基于相似度函数的上肢关节点改进阈值滤波方法及其应用

针对视觉传感器受自身硬件条件及环境扰动的影响,采集到的关节点运动数据往往存在异常值的问题,为了提高Kinect获取的上肢关节点运动数据的准确性,提出了一种基于相似度函数的上肢关节点改进阈值滤波方法,来减小异常值对运动追踪的影响。基于前景轮廓相似度、肢体比例相似度和分布相似度构建了关节点相似度函数,将其用于评估截取的每帧关节点数据的可信度;分析了函数中各项参数对整体相似度的影响,基于相似度函数改进了阈值筛选法,并将其用于评估后的关节点数据的滤波;基于滤波后的上肢关节点运动数据完成了人机交互实验,提高了机械臂模仿人臂抓取的成功率。在跟踪人体上肢关节点运动时,与传统滤波方法相比,所提方法对关节点滤波的误差率更低,且具有较好的滤波稳定性和滤波速度。

基于改进孤立点算法的异常交通数据识别

以地磁检测数据为基础,分析导致交通数据异常的原因;基于对异常数据的识别,对基于相似系数和的孤立点算法进行改进,即对规律性的交通数据进行时段划分,计算相似系数,采用交通量和时间占有率逐次逼近基础值的方法设定阈值。通过实例对分别采用传统阈值筛选法和改进后的孤立点算法对异常交通数据的识别结果进行对比分析。研究结果表明:基于改进相似系数和的孤立点算法对异常数据识别的检测率高于85%,误检率低于25%,识别结果优于传统阈值筛选法,可快速、有效地识别交通异常数据。

基于改进变分模态分解和Hilbert变换的变压器局部放电信号特征提取及分类

针对现有局部放电(PD)信号特征提取方法存在的不足,提出一种基于变分模态分解(VMD)和Hilbert变换(Hilbert-VMD)的特征提取方法,并提出一种双阈值筛选法来确定VMD算法中的分解模态数。首先,根据PD信号功率谱,采用双阈值筛选法确定VMD算法中的分解模态数;其次,采用VMD算法对PD信号进行分解,得到数个有限带宽的固有模态分量(BLIMFs);然后,对各模态分量进行Hilbert变换并线性叠加后得到PD信号的Hilbert时频谱,并计算各模态分量的边际谱;最后,根据各模态分量的边际谱提取PD信号频域内的特征量,并用支持向量机(SVM)对所提取的特征量进行分类。实验结果表明,对试验环境下和现场实测两种环境下的PD信号,采用该文方法提取得到的特征量均具有较高的正确识别率,充分说明该特征提取方法可以有效提取PD信号特征。对于噪声较大的实测信号,采用该方法得到的正确识别率并未明显降低,说明该方法具有较好的噪声鲁棒性。此外,该文所提Hilbert-VMD方法也为PD信号提供了一种新的时频分析方法。