方法首先对原始声发射信号进行中值滤波,去除幅值较大的异常值,其次对去除异常值的信号序列进行相空间重构和奇异值分解,最后针对确定重构阶数这一难点,提出奇异值能量差分谱概念,并利用能量差分谱的较大峰值位置来确定奇异值的重构阶数,以实现降噪。数值仿真和五层胶合板强度测试的实测数据分析表明,该方法能够有效地保留原有信号的特征,并能最大限度地消除噪声,提高信噪比。

基于抗差UD分解滤波的导航星座整网定轨方法

针对我国导航星座的自主定轨问题,提出基于抗差UD(upper triangular matrix-diagonal matrix)分解滤波的导航星座整网定轨方法。该方法对卫星轨道参数进行整网估计,通过对所有观测资料加权以避免观测粗差的影响,并利用UD分解算法来避免对协方差矩阵的直接求逆而导致的计算机舍入误差过大从而滤波发散。推导了整网定轨的数学模型,给出了抗差UD分解滤波的详细步骤。通过性能分析和仿真计算表明了该方法的可行性与有效性。

一种估计模拟分解滤波器组系数偏差的算法

模拟器件工艺偏差是制约混合滤波器组模拟数字转换器系统信号重构精度的主要原因,准确地得到模拟分解滤波器组传递函数是完成信号重构的首要条件。为解决上述问题,本文提出一种估计传递函数系数偏差的算法。该算法根据输入信号的信息以及信号通过模拟滤波器组后的采样数据,便可以准确地估计出偏差范围在±20%的模拟滤波器传递函数系数的偏差值。实验中分别采用2阶和3阶模拟滤波器传递函数模型,其谐振频率的估计值与理想偏差值的标准偏差分别为1.10%和0.56%。将估计值应用于单通路滤波混合滤波器组系统进行仿真,输出信号可以达到14位精度,完成了系统重构功能,仿真验证了该算法的可行性。

基于多相分解滤波器实现的局部频率细化

本文介绍了一种基于多相分解滤波器实现的zoom FFT算法 ,该算法是在复调制zoom FFT算法基础上 ,采用多相分解滤波器方法来实现低通滤波器 ,并利用多抽取频率系统的网络结构等效变换来减少运算量。分析表明 :这种基于多相分解滤波器实现的zoom FFT算法在保留了选带细化的灵活性基础上 ,其运算量仅约为常规复调制zoom FFT算法的 1 N2 (N2 为细化倍数 )。论文首先推导基于多相分解滤波器实现zoom FFT的算法 ,然后讨论该算法的实现方法 ,并与一些常用的zoom FFT算法进行比较 ,最后给出仿真结果。

基于加权滤波经验模式分解的遥感图像融合

加权滤波经验模式分解(weighted filter empirical mode decomposition,WFEMD)作为一种新的多尺度、多分辨率分析方法,与小波、超小波和现有二维经验模式分解方法相比,更加适合于二维图像中的细节特征分析。该方法运用自适应加权滤波器直接求取均值面,解决了传统二维经验模式分解(empirical mode decomposition,EMD)方法的固有缺陷;将WFEMD方法引入遥感图像融合,能够更好地提取原始图像的特征,为图像融合提供更多的信息。鉴于此,提出了一种基于WFEMD变换的图像融合方法。首先,利用WFEMD的自适应性、多尺度性和高频细节信息的强获取能力,将待融合的图像分别进行WFEMD分解,对不同图像的内涵模式分量(intrinsic mode functions,IMF)按照该文提出的细节/背景原则进行融合,剩余分量按照平均原则进行融合。最后,将融合后的内涵模式分量重构,获取融合图像。实验证明,该方法的融合效果优于其他图像融合方法。

基于时变滤波经验模态分解的轴承故障诊断

针对经验模态分解(empirical mode decomposition,EMD)由于模态混叠现象难以有效提取轴承故障特征的问题,提出了一种基于时变滤波经验模态分解(time varying filtering based empiricalmode decomposition,TVF-EMD)的轴承故障诊断方法。首先利用TVF-EMD方法对轴承故障信号进行自适应分解,得到一组内禀模态函数(intrinsic mode functions,IMFs),然后根据峭度最大准则选取包含主要故障特征信息的IMF分量,最后对选取的敏感分量进行进一步的包络解调分析,提取出故障特征信息,从而进行故障诊断。轴承故障诊断实例证实了所提方法能准确提取轴承故障的特征信息,实现轴承故障的有效诊断;通过与总体经验模态分解(ensemble empirical modedecomposition,EEMD)方法的对比研究,表明了所提方法的优越性。

时变滤波经验模态分解与对称差分解析能量算子在轴承故障诊断中的应用

经验模态分解算法作为一种经典的模态分解技术,在许多科研领域得到了广泛应用。然而分离问题和间歇性问题仍未解决,这可能导致模态混叠现象。因此,采用一种基于时变滤波的改进的经验模态分解方法。该种改进的模态分解算法可以确保了一个故障信号被精确地分解为多个含有独特故障特征的分信号。然后,采用对称差分解析能量算子对含有故障特征的分信号进行故障特征提取。实验结果表明,该方法是一种有效的轴承故障诊断工具。

基于集总时变滤波分解的核磁测井信号去噪研究

对于岩性复杂地质条件,核磁共振(Nuclear Magnetic Resonance,NMR)相比其他测井方法能够提供更加丰富、有效的地质信息。本文针对核磁共振测井自旋回波信号带有大量噪声、影响反演计算和地层解释问题,提出一种集总自适应时变滤波分解的自旋回波信号去噪新方法,该方法将自适应时变滤波分解(Adaptive Time Varying Filter Decomposition,ATVFD)融合嵌入集总经验模分解(Ensemble Empirical Mode Decomposition,EEMD)算法中,避免了经验模态分解(Empirical Mode Decomposition,EMD)存在的边界效应和模态混叠问题,同时继承其自适应、后验的去噪优势。实验分析表明,该方法可有效地滤除回波信号噪声,得到的回波信号反演计算出的T2谱和孔隙度与岩心在实验室条件下测量一致,去噪效果明显。