经验模式分解的改进及其对球轴承缺陷的诊断

在分析经验模式分解存在问题的基础上,改进了经验模式分解的算法,提出用窗口平均法取代原极值包络法来计算局部均值。给出了窗口平均法的具体算法,并通过模拟信号进行了验证。结果表明,改进的算法减少了三次样条插值使用的次数,从而减少了信号分解的时间,并且所有的数据都参与了局部均值的计算,提高了数据的利用率。同时,用改进的EMD方法取代传统包络分析中的带通滤波器,对实际的缺陷轴承进行了诊断。结果表明,经验模式分解方法比传统的包络分析更有效。

基于经验模式分解的时间序列数据流在线预测

提出一种通用的时间序列数据流预测方法,算法首先通过经验模式分解方法将从链式重写窗口取得的数据集分解有限具有特征振荡周期的固有模态函数分量和一个代表原始序列平均趋势的余量;然后对于各个分量分别建立最大Lyapunov指数预测模型进行预测;最后将各分量的预测值组合获得最终预测值。通过电力负荷的预测实验表明,与单一的时间序列数据流预测模型相比,该模型具有较高的预测精度和很好的模型适应性。

基于窗口经验模式分解的医学图像增强

提出了基于窗口经验模式分解(WEMD)的医学图像增强算法。用WEMD算法分解医学图像,能够自适应地提取图像的内涵模式函数(IMF)分量。利用IMF分量图像的直方图服从正态分布的特性,结合直方图匹配算法的增强能力处理前几个IMF分量,经处理的IMF分量中的高频细节信息得到增强。将处理后的IMF分量和剩余分量重构,获取增强的医学图像。实验表明,WEMD算法增强效果优于目前的图像增强算法。

基于WEMD和生成对抗网络重建的红外与可见光图像融合

针对红外与可见光图像融合中边缘模糊、对比度较低的问题,提出一种二维窗口经验模式分解(WEMD)和生成对抗网络重建的红外与可见光图像融合算法。将红外和可见光图像进行WEMD分解得到内蕴模式函数分量和残余分量,将内蕴模式函数分量通过主成分分析进行融合,残余分量用加权平均进行融合,重构得到初步融合图像,再将初步融合图像输入生成对抗网络中与可见光图像进行对抗博弈,补全背景信息,得到最终的融合图像。客观评价指标采用平均梯度、边缘强度、熵值、结构相似性和互信息,与其他5种方法相比,本文算法的各项指标分别平均提高了46.13%,39.40%,19.91%,3.72%,33.10%。实验结果表明,该算法较好地保留了源图像的边缘及纹理细节信息,同时突出了红外图像的目标,具有较好的可视性,而且在客观评价指标方面也有明显的优势。

时间序列数据流预测模型应用研究

时间序列数据流中蕴含了大量潜在信息,可以作为智能决策的依据。研究时间序列数据流的变化趋势,预测其未来一段时间的可能值,能够为当前的决策提供重要的支持。提出用链式可重写窗口技术代替传统的滑动窗口技术,并结合经验模式分解和径向基神经网络建立时间序列数据流在线预测模型——Online_DSPM。实验结果表明,与单一时间序列数据流预测模型相比,该模型具有较高的预测精度和校好的模型适应性。