Wigner’s Theorem in <i>s</i>* and <i>s_n(H)</i>Spaces

Wigner theorem is the cornerstone of the mathematical formula of quan-tum mechanics, it has promoted the research of basic theory of quantum mechanics. In this article, we give a certain pair of functional equations between two real spaces s or two real sn(H), that we called “phase isometry”. It is obtained that all such solutions are phase equivalent to real linear isometries in the space s and the space sn(H).

基于振动和电流信号多域特征联合的高压断路器储能状态辨识方法

为实现高压断路器的储能状态辨识,提出了一种基于伴随振动和电流信号多域特征提取的储能状态辨识方法。对振动信号进行倒频谱分析提取频域周期分量特征来体现电机周期性转动轨迹的基频和高频特性;采用相空间重构理论经关联积分法获取相空间域关联维数与Kolmogorov熵,定量评估储能过程随机运动的复杂程度;计算电机电流持续时间、起始电流值及偏度时域特征,与振动信号特征构建多域联合特征向量;通过支持向量机算法实现断路器储能状态辨识。实验结果表明,基于振动和电流信号多域联合特征的辨识算法准确率达到97%,有效地提高了断路器储能典型工况的识别准确率。

基于复杂网络的雷达辐射源信号脉内特征提取算法

针对现代电子战环境下雷达辐射源信号的高度密集、复杂调制、交叠概率大等特点,基于时域、频域、时频域以及其他数学变换域的信号分析方法仍然不能满足雷达辐射源信号分选识别的要求,结合雷达辐射源信号具有可分辨性的确定数据结构表示,受时间序列的复杂网络分析启发,提出一种基于复杂网络的雷达辐射源信号脉内特征提取算法。该特征提取算法首先采用相空间重构方法对信号频谱序列数据进行预处理,将重构后的信号序列转换至复杂网络域进行表征;其次,通过复杂网络建模及其统计特征分析,研究雷达脉内信号时间序列动力学微观特性,从而挖掘信号的有效特征参数;最后,在不同噪声环境下,实现雷达辐射源信号序列的特征参数的分类性能及其准确性分析。仿真结果表明,所提取的特征参数在低信噪比环境下具有良好的抗噪能力和不错的聚类质量,验证了基于复杂网络时间序列分析的信号特征提取方法的可行性,为进一步丰富刻画雷达辐射源信号提供了有效的技术支持和手段。

基于高维聚类的文本大数据挖掘算法仿真

文本数据具有规模大,特征维数高等特点。通常含有大量的冗余、空间维度复杂的数据,导致文本大数据信息挖掘困难。因此,提出一种基于高维聚类算法的文本大数据挖掘方法。采用等距离特征映射算法,将多维数据映射到低维空间。通过相空间重建,提取大数据的关键特征。以平均信息熵作为衡量聚类项目的标准,多次不断更新本文聚类中心,当平均信息熵为小数值时,利用密度函数确定原始本文聚类中心,实现文本大数据挖掘。实验结果证明,所提方法的F1值在95%以上,说明文本大数据的聚类精准度高,不会出现过度挖掘问题。

基于相空间重构的辐射源个体识别技术综述

辐射源个体识别技术,起源于雷达目标精确辨识任务,旨在根据截获的电磁信号提取辐射源独有的指纹特征,并进一步辨识辐射源个体身份的技术。相空间重构技术,作为一种有效的时间序列分析技术,可以从一维时间序列中重构一个与原系统非线性动力学特性相同的相空间。相空间重构技术自2007年开始被诸多学者引入辐射源个体识别问题中。然而,该项技术研究时间较短且分布较为分散,尚未形成清楚的发展脉络。对此,该文旨在系统性地总结归纳基于相空间重构的辐射源个体识别技术。首先,在介绍相空间重构技术的基础上,论述了相空间重构技术应用于辐射源个体识别的理论依据。其次,从方法框架、算法分类、算法应用效果、算法初步对比4个维度,介绍了基于相空间重构技术的辐射源个体识别技术的研究现状。仿真实验结果表明,该项技术能够有效地捕捉辐射源硬件的非理想性,胜任目标精确辨识任务,并可通过特征融合等手段提升算法鲁棒性。最后,总结现有方法的不足并展望其未来发展前景。

核爆地震模式识别中的特征相空间研究

从核爆地震模式识别中的最少不相关特征量确定、训练样本的选择出发,介绍了特征空间与相空间等价问题的由来,并通过数值实验验证了特征空间与相空间等价的有效性,确定了特征选择中不相关特征量的下限,而且特征相空间分析方法具有很好的噪声鲁棒性,对于分析实际的模式识别问题极具优势.最后,本文提出了进一步研究的思路和设想.

基于关联维的事故时间序列分形特征分析

根据我国"十五"期间事故统计数据,构造了一个事故时间序列;基于相空间重构理论,对事故序列进行了相空间重构,应用G-P算法,对事故时间序列的分形特征进行了研究,计算得出事故时间序列的关联维数。研究结果表明:当嵌入维数达到8以后,该事故动力学系统具有稳定的关联维数4.7,说明至少有5个因子在影响着事故时间序列的动态变化,并且该系统的有效自由度为8。本研究对建立事故时间序列的预测模型有较大的参考价值。

基于时频分布的空间锥体目标微动形式分类

空间锥体目标的微动形式分类对空间目标识别、参数估计等有着重要意义。针对这一问题,提出了一种从雷达回波时频分布中提取特征对微动形式进行分类的方法。首先分析了空间锥体目标的散射特性,在此基础上建立了等效散射点模型,并与传统的一般散射点模型比较,电磁计算结果进一步证明了提出模型的正确性;在特征提取阶段,基于能量强弱提取了回波时频分布中包含微动信息的区域,并针对自旋、进动、章动3种微动形式下瞬时频率变化的差别提取了4种特征;最后基于等效散射点模型仿真产生训练数据集、电磁计算产生测试数据集的模式,使用支持矢量机(support vector machine,SVM)分类器的分类实验结果表明新方法在一定信噪比条件下可有效实现对微动形式的分类。

基于PCA和LMD分解的滚动轴承故障特征提取方法

局部均值分解(LMD)是一种自适应时频分析方法,并在轴承的故障诊断中成功应用,但是受噪声的影响比较大。为了最大程度地降低噪声的干扰,提出了主分量分析(PCA)与局部均值分解(LMD)相结合的故障诊断方法。该方法首先利用相空间重构将一维时间序列振动信号嵌入为等效的多维时间序列信号,然后利用主分量分析提取主要成分实现降噪,最后把降噪之后的信号进行LMD分解,分解成若干个乘积函数(PF)之和,对能量最高的PF1进行包络谱分析,提取出故障特征信息。通过仿真试验和轴承故障试验,结果表明该方法能够有效地提取出信号的故障特征,证明了该方法的有效性。

舰船辐射噪声混沌特征提取方法研究

研究舰船辐射噪声信号影响目标识别,针对传统子空间降算法只适用于多通道信号处理,为了清楚识别目标,提出多次迭代降噪的思想,并根据定义的信噪比改善量控制迭代次数。用相空间重构进行特征提取,为了降低特征维数,引入K-L变换进行特征压缩,提出一个基于子空间降噪理论与相空间重构以及K-L变换相结合的完整的舰船辐射噪声特征提取方法,进行计算机仿真,结果表明对舰船辐射噪声特征有效提取和分类识别很有效,证明方法对三类目标舰船噪声信号具有较好的分类效果。

二维空间重构电流特征轨迹的变压器差动保护判据

在故障电流的影响下,变压器差动保护两侧电流互感器(TA)易发生饱和,使传变的电流波形发生畸变,严重影响变压器差动保护的正确动作。针对TA饱和造成的变压器差动保护误动或拒动的问题,对不同故障类型下变压器两侧电流波形相位关系特性进行对比分析,提出将两侧电流进行二维空间重构,应用重构后的特征轨迹构造变压器差动保护新判据,以识别伴随TA饱和的变压器各类故障。通过仿真和动模试验,验证新判据有较高的可靠性和灵敏性,并且具备较强抗TA饱和的能力。

基于相似序列重复度的舰船辐射噪声时域特性的研究

根据舰船辐射噪声的时域序列波形的特点，对其数据序列本身的局部相似性进行了研究．首先进行了相空间重构（维数为５，１０，２０，３０，５０）．接着在此相空间基础上，利用相似序列计算出重复度（ＲＲＰＴ）参数，绘制了舰船辐射噪声的重复度曲线并分析其特征．最后利用ＲＲＰＴ参数提取了数据序列的熵信息．实验表明重复度曲线和熵信息较好地反映了舰船辐射噪声的时域特征．

基于语义关联性特征融合的大数据挖掘方法

提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.

基于网络爬虫的网页大数据抓取方法仿真

为了提高网页大数据抓取效率,解决传统抓取方法误差大的问题,提出了基于网络爬虫的网页大数据抓取方法。首先分析网络爬虫运行的基本流程,按流程提取大数据关键特征,然后根据特征提取结果提出基于网络爬虫的数据抓取策略。经计算得到数据关键特征,从而选择广度优先策略抓取数据信息,并利用相重新构建相空间的方式得到爬虫维度,引入关联维数值完成网页大数据抓取,对数据关键特征完成抓取任务。通过仿真结果表明,所提方法对网页大数据的抓取率更好、耗时更短,与其它方法相比具有较高的鲁棒性。

基于相空间重构的电能质量扰动特性提取方法

将相空间重构方法引入电能质量领域,对电压暂降、电压瞬升、电压中断、电压尖峰、谐波及闪变6类电能质量扰动事件进行研究.利用相空间重构将实域的扰动信号映射到二维相平面,构造不同扰动的信号轨迹.将轨迹幅值归一化进行编码,将信号轨迹转变为二进制图像.针对该图像,定义了最大偏差、载体相似度、扰动覆盖区域和平均幅度4项特性指标.对6类扰动波形分别进行特性计算,结果表明,尖峰波形的最大偏差、谐波波形的载体相似度、闪变的扰动覆盖区域特性明显与其它扰动不同,利用平均幅度特性可以分辨暂降、瞬升和中断.通过提出的4项指标可以有效提取特性扰动进行识别.

高压断路器机械振动信号混沌吸引子形态特性

提出并探讨了基于混沌吸引子形态特性的高压断路器振动信号特征提取方法。采用功率谱和Lyapunov指数分别对高压断路器振动信号进行定性和定量混沌分析,证实了高压断路器振动信号既包含高压断路器动力学特性,也存在混沌现象;在此基础上,对振动信号进行相空间重构,分析混沌吸引子形态特性与故障类型之间的关系;最后,以不同严重程度的分闸缓冲器故障为例,深入探讨了不同严重程度故障下混沌吸引子的演变规律。研究结果表明,高压断路器振动信号混沌吸引子形态在同一故障状态下较稳定,对故障类型及故障严重程度较敏感,这表明混沌吸引子形态特性是研究高压断路器振动信号特征提取的有效实用途径。

基于混沌分形理论的故障电弧诊断方法研究

引入混沌分形理论,从混沌空间域角度分析故障电弧的内在演化规律和电弧特性,提出一种基于混沌分形理论的故障电弧诊断方法。通过重构相空间和盒维数、关联维数、最大Lyapunov指数等对电弧电流的混沌分形特性进行定性、定量分析,形成电弧的空间域特征向量,构建故障电弧诊断模型。针对低压用电系统中空气压缩机、开关电源等负载线路,对故障电弧发生前后线路电流的混沌分形特性进行分析,验证方法的有效性。实验结果可见,线路电流的分形结构和混沌分形特征参数随着电气线路运行状态的变化而有所差异,且与线路负载性质有关。基于此特征建立的电弧诊断模型电弧检测的准确率超过90%,同时当线路正常运行时,诊断模型能够实现负载辨识,辨识率可达到90%。

基于相空间重构的支持向量回归机在振动数据预测中的应用

支持向量回归机是近年来发展起来的一种通用的机器学习方法,后来被广泛应用于预测领域。在对模型进行训练时,输入特征在很大程度上影响了预测的精度。所以对于特征的选择一直是人们所关注的问题。提出了一种基于相空间重构的支持向量回归机方法。该方法首先对时间序列进行相空间重构,然后利用重构的相空间中的相点作为特征输入,对模型进行训练。经实验验证,该方法能够根据时间序列内在规律,自适应的构造输入特征,提高预测结果的精度。

关联维数分析方法在液压泵多故障诊断中的应用研究

针对液压泵故障信号非线性和非平稳性特征,提出了利用相空间重构技术和分形理论相结合的特征关联维数提取方法。该方法将液压泵不同故障模式下获取的一维振动信号重构到高维相空间,进行信息深层挖掘;通过对相空间特征信号关联维数变化规律的分析,找出对故障反映敏感的关联维数,由此进行故障识别。通过实验验证,该方法提取的关联维数能有效反映液压泵的故障特征,为液压泵多故障诊断方法的研究提供可靠的特征信息,具有良好的应用前景。

基于平稳小波变换的相空间重构方法

针对非线性信号特征提取问题,提出一种基于平稳小波变换的相空间重构方法。对信号进行多层平稳小波分解,利用得到的不同尺度小波系数进行相空间重构,通过局部切空间变换方法提取蕴涵在相空间高维数据集中信号的低维形态特征。仿真试验结果表明,非线性信号经过平稳小波变换后,吸引子轨迹与原有轨迹具有相似的结构。利用局部切空间变换可获得带有高斯白噪声的非线性信号的低维形态特征,该低维形态特征与原有非线性信号的吸引子轨迹相似。这种相空间重构方法较传统的方法具有一定的优势,可以用于提取含有噪声的机械振动信号的故障特征。