基于自适应Lasso阈值的EWMA协方差矩阵控制图

许多工业多元质量控制应用中通常过程失控时偏移只发生在协方差矩阵中的小部分元素中,即协方差矩阵的偏移具有稀疏性。本文针对这一现实提出一种基于自适应lasso阈值的EWMA (E_ALT)控制图,并通过蒙特卡洛模拟得到该控制图在不同偏移量下的平均运行链长指标,实验结果证明其在中小偏移下监控效率较高。之后进一步对控制图中包含的参数进行优化,以提高控制图性能。

结合自适应阈值与动态ROI的地标线检测方法

基于机器视觉的地标线检测一直以来都是车间自主巡检机器人研究的重点和难点问题之一.针对检测过程中易受车间地面积水、光照不均以及油渍粉尘污染等环境因素的影响从而导致误检率、漏检率较高,难以满足工程实际需求的问题,本文提出了一种基于自适应阈值分割与动态感兴趣区域划分的车间地标线检测方法(AT-DROI),该方法以分块图像为基础,首先按照特定特征对子块进行搜索,并剔除其中的离群噪声点,然后将环境因子与采样点相结合计算出特征颜色的双门限阈值,最后利用粗细粒度掩膜抑制特征图像中的干扰信息,有效实现了室内复杂环境下对地标线的高精度检测.通过在自采集的实际车间场景视频序列上进行大量对比实验,实验结果表明,本文方法在自采集的多组实际车间场景视频序列上测试的平均准确率、假阳性率和假阴性率分别达到了95.15%、3.73%和4.85%,平均每秒检测帧数为26fps,能够满足实际生产中对地标线检测的准确性和实时性要求.

基于自适应阈值ORB特征提取的果园双目稠密地图构建

针对果园阴暗光照条件下图像特征点匹配数量少、易丢失以及点云稀疏问题,对ORB-SLAM2算法进行了改进,提出了基于自适应阈值ORB特征点提取的果园双目三维地图稠密建图算法。首先在跟踪线程中提出一种自适应阈值的FAST角点提取方法,通过计算不同光照下图像平均像素求解阈值,对左右目图像提取ORB特征,增加了不同光照条件下的特征点匹配数量;然后根据特征点估计相机位姿完成局部地图跟踪,对跟踪线程产生的关键帧地图点进行BA优化完成局部地图构建。在原有算法基础上添加了基于ZED-stereo型相机双目深度融合的稠密建图模块,对左右目关键帧进行特征匹配获得图像对,利用图像对求解深度信息获取地图点,经过深度优化获取相机位姿,根据相机位姿进行局部点云的构建与拼接,最终对获得的点云地图进行全局BA优化,构建果园三维稠密地图。在KITTI数据集序列上进行测试,本文所改进的ORB-SLAM2算法的绝对轨迹误差更加收敛,轨迹误差标准差在00和07序列分别下降60.5%和62.6%,在其他序列上也有不同程度下降,表明本文算法定位精度较原始算法有所提高。不同光照环境下进行算法性能测试,结果表明本文算法较原始算法能更好地适应不同光照条件,在较强光照、正常光照、偏弱光照和阴雨天气下特征点平均匹配数量增加5.32%、4.53%、8.93%、12.91%。进行果园直线和稠密建图试验,结果表明直线行驶偏航角更加收敛,定位精确度高,关键帧提取数量较原始算法下降2.86%、平均跟踪时间减少39.3%;稠密建图效果好,能够很好地反映机器人位姿和果园真实环境信息,满足果园三维稠密点云地图构建需求,可为果园机器人导航路径规划提供支持。

基于重要值排序和自适应阈值的Douglas-Peucker算法

矢量数据压缩长久以来一直是地理信息系统(GIS)领域的关注焦点,旨在缩减数据规模以满足应用性能方面的需求,同时减少数据传输、系统处理时长以及储存成本,从而提高系统性能和运行开销。虽然在该问题上已取得了一些研究成果,但由于技术进步和新需求的涌现,对矢量数据压缩的压缩率和精度都提出了更高的要求,同时如何确定最优的阈值也成为了一个亟待解决的问题。因此,本文从矢量数据中不同节点对整个矢量图形产生变化的重要性以及如何确定最佳阈值出发,设计了结合重要值排序和自适应阈值的Douglas-Peucker算法。通过对上海市民政部门内部矢量数据集的实验表明,改进算法在压缩率相同情况下,数据压缩效果整体优于Douglas-Peucker算法及其改进算法。

用于双阈值脉冲神经网络的改进自适应阈值算法

脉冲神经网络(spiking neural network, SNN)由于在神经形态芯片上低功耗和高速计算的独特性质而受到广泛的关注。深度神经网络(deep neural network, DNN)到SNN的转换方法是有效的脉冲神经网络训练方法之一,然而从DNN到SNN的转换过程中存在近似误差,转换后的SNN在短时间步长下遭受严重的性能退化。通过对转换过程中的误差进行详细分析,将其分解为量化和裁剪误差以及不均匀误差,提出了一种改进SNN阈值平衡的自适应阈值算法。通过使用最小化均方误差(MMSE)更好地平衡量化误差和裁剪误差;此外,基于IF神经元模型引入了双阈值记忆机制,有效解决了不均匀误差。实验结果表明,改进算法在CIFAR-10、CIFAR-100数据集以及MIT-BIH心律失常数据库上取得了很好的性能,对于CIFAR10数据集,仅用16个时间步长就实现了93.22%的高精度,验证了算法的有效性。

基于自适应阈值诊断的发动机失火故障实时检测功能开发

针对当前车载诊断系统失火诊断策略在功能逻辑、结果输出及阈值标定等方面的局限性,在不增加算法计算量与硬件资源的基础上,本文提出一种自适应阈值算法的诊断策略。该策略以角度域识别方法为基础,通过相对散差分析实时寻找失火敏感区域得到计算时间单元;以各工作气缸时间单元为基础计算各缸时间单元变化值,并进行加权平均构建失火特征信号,以此作为诊断分析对象;对于阈值自适应过程,根据发动机转速及负荷定义基础阈值,对随机失火进行当前工作气缸时间单元变化修正,对连续失火进行当前工作循环分缸滤波后的失火特征信号最小值修正。实车验证试验结果表明:新策略可以实现诊断阈值随发动机工况实时跟随并根据失火特征信号表现完成自适应调整,改善了高速、小负荷工况失火诊断效果;失火诊断结果在当前工作气缸即可完成输出,诊断实时性提高89%;连续失火模式下,经分缸滤波后的失火特征信号正向幅值提升25%以上;发动机全工况范围均可实现多种失火类型检测,不需要根据车辆行驶状态与工况单独设置诊断阈值,从而减少了大量标定工作,降低车辆散差影响。

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性:文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、2.16%、9.86%、7.45%、21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。

圆形直方图线性化的高精度高适应性多阈值分割方法

针对已有彩色图像多阈值分割方法存在的分割精度不高、分割适应性较差等问题,提出一种圆形直方图线性化的高精度高适应性多阈值分割方法。在对输入彩色图像进行超像素预处理后,构建累积分布方差最大化准则,将圆形直方图截断后延展为线性直方图。在线性直方图上,结合Tsallis熵和类间方差构建一个新的多阈值分割目标函数。引入麻雀搜索算法,快速求解多阈值分割目标函数得到最优阈值进行阈值分割。在8幅合成图像和500幅真实世界图像上将提出方法和9种不同的彩色图像分割方法进行全面比较,在峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似度(FSIM)、概率兰德指数、全局一致性误差(GCE)、信息差异6个量化评价指标上的综合实验结果表明,提出方法在计算效率方面与比较方法大致持平,但在分割精度和分割适应性方面明显优于比较方法,在PSNR、SSIM、FSIM和GCE等评价指标上分别以19.95 dB、0.80、0.94和0.16取得最优结果。

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。

两步式自适应阈值法滤除心电信号中运动伪迹

心电信号广泛应用于心脏疾病的医学检测中,可穿戴动态心电监测设备可以实现对心律失常的风险识别并预警.相比于静息心电信号,动态心电信号在采集过程中会受到更大运动伪迹的干扰,这些干扰会覆盖心电信号的关键信息,限制其临床应用.本文兼顾心电信号局部和全局特征,利用其周期性,研究了一种将心电信号低频PT波和高频QRS波群分开处理的两步式自适应阈值滤波算法,适用于单通道心电信号中的运动伪迹滤除.第一步先通过多分辨率阈值初步抑制心电信号低频部分中的运动伪迹;第二步,对受运动伪迹影响而不平衡的QRS波进行自适应阈值修复,通过对QRS波形调节,减少心电信号中高频部分运动伪迹,同时设置自适应阈值对心电信号P波、T波对应的小波系数进行处理,超出自适应阈值范围的小波系数通过波形缩放进行调整,进一步抑制低频运动伪迹.研究通过不同心电数据库评估算法的性能.在输入信噪比从-10~10 dB时,心电信号信噪比提升了10.9122 dB和4.3912 dB,滤波后心电信号与纯净心电信号的相关系数分别为0.6876和0.9783,提取的运动伪迹与原运动伪迹相关系数分别为0.9530和0.8529.实验结果表明,算法在不同噪声水平下,利用自适应阈值的优点,能有效复原受运动伪迹污染的心电信号波形特征,最大限度保留心电信号的临床信息,可作为可穿戴心电设备滤除运动伪迹的有效工具.

基于深度SVDD-CVAE的轴承自适应阈值故障检测

通过状态监测进行轴承故障报警,能有效避免设备灾难性事故的发生。基于数据时序特征重构的故障检测法由于仅采用正常数据进行训练,能有效避免故障数据不足而导致的模型检测精度下降。然而,此类方法的故障阈值确定依赖于大量的历史数据,且对检测精度有着极大的影响。为此,提出基于深度SVDD-CVAE的轴承自适应阈值故障检测方法。针对时序信号特征增强提取构建ConvLSTM作为基础单元的CVAE特征压缩提取框架,有效提取轴承故障微弱特征;结合SVDD自适应学习特征空间超球面,实现故障检测阈值的自适应确定;最后,通过全局误差损失反向传播对深度SVDD-CVAE框架进行迭代优化。实验结果表明:所提出的方法能有效提取轴承微弱故障特征、自适应确定阈值,并在IMS轴承数据集上取得97.7%的检测准确率。

众数自适应Lasso回归的统计推断

本文给出了自适应Lasso的众数回归模型,用来对众数回归模型的变量进行选择.对比传统的均值回归模型和中位数回归模型,众数回归在解决重尾、多峰分布问题时更加稳健.众数回归模型的主要估计方法是核估计方法,当自变量的数目较大时,该方法会产生难以忽略的计算误差.本文在核估计方法的众数回归模型基础上添加惩罚项,并通过自适应Lasso方法进行参数估计,有效的剔除了贡献率低的自变量,同时提高了计算的准确性.本文详细阐述了该计算方法,并在一些正则条件下,给出了模型的参数的估计方法和估计值的渐近正态性.模拟实验和实证分析研究了所提方法在有限样本下的性质.对比均值回归模型和传统的众数回归模型,添加自适应Lasso惩罚项的众数回归模型极大地提高了参数估计的准确性.

基于自适应阈值卷积网络的抗干扰雷达目标识别

本文提出了一种自适应阈值卷积网络(ATCN),基于HRRP数据进行抗干扰雷达目标识别。ATCN中的核心模块是自适应阈值卷积单元(ATCU),该模块能准确高效地完成对HRRP数据的特征提取。在ATCU中,采用自适应阈值函数充当激活函数,自动调整阈值以面对不同信干比的数据;利用多个不同尺度的卷积核来捕获HRRP数据中的区域差异特征;引入通道注意力机制和残差连接优化网络结构。本文进行了大量的抗干扰目标识别实验,实验结果表明,相比于所选择的3种对比网络,本文的ATCN网络能在不同干扰类型和不同信干比下提供更优的平均识别率和更好的指标稳定性,且具有更少的网络模型参数量和浮点运算次数,具备轻量化和高效的特点。

联合自适应LASSO与块稀疏贝叶斯直接定位方法

无源定位中,直接定位方法优势在于适用低信噪比、参数独立等。然而,当辐射源距无源侦测系统较远时,受低信噪比的影响,接收信号模型中存在的部分未知参数会大幅降低算法对于辐射源的定位性能。为了有效地解决该难题,给出了一种联合自适应LASSO先验与块稀疏贝叶斯的辐射源直接定位方法。经由贝叶斯理论构建分层稀疏模型,联合不同的先验分布以赋予信号中元素独立的自适应LASSO,同时探索信号的块结构和块内相关性,联合具有共享稀疏性的不同基站的字典重建过完备字典,实现远距离辐射源定位。仿真结果表明:在远距离下,当快拍数设置较少,信噪比设定较低时,在辐射源定位效果上所提算法显著优于如MUSIC等传统直接定位算法、Laplace先验方法以及块稀疏贝叶斯方法。

自适应差分阈值的心电信号R峰检测算法

针对传统差分阈值算法的不足,设计了一种自适应差分阈值算法实现对R峰的准确检测。该算法能够依据R峰高幅值、高斜率的特征自适应更新信号检测阈值,并且根据R-R峰之间的心率间隔特征,设计回溯判定机制提升算法的灵敏度和适用范围。文中选用MIT-BIH心率失常数据库中的心电数据作为信号样本,采用带通滤波和小波变换相结合的方法完成对心电信号的去噪,依据自适应阈值检测实现对心电信号的R峰特征提取。从实验结果来看,自适应后的差分阈值法将心电信号的检测准确率提高到了99.59%,灵敏度达到了99.64%,减少了R峰检测过程中漏检、误检情况的出现,提高了检测的准确性。

基于改进小波包能量熵和阈值自适应的切削颤振在线监测

颤振是影响机床加工质量的重要原因之一,传统的颤振监测算法对颤振孕育阶段的感知灵敏度低,且监测阈值的设定不具备泛化性和实时性,针对该问题提出了一种能够自适应地识别早期颤振的在线监测方法。首先使用改进的小波包能量熵算法(IWPEE)提取颤振特征,在提高识别精度和鲁棒性的同时降低了计算量。其次基于改进的拉依达准则确定颤振监测阈值,使系统能够根据不同的加工条件自适应地计算颤振监测阈值。然后根据实际加工监测需求开发高效颤振在线监测软件,并且通过仿真信号和切削试验验证了本文所提算法的有效性。结果表明,IWPEE算法相较于传统熵值判定法,识别灵敏度提高了360%,改进的拉依达准则能自适应地确定阈值并成功在颤振孕育阶段将其监测出来,相较于传统阈值算法在阈值稳定性和适应性上有显著提升。

基于自适应阈值的循环增长地面点云分割算法

在坡度、路面起伏不平的场景中,针对单一阈值敏感性不足,多阈值简单组合存在冗余计算,且影响分割精度和鲁棒性的问题,提出了一种基于阈值自适应选取的点云分割方法。该方法在栅格分割中引入循环增长判断,以兼顾局部特征与全局特征,设计了一种触发式双特征判断机制,并通过拟合地面波动幅度自适应确定分割的高度阈值提高算法的分割效率和分割精度。最后基于开源数据集进行了仿真测试,验证了所提算法在地面点云分割中的精确性和时效性。

基于自适应阈值优化的插电并联式混合动力拖拉机节能控制研究

为最大限度发挥电能在作业过程中的优势,以插电并联式混合动力拖拉机为研究对象,采用滚动优化的思想,提出基于时间窗口的自适应阈值优化混合动力拖拉机节能控制策略。搭建插电并联式混动拖拉机驱动系统模型,制订拖拉机多种能源模式切换策略,对关键阈值参数进行自适应优化研究。基于拖拉机犁耕工况,利用Matlab/Simulink仿真平台,对文中策略与功率跟随策略进行仿真对比。结果表明:在循环犁耕工况下,基于时间窗口的自适应阈值优化混合动力拖拉机节能控制策略等效燃油消耗下降8.78%,为插电并联式混合动力拖拉机的节能控制提供新的控制方法。

基于阈值过滤的自适应无迹卡尔曼滤波在农业无人机组合导航中的应用

目的:针对无人机在进行喷药作业过程中系统模型会受到外界扰动引起滤波器噪声和干扰信号效果的问题,提出一种基于阈值过滤的自适应无迹卡尔曼滤波的方法。方法:通过设立阈值判断是否属于离群值,降低异常值的权重,减少因噪声干扰导致的系统模型误差。应用组合的信息融合方式,同时简化噪声估计过程。结果:通过MATLAB仿真实验证明,将UKF、AUKF、简化AUKF以及本算法进行比较,基于阈值过滤的自适应无迹卡尔曼算法在东向和北向速度的预测准确度上分别提高了57.9%和54.1%。结论:该方法在方位精度上有大幅提升,使得系统的鲁棒性更强。

SLAM系统中的自适应双阈值Canny算法

传统Canny算法在使用高斯滤波进行采样时,获得的滤波结果通常呈现为模糊图像,并且需要手动设定双阈值参数,因此缺乏对不同环境下的自适应性。为解决这个问题,本文提出一种SLAM系统中的自适应双阈值Canny算法,即采用双边滤波增强Canny算法的去噪和边缘特征保留能力,并通过自适应阈值选择算法实现在不同环境下确定最优的边缘特征提取阈值。仿真对比实验的结果表明,该算法在去噪和保留图像特征两个方面均具有更强的能力。