基于离散正交Stockwell变换的微电网故障分类与定位

针对微电网故障分类和定位问题,文中提出了一种基于离散正交Stockwell变换(DOST)优化多核极限学习机(MKELM)的微电网智能故障分类与定位识别方法。利用DOST从微电网发送端继电器中获取故障后电流信号的一个周期,提取有用的统计特征进行标准化处理并将其作为MKELM的输入,结合遗传算法(GA)确定MKELM的最优参数。在微电网测试系统中测试了所提出方法在不同运行条件和故障情况下的性能,测试结果验证了该方法在高性能微电网中对任何类型的故障进行分类和定位的有效性。与传统的核极限学习机(KELM)和支持向量机(SVM)方法相比,所提出的方法具有更高的性能,并且对测量噪声保持较高的鲁棒性。

基于离散S变换和改进深度残差网络的轴承故障诊断

为了提高滚动轴承故障诊断的准确率,提出基于离散S变换和改进深度残差网络的轴承故障诊断方法。首先,对采集到的滚动轴承数据进行二维特征挖掘;分别用时域重组(TDR),小波变换(CWT)和离散S(Stockwell)变换制作出图片数据集,充分地提取蕴含在振动数据中的时域和频域特征。其次,使用多种神经网络,如Resnet残差网络、VGG网络、AlexNet网络等多种卷积网络对图片数据进行训练,训练中采用小批量梯度下降算法。最后,通过对变载和变速的公开数据集进行不同网络不同预处理方法的训练,并计算模型在测试集的准确率和标准差指标。结果表明,基于离散S变换和改进深度残差网络的轴承故障诊断方法有着更高的识别精度和更好的鲁棒性,训练效果明显优于其他训练方法。证明了该方法在滚动轴承故障诊断中的有效性。

离散傅里叶变换性质的可视化教学设计

离散傅里叶变换是“数字信号处理”课程的重要教学内容,然其定义及主要性质涉及大量数学公式推导表征,较为抽象枯燥,不利于学生直观深入理解;且课程内容中对理论知识的具体应用场景涉及较少,难以激发学生的学习兴趣。针对此问题,提出了将数字图像频谱分析作为离散傅里叶变换性质教学的辅助手段,对线性、循环移位、对称性、对偶性等主要性质,分别进行直观形象的可视化展示。课程实践结果表明,该教学设计能有效提高学生的学习兴趣和知识掌握度,取得了较好的教学效果。

离散色散光域傅里叶变换的延时和带宽扩展研究

光域傅里叶变换为射频频谱分析提供了一种新的解决方案。光域傅里叶变换主要受限于大的二阶色散的获得,而离散傅里叶变换只需要控制离散点的相位,理论上可以解决大色散的获得问题。文章利用光纤环作为离散色散器件,用线性调频信号作为待测信号,进行了光域离散傅里叶变换的研究。该系统是一个快速傅里叶变换系统,每次变换用时约2.07ns。用示波器观测线性调频信号变换前与变换后的波形延迟,可以测出该系统的变换延时,约为100ns,其延时大小主要取决于系统中的光纤长度。该系统可以实现对信号的不间断处理。为了扩展系统的瞬时带宽,对片上集成光微环组方案的可实现性进行了分析。

基于Stockwell变换的滚动轴承故障诊断方法

针对滚动轴承产生磨损时振动信号表现出非平稳的特点,采用继承短时傅里叶变换和小波变换优良性质的Stockwell变换特征提取方法。为解决Stockwell变换后得到的二维矩阵阶数过高问题,采用奇异值分解方法对结果进行降维,并进一步矢量化,然后构成特征矩阵。将特征矩阵分别输出至多分类支持向量机、神经网络和近邻算法模型进行训练。对比测试结果,表明多分类支持向量机在准确率和识别速度上均有优势,从而证明基于Stockwell变换的滚动轴承故障诊断方法的有效性。

多级离散扩展移相控制双有源桥DC-DC变换器的原理、参数设计与性能

该文提出一种双有源桥(DAB)DC-DC变换器的多级离散扩展移相(MD-EPS)控制,旨在提升DAB DC-DC变换器系统的动态响应性能。同时,考虑效率优化,兼顾额定功率范围、输出电压纹波等性能指标,研究MD-EPS控制的离散参数分布方式对控制性能的影响及参数设计方法。通过搭建160 W小功率实验样机对MD-EPS的控制性能进行了验证。实验结果表明,与传统扩展移相控制相比,DABDC-DC变换器的MD-EPS控制能够大幅提升变换器系统的动态响应速度(响应时间缩短99.95%),最高效率为94.54%。

改进Stockwell变换法识别碳酸盐岩溶洞——以鄂尔多斯盆地奥陶系溶洞发育段为例

鄂尔多斯盆地奥陶系碳酸盐岩比较发育,主要储集空间为溶蚀孔洞,但其尺度较小,因地震数据分辨率较低,直接利用地震资料预测溶蚀孔洞发育段比较困难。首先对Stockwell变换(S变换)引入调节因子,使高斯窗随频率的变化减慢,从而提高S变换时频谱的时间分辨率。在此基础上,对改进S变换时频谱进行子波谱拟合,得到聚集性更好的时频谱,从中提取地层吸收属性剖面,对碳酸盐岩溶蚀洞穴进行预测。通过实际资料的处理分析结果看出,对改进S变换的时频谱进行子波谱拟合后,不论是左斜率还是右斜率法,均能获取稳定的吸收属性剖面,而且都能够清晰地刻画出溶洞发育段的位置。

基于离散余弦变换的快速对抗训练方法

为了提升深度神经网络的鲁棒性,从频域的角度提出基于离散余弦变换(DCT)的快速对抗训练方法.引入对抗初始化生成模块,根据系统的鲁棒性自适应地生成初始化信息,可以更精准地捕捉到图像特征,有效避免灾难性过拟合.对样本进行随机谱变换,将样本从空间域变换至频谱域,通过控制频谱显著性提高模型的迁移与泛化能力.在CIFAR-10与CIFAR-100数据集上验证提出方法的有效性.实验结果表明,在以ResNet18为目标网络,面对PGD-10攻击时,本文方法在CIFAR-10上的鲁棒精度较现有方法提升了2%~9%,在CIFAR-100上提升了1%~9%.在面对PGD-20、PGD-50、C&W等其他攻击以及架构更复杂的模型时,均取得了类似的效果.提出方法在避免灾难性过拟合现象的同时,有效提高了系统的鲁棒性.

基于非正交离散变换的物理不可克隆函数可靠性提升算法

为了解决物理不可克隆函数(PUF)受外部环境和自身老化因素影响存在响应不稳定的问题,提出基于非正交离散(NOD)变换的PUF可靠性提升算法。首先,设计了一种重排序混淆器,将随机种子向量及PUF响应经重排序混淆器迭代处理后得到非正交混淆矩阵与混淆响应矩阵的内积,据此建立NOD谱,有效缓解了因PUF本身均匀性不足而产生偏向性密钥的问题;随后,通过分区编解码策略,赋予NOD谱一定的波动容错能力,将不稳定响应的影响限制在有限的范围,从而显著提高最终响应的可靠性。所提算法相较于传统基于纠错码的方法,需要的帮助数据更少。基于SRAM-XMC数据集进行实验,所提算法在对2949120组64位响应进行101次重复实验过程中平均可靠性达到99.97%,唯一性达到49.92%,均匀性达到50.61%。实验结果表明,所提算法能够在保证PUF响应均匀性与唯一性的同时有效提高可靠性。

基于概率整形的离散傅里叶变换扩展的300 GHz OFDM太赫兹无线传输系统

为了适应高速大容量的通信需求,提出了采用基于概率整形(PS,Probabilistic Shaping),离散多音调制(DMT,Discrete Multi-tone Modulation)和离散傅里叶变换扩展技术(DFT,Discrete Fourier Transform)实现300GHz太赫兹信号无线传输。概率整形通过增加星座点距离提升信号接收机灵敏度,可最多降低55%的误码率,可延长传输距离。离散傅里叶变换扩展技术在系统中降低1.68 dB正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)信号的峰均比,提升抗非线性效应能力。通过结合这些先进的数字信号处理技术,分别实现了12GBaud PS-16QAM的OFDM-DMT信号及10GBaud PS-64QAM的DFT-S-OFDM-DMT信号1 m无线传输。基于300GHz的太赫兹无线传输系统,比较了采用这些数字信号处理技术的性能优势。

增强同步挤压Stockwell变换和改进集成深层极限学习机的轴承工况识别方法

针对传统基于“时频谱图—深层网络”的电机轴承工况识别方法存在时频谱能量聚集性差、深层网络收敛速度慢等缺陷,提出一种增强同步挤压Stockwell变换(ESST)和改进集成深层极限学习机(IEDELM)的电机轴承工况识别方法。首先,对采集到的电机轴承振动信号进行ESST变换得到时频谱图并转化为列向量;其次,利用9种不同的激活函数构造9种深层极限学习机,并引入自组织策略和卷积策略以提高深层极限学习机的鲁棒性;最后,将ESST时频谱列向量输入不同的深层网络进行自动特征学习,并通过集成平均法输出识别结果。实验结果表明,ESST-IEDELM方法的工况识别准确率达到99.87%,标准差仅0.12,相比于其他方法,在电机轴承振动信号特征提取和工况识别准确率方面更具优势,可用于电机轴承工况识别工程中。

信号量化和离散傅里叶变换的信息熵分析

常规的描述方法不满足人们获取信号所携带信息的工作提出的要求,针对信号量化和获取频谱过程存在信息损失的问题,提出从信息域的角度分析量化和离散傅里叶变换的信息量变化,并以信息量来衡量处理的效果。基于信息熵推导离散傅里叶变换的熵表征,通过应用实例结果可知,当采样点数达到一定数值时,信号的输出熵趋于一个恒定值,结合频谱图发现再增加采样点数获取的频谱图几乎毫无变化,信息损失可忽略。实验数据结果具有一般普遍性,为原本依靠经验的工作提供理论支撑,在处理前进行效果预测可以降低实验成本和节约时间,为信号处理提供一种客观的分析方法。

基于分数低阶Stockwell变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯 Alpha(α)稳定分布,传统的 Stockwell 变换( S 变换)时频方法性能退化甚至失效。基于 S 变换时频和分数低阶矩提出了一种分数低阶 S 变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶 S 变换时频算法。仿真结果表明,所提出的分数低阶 S 变换时频算法及其快速算法能很好地工作在高斯噪声和α稳定分布噪声环境,性能优于已有的 S 变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。

一种基于离散小波变换的抗重录音鲁棒音频水印算法

为了解决音频内容被重录音后非法传播和使用的问题,提出了一种抗重录音攻击的鲁棒音频水印算法。在对音频信号进行离散小波变换基础上,定义了数字音频特征DWT-CLM(Discrete Wavelet Transform-Coefficient Logarithmic Mean),分析得出了该特征和音频信号DWT近似分量之间的关系,在此基础上提出了基于音频信号DWT-CLM特征的水印嵌入方法。实验分析结果表明,本算法具有较好的不可听性、抗信号处理的能力,尤其在对信号处理满足一定鲁棒性的同时,有一定的容忍重录音攻击的能力。

基于离散小波变换的意识障碍患者意识水平评估

意识障碍(DOC)包括不同反应水平的神经状态,如无反应觉醒综合症(又称植物人状态,UWS/VS)和最小意识状态(MCS)。准确的对意识障碍患者进行意识水平评估,有助于医生为意识障碍患者提供合适的康复治疗方案,以最大程度恢复或改善患者的意识水平。脑电图能够实时记录反映意识障碍患者意识水平的生理电活动,是实现意识水平评估的重要工具。基于此,该文利用离散小波变换对意识障碍患者的静息态脑电图数据进行处理,以获取包含不同脑电频带信息的多尺度信号。然后,从这些多尺度信号中提取了不同生理脑电图频带的关键特征——功率、谱熵和相干度。最后,采用融合特征结合支持向量机(SVM)分类器实现意识障碍患者的意识水平评估。实验结果显示,该方法获得了91.37%的分类准确率。与已有的意识水平评估方法相比较,该方法在意识障碍患者分类识别方面表现出更高的准确率。

基于离散小波变换的岩性组合识别方法及应用

在超深层油气勘探过程中,实钻取心成本高、数量少,加之测井曲线多解性强,造成储层岩性组合识别难度大,进而影响了沉积相及储层甜点预测的准确性。介绍了一种基于离散小波变换的碎屑岩储层岩性组合识别方法,在自然伽马曲线小波变换的基础上,利用离散小波分解测井信号,总结了小波时频能量图上不同能量团对应的岩性组合特征。以准噶尔盆地征沙村地区征1井超深层致密砂岩储层为例,通过对泥质含量敏感参数自然伽马曲线进行离散小波变换分析,选用合适的尺度识别不同的岩性组合,结果表明识别的岩性组合与实钻岩心吻合度较高。该方法在同类型储层中具有推广价值。

基于离散小波变换特征的农产品叶片表面农药残留检测方法

农药残留检测方法易受到叶片图像空间噪声的干扰,检测精度较低。提出基于离散小波变换特征的农产品叶片表面农药残留检测方法。采用多模态融合网络对农产品叶片表面特征向量进行提取,在网络模型中引入注意力模块对特征向量进行非对称模态融合处理,以消除空间噪声,并通过对叶片图像的边缘进行过滤与校正,以分割叶片图像边缘,结合离散小波变换特征算法对原始图像进行逐级分解变换,并求取叶片表面光谱反射率,以此确定叶片表面感兴趣区域,基于此,利用特征光谱处理方法对农药的光谱进行判别,以此实现农药残留检测。对比试验结果表明,所提方法对于农产品叶片表面农药残留检测具有较高的检测精度。

WraNet:一种基于二维离散小波变换的轻量害虫识别网络

近年来,人工智能技术在害虫识别领域得到广泛应用。目前深度网络害虫识别方法仍存在计算量大、对复杂背景下的害虫识别效果差等问题。为了解决计算量大的问题,本文提出了一种新型轻量网络——WraNet。该网络利用二维离散变换模块对图像进行特征混合,并学习图像的强先验知识,例如尺度不变性、平移不变性和边缘稀疏性。这使得单层二维离散小波变换层达到多层深度神经网络的效果,从而减少了计算量和模型参数的大小。本文还提出了一种新的算法——WraNet-m,该算法通过软投票集成了WraNet、ResNet50和FPN网络模型,以进一步提升识别效果。WraNet-m算法在IP102和D0害虫数据集上的准确率分别达到了72.44%和99.52%,证明了集成方法的有效性和鲁棒性。

基于二维离散余弦变换的加密图像水印算法

将高级加密标准(Advanced Encryption Standard,AES)算法与基于二维离散余弦变换(Discrete Cosine Transform,DCT)的水印嵌入和提取算法相结合,得到基于二维离散余弦变换的加密图像水印算法。该算法先对嵌入水印进行AES加密,再在DCT域将加密后的水印嵌入载体图像。提取水印时,算法先对嵌入信息的载体图像进行DCT变换,再在DCT域完成嵌入信息提取,最后对提取的密文信息进行AES解密,得到嵌入水印。通过抗攻击能力分析,证明该算法能够同时保证嵌入信息的隐蔽性和安全性。

结合离散余弦变换与离散小波变换的无损彩色图像加密算法

为使图像在网络中进行安全传输,结合频域领域的图像加密相关研究,提出一种新的彩色图像加密算法。首先将明文图像划分为三基色分量,执行二维离散余弦变换(DCT)得到DC和AC置乱序列;然后对置乱矩阵执行二维离散小波变换(DWT)得到4个子带矩阵,并对置乱后的子带执行逆二维小波变换得到用于扩散的二进制矩阵;接下来将二维十进制矩阵转化为三维二进制矩阵,并对两个二进制矩阵执行异或运算,将其转化为二维十进制矩阵;最后进行扩散操作得到密文图像。实验结果表明,该算法能有效抵抗明文攻击与非法者攻击。