基于改进近似共轭梯度追踪的轴承故障诊断方法

在确保机械系统的可靠性和功能性、生产效率和安全性方面,滚动轴承的状态监测和故障诊断极其重要。然而,故障特征通常总是被背景噪音和其他不稳定的干扰成分所掩盖,这使得这项工作变得非常困难。为了更好地提取轴承故障特征,提出了结合改进的正余弦优化算法(improved sine cosine algorithm, ISCA)的弱选择近似共轭梯度追踪(weak selection approximate conjugate gradient pursuit, WACGP)算法。将惯性权重和非线性参数更新策略引入正余弦优化算法(sine cosine algorithm, SCA)中,提高了信号稀疏表示的效率和精度,以便用字典原子最大限度地逼近原始信号,并且将弱选择策略引入近似共轭梯度追踪(approximate conjugate gradient pursuit, ACGP)中,提高了提取轴承故障特征的速度和能力。通过对轴承的故障仿真信号和实际轴承内、外圈和滚动体振动信号的分析,验证了该方法的有效性。详细说明了与基于正余弦优化的梯度追踪算法的比较,突出了所提出的方法的优点。

随机梯度追踪算法的硬件架构设计

压缩感知能够有效降低信号的采样速率,但信号恢复需要大量的复杂计算,这给用于重构的专用电路的面积和功耗带来挑战。以牺牲计算精度和增加计算时长为代价的情况下,随机计算能够大幅度减少算术操作过程中的功耗和硬件成本。这一特性使得随机计算在计算密集型电路设计中得到广泛应用。基于随机计算范式,设计了一种使用简单逻辑门搭建的向量内积计算电路,进一步构建了随机梯度追踪算法的硬件架构。相较于传统的二进制计算电路,该架构在Slices资源的使用上减少了83%。对信号长度为256、稀疏度为8的信号进行重构测试,结果显示其重构信噪比达到了18.99 dB,充分验证了该方案的有效性和灵活性。

集中式MIMO组网雷达系统波形设计

波形设计是集中式MIMO组网雷达信号处理的关键技术之一。为了提高该系统在杂波或干扰下的目标探测能力,同时兼顾硬件兼容性以及所设计波形良好的模糊函数和脉冲压缩特性,本文考虑在恒模约束和波形相似性度量下构建关于雷达输出信杂噪比(SCNR)的优化模型;通过对原非凸问题的等价转换,提出了一种基于连续凸近似的多项式时间迭代算法,并分析了其收敛性;为了进一步降低计算复杂度,提出了一种基于梯度投影(GP)的算法。最后,对所提方法进行了仿真验证,结果表明,该方法能够为组网雷达系统下各发射站点的波形设计提供一种新的可行方法。

压缩感知中基于变尺度法的贪婪重构算法的研究

首先将最优化方法中的梯度法与贪婪算法相结合,在已有梯度追踪算法的基础上提出了基于变尺度法的梯度追踪(VMMGP)算法,分析比较这些算法的计算复杂度和存储需求;其次用这些算法分别重构一维、二维信号,分析比较了算法重构效果及其性能好坏。实验结果表明,对于一维信号和二维信号的重构,所提出的VMMGP算法,重构效果是所有梯度追踪算法中最好的。

密集型谐波检测的压缩采样方法

压缩采样已成为电力系统中复杂谐波畸变信号实时采集和密集检测的发展趋势。文中针对谐波和间谐波检测,提出一种新型压缩采样检测方法。分析得到稀疏度的相关定理和推论,提出多重提取梯度追踪(MEGP)算法,提升谐波分量、特别是间谐波分量的检测精度。考虑频谱泄漏影响,构造窗稀疏测量(WSM)矩阵,生成简单且对所有分量有效。实验表明,MEGP算法至少可将频率、幅值、相位检测精度分别提升0.000 53Hz、0.011 2个百分点和0.071°,WSM矩阵则可将信噪比提升约30dB。所提压缩采样检测方法对频率、幅值和相位的检测误差在0.004 03 Hz、0.001 73%和0.037 221°以内,满足国家标准要求。

基于谱投影梯度追踪的压缩感知重建算法

为了改进方向追踪法的重建精度和算法效率,提出了一种基于谱投影梯度(Spectral projected gradient,SPG)追踪的压缩感知(Compressed sensing,CS)重建算法.该算法采用方向追踪法框架,运用谱投影梯度方法计算更新方向和步长,引进非单调线性搜索策略使算法避免收敛至局部最优解.实验结果证明了该算法的有效性,通过设定合适的阈值参数可以取得重建精度和算法效率之间的平衡.

基于谱投影梯度的电容层析成像图像重建算法

针对图像重建问题,基于谱投影梯度算法对电容层析成像系统进行图像重建算法。该算法结合ECT的工作原理,以方向追踪为目标,根据谱投影梯度计算更新方向和步长,同时为了避免因收敛导致局部最优解,引入了非单调搜索策略,使精度与速度达到平衡。通过该算法对典型的流型进行仿真实验,并与传统LBP算法对比,结果表明该算法的重建精度得到提高,该方法为ECT图像重建提供了一个新的研究思路。

语音压缩感知硬阈值梯度追踪重构算法

本文基于语音信号在DCT域的近似稀疏性,采用压缩感知(Compressed Sensing,CS)理论对其进行压缩采样和重构。CS中的梯度追踪(Gradient Pursuit,GP)算法因计算量小,迭代硬阈值(Iterative Hard Threshold,IHT)算法因实现简单,被广泛用来重构信号。针对压缩感知理论中的GP算法的支撑集在每次迭代时仅增加一个元素,以及该算法每步迭代时仅经过一次沿负梯度方向搜索求得的解可能不是最优解的问题,本文提出了语音重构的硬阈值梯度追踪(Hard Threshold Gradient Pursuit,HTGP)算法。该算法利用IHT算法的思想选择原子更新支撑集,每步迭代时支撑集中含有K个元素,而且HTGP算法每步迭代时经过k次沿负梯度方向搜索得到最优解来代替使用计算量巨大的最小二乘来求解。实验结果表明,压缩比相同的情况下,HTGP算法具有更快速的收敛性和更高的信噪比。

一种压缩感知重构算法

为提高压缩感知重构精度,该文提出一种分段弱阈值修正共轭梯度追踪算法。该算法修正了方向追踪算法的方向,明确给出了搜寻原子下标的停止迭代准则,利用搜寻所得下标集通过最小二乘法得到稀疏信号的估计值。仿真结果表明在同等稀疏的条件下实现精确重构,该算法与匹配追踪(MP)算法和分段正交匹配追踪FDR阈值算法(StOMP-FDR)相比,所需的观测值个数少20%;在处理2维图像信号时,其重构精度比分段正交匹配追踪FAR阈值算法(StOMP-FAR)和贝叶斯算法(BCS)高1%。

基于记忆梯度追踪的高效稀疏跟踪算法

为了实现快速稳定的L1稀疏跟踪,提出一种基于记忆梯度追踪的优化稀疏表示目标跟踪算法.首先采用整合后的分块协方差特征对目标外观建模,构建出更有效的适于稀疏跟踪框架的观测模型,结合模板更新策略可提高对复杂场景干扰和漂移模板的鲁棒性;然后采用更低计算成本的自适应比例无迹变化方法近似协方差特征,将流形空间特征相似度量转为欧氏空间度量;最后利用快速记忆梯度追踪方法重构信号性快速稳定的优点减少L1目标跟踪算法稀疏系数的重建时间,计算目标的稀疏解.在各种场景下与5种算法比较的实验结果表明,该算法具有更好的性能.

基于匹配跟踪的感知梯度正弦建模方法

匹配跟踪作为一种自适应的信号分解算法,为语音和音频正弦建模提供了一个新的框架.分析了基于匹配跟踪的正弦建模过程以及感知加权匹配跟踪正弦建模算法,并在此基础上提出了感知梯度正弦建模方法.该方法结合匹配跟踪自适应的动态特征,利用心理声学模型计算当前合成信号的动态掩蔽阈值,以此为参考提取残差信号中感觉最明显的信号分量,从而最大限度地增加合成信号中的感知信息.在模型精度不高的情况下,该方法也能得到合成质量比较高的语音.实验表明,该方法更好地利用了人耳的听觉特性,建模结果更为合理、有效.客观的信噪比和主观试听测试都显示了所提出算法的合理性与优越性.

压缩感知中基于梯度的贪婪重构算法综述

正交匹配追踪(OMP)算法是贪婪类算法中最经典的算法之一,但是对于大规模数据的重构问题却有着计算复杂度高、存储量大的缺点,而如果将最优化方法中的梯度与贪婪算法相结合,就会大大减少计算复杂度和存储需求。文中详述了梯度追踪算法,从理论上分析了这些算法的计算复杂度、存储需求和优缺点,并用这些算法分别重构一维信号和二维信号,分析重构效果。实验结果表明,梯度追踪算法的重构效果均比OMP好。尤其是基于变尺度法的梯度追踪算法,无论是重构时间还是重构效果,均优于OMP算法。

基于梯度追踪的MIMO-OFDM稀疏信道估计算法

现有的压缩感知MIMO-OFDM信道估计方法多采用正交匹配追踪算法及其改进的算法。针对该类算法重构大规模的数据存在计算复杂度高、存储量大等问题,提出了基于梯度追踪算法的MIMO-OFDM稀疏信道估计方法。梯度追踪算法采用最速下降法对目标函数解最优解,即每步迭代时计算目标函数的搜索方向和搜索步长,并以此选择原子得到每次迭代重构值的最优解。本文使用梯度追踪算法对信道进行估计,并与传统的最小二乘估计算法、正交匹配追踪算法的性能和计算复杂度进行比较。仿真结果表明,梯度追踪算法能够保证较好的估计效果,减少了导频开销,降低了运算复杂度,提高了重构效率。

时频分析在苏里格地区含气性检测中的应用

地震波通过含气层时高频能量将发生明显衰减,利用地震波高频能量的衰减可预测含气层。首先对比了短时傅里叶变换、小波变换、广义S变换和匹配追踪分解等4种时频分析方法,证实了匹配追踪分解时频分析具有较高的时间域分辨率和频率域分辨率;其次通过模型正演验证了地震波通过含气层时具有高频衰减的特征及高频衰减梯度方法可反映高频能量衰减;最后运用匹配追踪分解法对苏里格气田西部一块三维地震工区进行了时频分析,并应用高频衰减属性进行了含气性检测。其预测结果与钻井的含气性符合率较高,证明该含气性检测方法是可行的。

基于稀疏表示的绝缘子紫外图谱闪络状态分类评估方法

绝缘子运行状态的检测和故障诊断对于维持电力系统安全稳定运行至关重要。针对目前存在输变电绝缘子的紫外检测图像故障特征不明显、诊断准确率不高的问题,提出了一种基于稀疏表示法的绝缘子紫外图谱的闪络状态分类评估方法。通过字典学习构建图谱信号自适应的过完备字典,采用加速近邻梯度算法和正交匹配追踪算法对待测紫外图像进行稀疏求解,依据稀疏矩阵的非零项进行分类诊断。结果表明,该方法的检测准确率较高,最高可达98%,其中正交匹配追踪算法依赖于字典的健全程度,当训练样本充足时算法识别时间仅为0.000 8 s。而加速近邻梯度算法则选取多个较优参量,适用于样本量较小的分类评估。此外,稀疏度参数敏感度较低,具有较好的鲁棒性。该算法同多分类支持向量机（M-SVM）算法相比,具有更好的表现性能,在绝缘子紫外检测分级预警和故障检测方面具有良好的应用前景。

基于梯度迭代法的一类追逃对抗模型研究

针对一类追逃对抗问题,基于微分对策理论,建立了三维空间中的追逃对抗模型,进而得到了最优性条件和最优策略.运用梯度迭代法给出了模型的数值解,并做了实例分析.分析结果显示,该模型可以很好地应用于潜艇对潜艇、潜艇对水面舰艇等实际追逃对抗问题.

基于粒子群优化匹配追踪的风机振动信号去噪处理

针对风力机振动信号采集过程中易受噪声影响的问题,提出基于过完备原子库的匹配追踪算法对风机振动信号进行处理。该算法能自适应提取和原子相关的信号结构,从而可实现噪声抑制。在匹配追踪算法处理过程中,利用结合梯度信息的改进的粒子群优化算法来寻找最佳原子。仿真结果表明,该算法比标准匹配追踪算法具有更快的运算效率及更高的重构精度。利用该算法对风力发电机齿轮箱振动信号进行去噪处理实验。实验结果表明,去噪后信号信噪比可提高5 d B以上,波形特征更加清晰,并且可以在降噪的同时有效保留故障信息。

基于场强地图的室内定位技术研究

室内定位技术的发展,要求能提供快速建立、适应性强、成本低的定位系统。基于场强地图的室内定位技术,能大幅减少离线测试工作量。针对当前离线阶段存在预测场强不准的问题,提出了追踪共轭梯度法,能快速建立场强地图。在线阶段提出了加权差分坐标K最近邻法,结果表明该方法与传统方法相比,能使离线阶段的反演模型数据优化,使得在线阶段的定位匹配误差进一步减小,获得更高的定位精度。

压缩感知在多源图像融合中的应用

针对全采样传统图像融合方法中计算量大、时间复杂度高的问题,提出了一种基于压缩感知(CS)理论的多源图像融合模型。为满足一定的稀疏性,将源图像在过完备二维离散余弦变换(DCT)字典上进行稀疏表示,并通过随机观测得到待融合的观测值;在每一图像块上采用基于标准差的方法自适应地计算融合权值,加权合成融合后的观测值,然后利用改进步长的梯度追踪算法求解稀疏系数,得到最终融合图像。实验结果表明:与传统方法相比,提出的融合模型在减少计算量和存储容量的同时,能更好地从源图像中提取信息,获得效果较好的融合图像。

基于梯度追踪的结构化剪枝算法

针对深度卷积神经网络存在的过参数化问题,提出一种梯度追踪的结构化剪枝算法。在优化器步骤中选择梯度最大的滤波器,将其索引与参数幅值最大的滤波器索引合并,形成一个并集;根据上述并集更新模型参数;使用一种动态的滤波器选择方法,从而获得压缩后的模型。实验结果表明,采用梯度追踪的剪枝算法使用参数信息和梯度信息,能有效地剪除卷积神经网络的冗余参数。最后结论是,上述方法在压缩深度卷积神经网络的同时,能够更好地保持网络精度。