Big Data Analytics Using Graph Signal Processing

The networks are fundamental to our modern world and they appear throughout science and society.Access to a massive amount of data presents a unique opportunity to the researcher’s community.As networks grow in size the complexity increases and our ability to analyze them using the current state of the art is at severe risk of failing to keep pace.Therefore,this paper initiates a discussion on graph signal processing for large-scale data analysis.We first provide a comprehensive overview of core ideas in Graph signal processing(GSP)and their connection to conventional digital signal processing(DSP).We then summarize recent developments in developing basic GSP tools,including methods for graph filtering or graph learning,graph signal,graph Fourier transform(GFT),spectrum,graph frequency,etc.Graph filtering is a basic task that allows for isolating the contribution of individual frequencies and therefore enables the removal of noise.We then consider a graph filter as a model that helps to extend the application of GSP methods to large datasets.To show the suitability and the effeteness,we first created a noisy graph signal and then applied it to the filter.After several rounds of simulation results.We see that the filtered signal appears to be smoother and is closer to the original noise-free distance-based signal.By using this example application,we thoroughly demonstrated that graph filtration is efficient for big data analytics.

Underground vibration signal detection and processing system based on LabWindows/CVI

In order to detect and process underground vibration signal, this paper presents a system with the combination of software and hardware. The hardware part consists of sensor, memory chips, USB, etc. , which is responsible for capturing original signals from sensors. The software part is a virtual oscilloscope based on LabWindows/CVI （C vitual instrument）, which not only has the functions of traditional oscilloscope but also can analyze and process vibration signals in special ways. The experimental results show that the designed system is stable, reliable and easy to be operated, which can meet practical requirements.

Training of Multi-layered Neural Network for Data Enlargement Processing Using an Activity Function

In this paper, we present a study on activity functions for an MLNN (multi-layered neural network) and propose a suitable activity function for data enlargement processing. We have carefully studied the training performance of Sigmoid, ReLu, Leaky-ReLu and L & exp. activity functions for few inputs to multiple output training patterns. Our MLNNs model has L hidden layers with two or three inputs to four or six outputs data variations by BP (backpropagation) NN (neural network) training. We focused on the multi teacher training signals to investigate and evaluate the training performance in MLNNs to select the best and good activity function for data enlargement and hence could be applicable for image and signal processing (synaptic divergence) along with the proposed methods with convolution networks. We specifically used four activity functions from which we found out that L & exp. activity function can suite DENN (data enlargement neural network) training since it could give the highest percentage training abilities compared to the other activity functions of Sigmoid, ReLu and Leaky-ReLu during simulation and training of data in the network. And finally, we recommend L & exp. function to be good for MLNNs and may be applicable for signal processing of data and information enlargement because of its performance training characteristics with multiple teacher training patterns using original generated data and hence can be tried with CNN (convolution neural networks) of image processing.

多功能雷达总体数据分析系统设计与实现

多功能一体化是雷达发展的必然趋势,随着功能的增加,多模式间切换频繁调度复杂,系统调试工作量呈指数增长,数据分析与管理的难度增大。为提高多功能雷达数据分析效率,辅助问题定位分析与系统状态检查,加快雷达研制进程,分析了总体数据分析在雷达研制和使用阶段的重要作用,研究了雷达总体数据分析软件的需求与系统设计,并通过Matlab进行实现。该软件可以分析雷达多环节数据,并以表格和图像的形式呈现分析结果。经过实验数据验证,该软件能够有效地提高分析效率,进行雷达状态判断和性能评估,快速发现与定位问题。

基于权值平滑的自适应调零算法研究与实现

在卫星导航定位系统中,由于导航信号的功率较低,在到达地面时极易受到干扰,导致定位失败。自适应零陷技术可以有效地提高卫星导航接收机的抗干扰能力,然而由于常规的空时联合最小功率响应会时常出现零陷抖动,不能有效的对准干扰来向,从而导致接收机的抗干扰性能下降。对于该情况,本文提出对抗干扰算法中的权值进行平滑滤波处理的方法,并且通过仿真验证、FPGA实现、现场实测等手段验证了该算法的可行性。该方法可有效抑制系统权值以及零陷位置的抖动,从而提高抗干扰算法的稳定性和可靠性,对相关工程领域具有一定的参考价值。

智能传感技术在水肥一体系统中的应用研究

以进一步提升水肥一体机系统的作业效率为目标,选取智能传感的监测技术,针对整机的监测控制与信号处理展开应用设计研究。考虑水肥一体机过程作业肥液融合的均匀性及系统各模块之间的协同性功能实现,结合微分补偿的传感数据算法处理方法,进行智能传感的水肥一体机架构布局,并匹配可执行的软件控制程序及硬件实施结构,进行实地传感应用监测与灌施控制作业试验。结果表明:水肥一体机系统的数据监测准确率可达95.25%,系统故障率相对降低3.79%,监测数据准确及时,能够确保系统各环节指令得到有效的调整与反馈,进而保证灌施土壤的含水稳定率相对提升7.87%,对于作物的稳定生长与产量提升有重要的参考价值。

DNA测序首段信号数据特别处理方法研究

针对荧光标记毛细管电泳DNA测序开始一段序列的信号杂乱特性以及不同碱基通道信号间的相对偏移问题,提出了一种用于首段信号特别处理的电泳迁移率自适应校正方法。分析设计基于四通道首段信号间峰重叠程度估计的运筹决策目标函数,通过目标函数动态寻优计算确定不同碱基通道信号的相对偏移系数,从而实现DNA测序首段信号的相对偏移校正,为提高首段信号碱基的合理判读及后续DNA精准排序提供了可靠的过程数据。

电力电缆局放在线监测神经网络自动识别精度的提升方法

为了尽可能降低电缆线路局放在线监测系统装置运行中对局放信号识别的误判误报的可能性,对局放的判读机理和识别精度进行了改进和提升。基于现场运行系统回收的数万个疑似电缆内部局放的告警记录数据进行了分析分类,对判别程序中沿用的局放自动逻辑判别程序追加了相间信号相关性过滤程序,对既有的神经网络在构造上作了优选优化,对神经网络学习数据的前置处理进行了改进。对改进提升后的局放判别程序采用了包括现场记录,模拟信号发生器和人工局放模型加电压实验的3种局放数据进行检验。结果表明,改进提升后的局放判别程序不但能够使现场的非局放告警数据的告警率降低到5%的期待水平,同时也提高了识别人工模拟产生的各种类型局放信号的准确性,大大降低了局放在线监测系统误判误报的可能性。

基于判决反馈的VDES解调系统设计与FPGA实现

甚高频数据交换系统(Very high frequency Data Exchange System,VDES)作为新一代船舶通信系统,具有广阔的应用前景。由于卫星相对船舶的高速运动,VDES中上行应用特定消息(Application-specific Message,ASM)链路会产生较大的多普勒频移,在接收端仅依靠已知训练序列估计的频偏等信道参数无法满足正确解调的性能要求。为此提出一种基于判决反馈的解调方法,通过分段解调,缩短每次解调的数据长度,提高解调时对频偏的容忍度,并利用每段解调的结果作为下一段未解调数据的导频,估计出当前数据中的信道参数。仿真结果表明,所提算法相较于无反馈相干解调算法性能大大提升。在上述研究的基础上,在可编程逻辑器件上实现了对ASM无导频上行链路的正确解调。

基于VOSviewer的甲状腺癌分子与细胞生物学领域的可视化分析

目的了解甲状腺癌分子与细胞生物学领域的研究现状与发展趋势。方法在科学网核心合集(WoSCC)中按照检索条件获取甲状腺癌分子与细胞生物学领域2013年1月1日—2022年12月31日发表的相关文献,利用文献计量软件VOSviewer和Excel进行文献计量与可视化分析。结果共纳入文献1627篇,其中2013年发文量为113篇,2022年发文量为214篇,年度发文量总体呈上升趋势。共有9274名作者,其中发文量不低于10篇的有6名。共有2042个机构,其中发文量前10的机构大多是中国的大学。共有68个国家,发文量最大的国家是中国,其次是美国。共有513种期刊,载文量前10的期刊主要是肿瘤学领域期刊,其次是内分泌与代谢领域期刊。共引用了5887种期刊的62563篇文献,共被引次数最高的期刊是《Journal of Biological Chemistry》(1608次),共被引用次数最高的文献是《Molecular pathogenesis and mechanisms of thyroid cancer》(89次)。结论甲状腺癌分子与细胞生物学领域目前正在稳步发展,铁死亡、糖基化、端粒酶逆转录酶以及氧化应激是该领域的研究前沿。

数据手套用柔性传感系统及信号特征分析技术

对数据手套采集信息的各组成部件进行归纳,总结数据手套中的传感系统,重点探讨柔性传感器的制备和传感阵列在手套中的集成。综述数据手套在不同应用场景下对采集信号的处理模式,特别介绍深度学习及神经网络计算方法在手势识别中的研究进展。最后,总结数据手套需突破的问题及未来发展趋势。

数据处理与信号调理组合系统设计

数据处理组合与信号调理组合是自动化测试系统的重要测试设备,数据处理组合包括电源、控制器、DA输出、AD采集、数字IO信号处理、串行总线通信及1553B总线通信等几个部分,目的是能够实现模拟量及数字量信号控制输出、模拟量及数字量信号采集监测、RS422串行总线通信及1553B总线数据通信等基本功能,模块化设计采用PXI总线架构形式,优点是成熟稳定可靠并且能够支持扩展,数据处理组合控制器接收指令与各功能板卡配合完成所需功能;信号调理组合作为被测与数据处理组合的中间信号转接设备,实现了数据参数的接口匹配及信号隔离等功能,重点对信号调理电路及芯片进行了计算研究,经实验测试实现了不同幅值的数字量信号和模拟量信号输入输出转换及不同转换比例的电压电流转换,经实际应用满足了信号转换及隔离等功能。

基于UA数据同步的民机CBIC系统通信方法研究

随着民用飞机电源系统逐渐智能化,现代民用飞机的座舱显示系统中也加入了断路器显示与控制相关界面,实现在驾驶舱中达到对电源系统断路器的可视及可控。基于保证驾驶舱显示界面数据完整性的目的,结合ARINC661标准与应用软件的功能,提出了一种具备UA间数据同步的CBIC系统通信方法。针对ARINC661规范和CBIC系统进行简单概述,在对CBIC系统的具体通信流程进行分析后,设计出一种UA之间数据同步的方法,并通过单片机进行仿真实验,实现了UA切换时数据与指令的一致,该方法可以为后续相关的研究工作提供参考。

A deep learning framework for suppressing prestack seismic random noise without noise-free labels

Random noise attenuation is significant in seismic data processing.Supervised deep learning-based denoising methods have been widely developed and applied in recent years.In practice,it is often time-consuming and laborious to obtain noise-free data for supervised learning.Therefore,we propose a novel deep learning framework to denoise prestack seismic data without clean labels,which trains a high-resolution residual neural network(SRResnet)with noisy data for input and the same valid data with different noise for output.Since valid signals in noisy sample pairs are spatially correlated and random noise is spatially independent and unpredictable,the model can learn the features of valid data while suppressing random noise.Noisy data targets are generated by a simple conventional method without fine-tuning parameters.The initial estimates allow signal or noise leakage as the network does not require clean labels.The Monte Carlo strategy is applied to select training patches for increasing valid patches and expanding training datasets.Transfer learning is used to improve the generalization of real data processing.The synthetic and real data tests perform better than the commonly used state-of-the-art denoising methods.

基于HHT-LSTM的冬奥会临时设施运行趋势预测方法研究

针对冬奥会延庆赛区临时设施的安全性和可使用性,本文充分结合信号处理算法与深度神经网络,提出了一种由希尔伯特黄变换(Hilbert-Huang transform,HHT)对时序数据进行信号分解和信号特征提取,长短期记忆网络(long short-term memory,LSTM)进行临时设施运行趋势预测2部分构成模型。该模型基于受严寒天气和大客流诱发的看台振动等一系列外因影响所测得的真实振动和倾角数据,实现对设施进行有效的预测,以避免发生安全问题,解决了由于受数据中一些无关特征因素的干扰导致预测准确度低的问题。论文提出的方法与循环神经网络(recurrent neural network,RNN)、门控循环网络(gated recurrent neural network,GRU)、双向RNN和双向GRU等运行趋势预测方法进行比较,验证了本文方法的可行性和有效性,实验结果也说明所提出的模型在此类任务中表现非常出色。

大口径焊管中频感应加热设备数据采集系统的开发

随着用户及企业本身对产品质量的追求,其对产品过程控制越发关注,从而对设备控制参数提出了更高的要求。基于宝钢大口径焊管防腐涂层产线,介绍目前中频感应加热设备的现状和存在的问题,提出了对中频电源控制柜进行局部改造。对直流电流、直流电压、中频功率、加热温度等参数和管端信号进行采集,并采用LabVIEW软件开发一套数据采集处理系统,可根据用户需求进行数据处理,提供便捷的数据处理功能,已应用于涂层线中频电源设备的自动控制、生产管理及数字化交付等方面,效果良好。

基于SCADA系统和信号处理的风力发电机主轴承故障分析与诊断

基于SCADA在线监测系统,通过该系统获取到主轴承实时振动数据,用小波包、集合经验模态分解模型进行信号处理和提取故障特征,分析其时域图的冲击信号、频谱图故障特征频率、包络谱故障频率幅值和谐波信号倍数情况,可以判断出主轴承故障位置以及受损情况,实现主轴承故障预警,为风力发电场现场运维人员高效维修提供帮助,降低运维成本。

混沌理论在减振弹簧故障检测中的应用研究

针对振动筛减振弹簧在长时间工作后会出现失效的问题,在分析减振弹簧动力学特性和有限元仿真的基础上,提出一种运用混沌理论分析检测减振弹簧故障工况的方法。首先设计振动实验监测减振弹簧在不同故障工况下的振动信号,然后通过时频分析研究不同工况下的信号差异,最后运用混沌理论计算振动信号的混沌特性参数。由此发现减振弹簧故障时系统处于混沌状态,且不同工况下最大李普诺夫指数、关联维数等具有明显差异,可以用于减振弹簧的故障检测研究。

极端数据辅助的RSSE-PSP盲分离算法

针对逐幸存路径处理(PSP)算法在处理成对载波多址(PCMA)信号盲分离问题时复杂度过高的问题,提出一种基于极端数据辅助的减状态序列估计逐幸存路径处理(RSSE-PSP)盲分离算法。该算法基于PCMA信号中存在部分极端数据,按照单路源信号的参数估计结果去除频偏、相偏后能够凸显出极端数据,充分利用这部分极端数据,可以直接解调出源信号相应位置的传输符号,继而在PSP算法进行序列估计的过程中减少需要遍历的状态数,有效降低了PSP算法的复杂度,同时避免了极端符号位置的误码。仿真实验表明,在较高信噪比条件下,RSSE-PSP算法在分离复杂度和分离性能方面均优于传统的PSP算法。

面向八通道肌电信号处理的微控制器设计

该文提出了一种基于嵌入式ARM系统的面向肌电信号处理的微控制器设计方案。利用肌电信号采集和处理模块对人体表面肌电进行采集、滤波和放大处理,通过A/D转换器将处理后的数据传输到嵌入式ARM系统中,实现肌肉运动状态的实时监测。为了实现高速采集模拟信号并将其转换为数字信号,该文在硬件设计中采用了内置8通道的12位A/D转换器和转存A/D数据的DMA控制器于一体的nRF52840芯片解决方案。实验结果表明,设计的肌电微控制器具有高精度、高稳定性和快速响应的特点,能够满足基于表面肌电信号的手势识别或假手控制等研究的要求。