基于自适应马氏空间与深度学习的滚动轴承退化趋势预测

滚动轴承退化趋势预测中,传统特征选择主要依赖人工经验和单一评价算法,容易造成特征的少选或错选,且单一深度学习网络无法充分挖掘数据中包含的性能退化信息,导致模型预测精度较低。针对上述问题,提出一种基于自适应马氏空间(adaptive Mahalanobis space,AMS)与融合深度学习网络的滚动轴承退化趋势预测方法。首先,分解原始信号并利用相关峭度系数准则筛选固有模态函数(intrinsic mode function,IMF)分量重构新信号,从多域视角提取特征;然后,构建基于AMS的多目标特征选择算法自动优选特征,减少人工依赖,加强自适应性和泛化性,并将马氏距离(Mahalanobis distance,MD)与指数加权移动平均(exponential weighted moving average,EWMA)方法进行结合,对轴承性能退化趋势进行良好表征;最后,利用稀疏自动编码器和门控循环单元(sparse auto encoder-gated recurrent unit,SAE-GRU)融合模型进行预测。实验结果表明,所提方法能够有效筛选最优特征,显著提高预测精度。

基于相对马氏距离的非均匀杂波抑制方法

由于天基雷达覆盖范围广、探测背景复杂,雷达回波会呈现出明显的非均匀特性,从而导致杂波协方差矩阵(clutter covariance matrix,CCM)估计与实际情况出现偏差,从而恶化天基雷达对空中动目标的检测性能。针对上述问题,提出了一种基于相对马氏距离的非均匀样本抑制方法,该方法首先计算所有样本的广义内积(generalized inner product,GIP),在此基础上选取一个合适的样本作为参考。通过比较场景中所有样本与参考样本的马氏距离,将相对马氏距离大于判定门限的样本作为非均匀样本剔除。用筛选后的样本进行杂波协方差矩阵估计,从而提高天基雷达在复杂环境下对空中动目标的检测性能。理论分析和实测数据结果表明,所提算法能够在非均匀环境下有效检测出空中动目标。

色度马氏距离图与灰度图特征自适应融合的彩色人脸识别

色彩提供了比灰度更为丰富的信息,鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中。基于YCb Cr颜色空间,分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图。提出一种色度马氏距离图与灰度图特征自适应融合的人脸识别算法。分别构造出色度马氏距离图与灰度图的基于小波包结点能量的归一化特征向量,采用多种融合策略进行特征融合,并根据融合效果自适应地选取特征融合参数,构造出最佳的鉴别特征向量,实现色度与亮度特征的互补。使用基于方差相似度的分类器获得人脸识别结果。实验表明:该算法识别率高、鲁棒性好。

基于自适应融合色度与亮度特征的彩色人脸识别算法

鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中,提出了一种基于自适应融合色度与亮度特征的彩色人脸识别算法。该算法基于YDhDr颜色空间分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图;通过自适应融合色度与亮度特征来构建彩色人脸识别特征;基于小波包结点能量的特征表示方法,分别在实数域和复数域中提取并融合色度与亮度分量的最崖鉴别特征向量,实现色度与亮度特征的最优化互补;使用基于方差相似度的分类器获得人脸识别结果。实验表明,该算法识别率高、鲁棒性好。

空间相关衰落信道下结合空时编码的自适应调制系统

研究了空间相关衰落信道下结合空时分组码的自适应调制系统(STBC-AM)的性能,推导出平均频谱效率和误码率的表达式。理论分析和数值计算结果表明,自适应调制提高了系统的频谱效率。空间相关虽然会造成系统性能的下降,但是当相关系数小于0.5时影响很小。即使相关系数为0.8时,STBC-AM还是远优于一般的自适应调制系统。