图像匹配最大互相关快速算法

图象匹配技术在众多领域中都有重要应用,最大互相关算法是图像匹配采用的主要方法,但这种算法计算量较大;现通过构造一个迭代算法,避免了在搜索过程中大量的重复运算,从而提高了匹配速度.

离散傅立叶变换的相关域理解及其应用：一种新的DFT快速算法

从离散傅立叶变换（DFT）的定义出发，证明可以从相关的角度去理解离散傅立叶变换，并由此推导出一种新的DFT快速算法，在某些特殊的应用场合，新算法的运算量小于经典的FFT（快速傅立叶变换）算法。

快速区域互相关InSAR图像配准方法

在分析复图像干涉相位对快速互相关算法配准精度影响的基础上,提出了一种快速区域互相关InSAR图像配准方法。该方法对图像的幅度谱进行区域相关操作,获得干涉相位空间角频率的粗估计,并对主图像进行干涉相位补偿。该算法通过上述步骤消除干涉相位变化对算法的影响实现了高精度配准。在仿真实验和实测实验中,通过与传统的快速区域互相关算法及最大频谱法进行对比,验证了本文算法的稳健性与有效性。

基于二次相关水下声源定向(时延)研究

以三基元线列阵为例,介绍了利用两个互相关函数的再作互相关的时延估计方法(二次相关),并给出了它的快速计算方法。通过计算仿真结果证明这种方法对低信噪比下窄带和单频信号具有较高时延估计精度。

数字散斑相关测量方法的研究与改进

通过对数字散斑相关测量方法的研究 ,提出一种新的数字散斑相关搜索方法 .采用该方法可大大节省数字散斑相关测量中数据处理的时间 .实验表明 ,本文所提出的方法是一种实用的快速、高精度位移和变形的测量方法 .

LTE-A系统中主同步信号重叠分段检测算法

针对LTE-A系统中频域快速相关算法计算复杂度高、检测性能不稳定的问题,提出一种主同步信号重叠分段检测算法。通过序列循环操作延长半帧数据尾部,以保证序列的完整性。在此基础上,利用重叠分段操作降低相关复杂度,并根据门限值操作结果判断同步序列是否检测成功。仿真结果表明,该算法的计算复杂度相比频域快速相关算法减少 53.85 %,且对于不同的分段数,当信噪比为-7 dB时,正确检测率接近1.0,检测性能稳定。

基于时序特征灰度图与多任务学习的综合能源负荷短期预测

准确预测综合能源系统(Integrated energy system,IES)中的电、冷、热多元负荷是提高各类能源综合效率、获得更大经济效益的关键。因此,提出一种基于时序特征灰度图与多任务学习的综合能源负荷短期预测方法。首先将初始特征集通过最大互信息系数(Maximum information coefficient,MIC)改进的快速相关滤波算法(Fast correlation-based filter,FCBF)对IES时序特征数据集进行相关性分析和冗余性分析;然后将特征选择结果利用因数重构法与MIC-gamma图像增强的方法重构为时序特征灰度图,能够直观有效地反映实际数据的特征相关性;其次采用基于多任务学习框架的(Convolutional block attention module-convolutional neural network-deep bidirectional gated recurrent unit,CBAM-CNN-DBiGRU)网络进行训练,嵌入的卷积注意力机制模块(Convolutional block attention module,CBAM)与(Deep bidirectional gated recurrent unit,DBiGRU)结构能有效加强共享层的关键信息提取和时序信息处理能力;最后以美国亚利桑那州立大学的IES数据为例对提出的方法进行测试。选取典型工作日和典型休息日并对比多种深度网络模型,测试结果表明,该模型在典型工作日的加权平均绝对百分比误差与加权均方根误差分别最大降低了0.8813%与229.2593 kW,在典型休息日则分别最大降低了0.9942%与360.8007 kW,能够有效提升IES多元负荷预测精度。

基于特征组合优化的工业互联网恶意行为实时检测方法

工业互联网中节点数据具有高维、冗余和海量等特性,传统的恶意行为检测模型无法对工业互联网恶意攻击行为做出快速且准确的判断,提出基于特征组合优化的工业互联网恶意行为实时检测方法.采用改进的相关性快速过滤算法和基于奇异值分解的主成分分析算法对工业互联网恶意行为样本数据进行特征组合优化,基于对称不确定性信息度量指标和近似马尔科夫毯准则进行特征相关性计算、冗余特征识别与排除,通过参数特征维度的不同配置得到若干候选特征组合;利用决策树评估器筛选出准确率最高的候选特征组合;通过奇异值分解的主成分分析进一步进行特征降维,得到低维高信息量的最优特征组合;结合极端梯度提升算法和优化的特征组合对工业互联网恶意行为样本进行分类,基于密西西比州立大学多分类电力系统攻击样本数据对本文方法进行了验证;实验结果表明,特征组合优化检测模型训练时间可缩减57.53%,单个样本的平均检测时间为0.002 ms,可减少23.99%,基于特征组合优化的检测模型的准确率、召回率和F1值较特征优化前分别提升了1.11%、1.25%和1.01%.本文方法的突出优势表现为在提升模型检测效果的同时可明显降低模型检测时间,能更好适应工业互联网的实时性要求.

宽带射频谐波抑制方案设计与FPGA实现

基于电磁兼容(Electromagnetic Compatibility,EMC)测试领域行业标准对宽带功率放大器(Broadband Power Amplifier,BPA)谐波抑制的要求,提出一种宽带射频谐波抑制方案,给出了关键算法与现场可编程门阵列(Field Programmable Gate Array,FPGA)实现。通过中频相关峰值快速扫频算法和高精度数字相位控制方法,实现谐波频率的锁定并产生谐波失真信号,后在FPGA平台进行闭环验证。实验结果表明,对于BPA工作频带内的二次谐波抑制度最大达到37 dBc,且对带内任意二次谐波抑制至少改善20 dBc,满足EMC效应测试领域多项行业标准对BPA发射谐波抑制至少15 dBc的需求,相较于现有方法,设计方案具有更好的对消性能及宽带自适应性。

一种新的伪随机扰码盲识别方法

针对在高误码率下,多抽头系数的伪随机扰码的盲识别问题,提出了一种结合BM算法与基于卷积码的快速相关攻击算法的盲识别方法。该方法根据伪随机扰码的自相关特性识别出扰码周期,利用BM算法找到可能的扰码生成多项式和初态,再根据快速相关攻击算法恢复的扰码序列的误码率确定扰码的编码参数。为提高识别效率,对快速相关攻击算法进行了改进,提出了一种基于树形搜索的校验方程的快速查找方法,改进了对极低码率卷积码的Viterbi译码算法中保留路径度量值的计算方法。仿真实验表明,该盲识别方法能有效识别误码率接近40%的扰码序列的编码参数,且不受生成扰码的线性反馈移位寄存器(linear feedback shift register,LFSR)的抽头数和寄存器个数的限制。

基于FCBF特征选择和XGBoost原则的油纸绝缘介电响应特征量优选研究

针对高维特征空间中存在的相关特征、冗余特征等导致变压器油纸绝缘综合诊断的特征空间提取存在平均误差大、分类正确率低等问题,提出一种基于快速过滤相关算法和极限梯度上升相结合的特征量优选策略。首先,根据变压器的介电响应实测数据,提取多种类别的时域介电特征量形成初始高维特征空间。其次,提出一种两级式时域特征选择方法,第一级采用快速相关过滤算法剔除低相关、高冗余的特征量,第二级依照极限梯度提升评估特征的重要度,从而确定最优特征空间。最后设置不同对照组对最优特征空间进行对比论证,有效验证了采取所提优选策略得到的最优特征空间的合理性及准确性。

基于视觉的移动机器人目标跟踪方法

为实现对行人目标进行快速稳定地跟踪并简化机器人系统,提出一种快速判别尺度空间相关滤波目标跟踪算法(fDSST)与卡尔曼滤波结合的跟踪方法,解决了跟踪过程中因遮挡造成的目标坐标信息丢失问题。根据相关滤波响应图的震荡剧烈程度设置遮挡判断标准,利用遮挡判断标准实现fDSST跟踪算法与卡尔曼滤波算法的切换,持续输出目标的位置坐标信息,提升了算法的鲁棒性。移动机器人根据视觉跟踪算法提供的图像坐标,利用基于图像的伺服控制策略完成对目标的跟随任务,简化了移动机器人系统结构。最后将该方法在OTB2013测试集上和移动机器人中进行实验,实验结果表明,该方法对于目标遮挡及尺度变化具有较强的鲁棒性和准确性,同时满足实时性要求。

基于DTW-FCBF-LSTM模型的超短期风速预测

为了实时调整电网调度计划、提高电网消纳风电的能力,提出了一种基于动态时间规整(DTW)进行相似数据分析、快速相关过滤方法(FCBF)进行输入属性特征选择、以及基于长短期记忆神经网络(LSTM)的超短期风速预测方法。利用DTW方法筛选出与待预测数据相似性高的训练样本;运用FCBF算法得到优选的输入特征集;构建LSTM模型进行超短期风速预测。以风电场实测数据为算例,将文中方法与现有算法的预测精度进行了对比,验证了所提方法的有效性和先进性。

AN IMPROVED FAST BLIND DECONVOLUTION ALGORITHM BASED ON DECORRELATION AND BLOCK MATRIX

In order to alleviate the shortcomings of most blind deconvolution algorithms,this paper proposes an improved fast algorithm for blind deconvolution based on decorrelation technique and broadband block matrix.Althougth the original algorithm can overcome the shortcomings of current blind deconvolution algorithms,it has a constraint that the number of the source signals must be less than that of the channels.The improved algorithm deletes this constraint by using decorrelation technique.Besides,the improved algorithm raises the separation speed in terms of improving the computing methods of the output signal matrix.Simulation results demonstrate the validation and fast separation of the improved algorithm.

基于偏振态变化时延估计的分布式光纤传感系统

提出一种基于偏振态(SOP)变化时延差估计的分布式光纤传感系统。本系统采用两个直流光信号在传感光纤中双向注入,振动会对正向和逆向光造成SOP变化,在各自的尾端利用起偏器检测SOP变化并转换为光强信息。两路信号间的时延差表明了振动的位置信息。对时延差形成的原因进行了理论分析,并阐明利用互相关算法计算该时延差并进行分布式传感、定位的原理。实验证明了该定位原理的正确性,将所得两路电信号利用快速傅里叶变换(FFT)互相关算法,对偏振扰动点进行定位,取得到较好的结果,实验结果表明系统定位精度可达0.8%,定位误差小于300m。