考虑多变量相关性改进的风电场Transformer中长期预测模型

挖掘风电场多变量相关性对提高中长期的预测精度具有积极影响。针对Transformer模型在捕获多变量间相关性方面的不足,提出考虑多变量相关性的多变量中长期预测模型。首先,采用多变量独立嵌入(MIE)对风电场多变量进行独立建模;然后,使用二维概率稀疏注意力(TPSA)提取时间和变量间的特征信息;最后,通过多层式编码器-解码器(MED)将多尺度的特征信息聚合,一次性输出预测结果。算例分析表明,所提模型与LSTM模型、Transformer模型、Informer模型相比,均方误差在各预测时长分别降低了42.58%~66.83%,32.58%~53.49%,14.38%~30.92%,并通过消融实验验证和分析了所提改进的有效性。

基于VMD的广义三次互相关管道泄漏定位检测

针对天然气管道泄漏检测声波定位技术中,二次互相关时延估计算法存在较大误差的问题,提出了一种基于变分模态分解(VMD)结合广义三次互相关的时延估计算法。该方法首先利用VMD算法对两路信号进行分解并重构信号;其次,在二次互相关的基础上再进行一次相关,并在互相关算法的峰值检测阶段引入希尔伯特变换(HT),对峰值进行尖锐化处理,成为一种新型的广义三次互相关时延估计算法。通过对平台搭建的油气管道泄漏检测系统采集数据进行模拟试验,分析了各算法的精度。试验表明,相较于二次互相关,改进广义三次互相关时延估计算法定位平均精度有明显的提升,有着更高的精度和更好的抗噪性能,在天然气管道泄漏定位方面有着更广泛的应用前景。

基于小波包变换及互相关的古建木材声发射源定位研究

为研究古建筑木构件在承载过程中产生损伤定位问题,利用铅芯折断在木材表面模拟损伤源结合声发射技术对产生的损伤源进行检测。对采集的声发射信号首先采用小波包分解重构对信号进行去噪处理,利用互相关技术对重构信号进行互相关分析进而确定信号到达各传感器时差,最后结合时差定位法对声发射源进行定位。试验结果表明:该方法可以有效提高损伤源的定位精度,理论值与实际位置相差很小,从而为准确地反演出声发射源提供有效途径。

基于广义互相关时延估计(TDOA)算法的声源定位跟踪系统设计与实现

为实现在二维平面内对声源进行实时定位和动态跟踪,运用时延估计(TDOA)互相关算法设计一种原声监听头阵列的CC-TDOA声源定位跟踪系统,实现对多个原声监听头进行同步采样,再进行信号放大及运算处理,运用LCD屏实时显示目标声源的距离和方位角度,同时运用二维云台控制激光笔对准声源,并持续动态跟踪声源。模拟仿真及真实环境实验测试表明,采用基于到达时间差的互相关定位算法,计算量小,精度较高,测试角度误差小于2o,距离误差小于1.2%,可以满足多种智能应用场合中声源实时定位与跟踪的要求。

基于非平稳Transformer的超短期风电功率多步预测

针对风电预测中波动性和随机性造成的风电功率多步预测精确度不高的问题,提出一种基于非平稳Transformer的超短期风电功率多步预测模型。利用皮尔逊相关系数法(PCC)和主成分分析法(PCA)对风电功率及其影响因素的分析确定输入数据,结合可以提升非平稳时序预测效果的非平稳Transformer模型,高效充分地挖掘输入数据与输出功率的复杂关系,构建风电功率超短期预测模型。实例分析表明,所提方法对不同预测步长下的风电功率进行预测时均具有较高的预测精度,且预测结果更稳定。

基于频域阈值处理广义互相关和空间筛选的多源局部放电定位方法

该文针对电力设备的多源局部放电定位问题,提出了基于频域阈值处理广义互相关(frequency domain threshold processing generalized cross-correlation,FDTP-GCC)和空间筛选的多源局部放电定位方法。为实现多源局部放电超声信号的同源时间差提取问题,该文提出了FDTP-GCC算法,该算法直接应用于超声传感设备采集的原始信号,在频域内通过设置幅度谱阈值排除干扰频段,幅度谱归一化突出多源信号时间差的冲激函数特征,直接得到对应同源信号的时间差。通过仿真证明了FDTP-GCC算法进行时间差估计的高准确性、高稳定性、高抗噪能力。为解决FDTP-GCC算法带来的同源时间差分离的问题,该文提出了基于空间筛选的多源局部放电定位方法,并分析了采用基于解析解的算法和智能算法进行空间筛选的定位性能。最后采用双局部放电源进行了定位试验,试验结果表明该文方法提取的时间差误差均在1μs以内,两个局部放电源的定位误差为20.53cm和4.93cm。

激光引信信号处理器屏蔽与互相关组合滤波技术

针对激光引信内部高压源的干扰以及激光引信定距目标回波信号信噪比低的问题,基于激光引信信号处理器研究了屏蔽壳体与互相关滤波技术结合抗干扰方法。该方法首先对带孔的屏蔽壳体与互相关滤波算法进行设计,通过其所受到的电磁干扰可以近似模拟干扰平面波,使用不同孔、材料的屏蔽壳体与互相关组合抗干扰。使用HFSS与ModelSim仿真得到滤波结果,双孔铜制屏蔽壳体与互相关结合滤波提升信噪比约为33 dB,双孔屏蔽壳体与互相关单独滤波提升信噪比分别为23.4 dB和8.9 dB且大于其他组合。结果表明,双孔铜制屏蔽与数字滤波结合的方法可以提升激光引信信号处理器的抗干扰能力。

激光外差探测阵列互相关相干累积法

针对粗糙目标导致本振光与信号光波前失配这一技术难题,提出一种基于序列移位与互相关的用于检测微弱外差信号的相干累积法。该方法利用阵列探测器的阵列信号进行互相关运算,将外差信号频谱幅值作为目标函数,快速准确地估计最佳序列偏移量和计算相位调整量,搭建了一套基于高速摄像机阵列探测器的光外差探测系统。仿真分析和实验结果表明,该方法应用于主动光外差探测领域时对相位补偿的精确度更高,信号处理时间可提高到毫秒量级。

频域互相关的间接飞行时间相机深度图配准

由于间接飞行时间(indirect time-of-flight,iTOF)相机存在空间非均匀性照明的问题,在进行深度图平移配准时,会导致像平面外围区域的测量深度误差较大,影响后续深度配准的准确性.为解决该问题导致的错配情况,提出一种加掩码的频域归一化互相关(normalization cross-correlation,NCC)深度配准方法.对和待配准深度图同一帧的灰度图进行加掩码处理,将非均匀区域掩蔽,然后使用频域的NCC方法进行配准,最后用配准得到的平移向量对两幅对应帧的深度图进行叠加,完成深度配准.该方法在4%的尺度缩放范围内,可以实现正确配准,水平方向的像素相对误差可以达到1.97%,垂直方向像素相对误差可以达到1.74%,且误差符合正态分布.该配准方法具有稳定性和可靠性,可以解决由非均匀性照明引起的深度错配问题.

基于改进归一化互相关配准的口腔头侧序列图像全景图拼接算法

在牙科的头颅侧位成像中,使用小视野探测器经过线性扫描获得序列图像。为了得到头侧全景图,设计一种基于改进归一化互相关配准的拼接算法。该文使用高斯混合模型对图像进行分割预处理;将目标区域内的归一化互相关系数作为测度函数,采用基于小波变换的多分辨率策略与粒子群优化算法提高配准精度;对配准后的图像进行图像融合,经过多轮连续拼接得到口腔头侧全景图。实验结果表明,改进后的算法配准误差波动从[-6,8]缩小到[-1,1],配准结果达到亚像素级。主观和客观分析显示,所提算法得到的拼接全景图无拼接缝隙和重影,且质量评价指标为最优。

基于特征选择与Transformer的涡扇发动机剩余使用寿命预测

针对传统剩余使用寿命预测模型难以解决长时依赖问题以及不同特征组合对模型预测精度影响大的问题,提出一种基于特征选择与Transformer的剩余使用寿命预测模型。首先利用以互信息为理论基础的最大相关最小冗余特征选择算法,捕获特征与标签、特征与特征的关系,得到最佳特征组合;然后以Transformer的编码器为主体并加入门控卷积单元组成预测模型,使模型可以充分捕捉全局信息且提高运算效率的基础上也更加注重局部信息;通过网格搜索与粒子群算法确定模型超参数。最后将最优特征组合的变量数据输入模型实现涡扇发动机剩余使用寿命预测。利用此方法在C-MAPSS数据集进行验证,并进行对比实验,结果表明预测误差与模型效率均有一定改进。

基于互相关的小型化低功耗超声波风速风向仪设计

超声波风速风向仪具有无转动部件,响应快,精度高的优点,但体积大、功耗高、成本高成为限制超声波风速风向仪广泛使用的主要因素。为了便于超声波风速风向仪的推广和使用,本文采用国产FPGA(Field Programmable Gate Array)并结合FIR(Finite Impulse Respond)滤波器以及互相关检测算法设计了一款超声波风速风向仪,探头之间的距离仅为80 mm,感风面积仅为传统超声波风的1/10,使得省级风洞均可计量检定。整机经过风洞实测,每秒钟可完成50次风速风向测量,在0~5 m/s时风速最大测量误差为±0.3 m/s,5~20 m/s时风速最大测量误差为±0.5 m/s,20~30 m/s风速测量最大误差为±5%,稳定风速下风向测量最大误差为±1°以内,总功耗为0.2 W(仅为传统超声波风功耗的1/20)。通过实测数据发现,FPGA结合数字滤波及互相关检测算法相比于传统的DSP(Digital Signal Processor)超声波风速风向仪能明显缩小体积,降低成本功耗。

痰瘀互结型OSA患者舌体与多导睡眠图监测指标的相关性研究

目的 探讨痰瘀互结型OSA患者舌体与多导睡眠图监测结果的相关性。方法 经多导睡眠监测(PSG)确诊为OSA、中医辨证为痰瘀互结型患者290例,观察舌体胖瘦程度,并与PSG监测数据进行相关性分析。结果 不同舌体患者Friedman舌体分度差异统计学意义显著,Spearman相关系数为0.173,P<0.01。舌体与PSG指标的县惯性分析中显示,微觉醒指数差异统计学意义显著,t_(舌质-MAI)=-2.126,P<0.05;AHI差异统计学意义显著,t_(舌质-AHI)=-4.543,P<0.01;SpO_(2)<90%时间(%)差异统计学意义显著,P_(舌质-Sp O2)<90%=-2.766,P<0.01。结论 OSA患者舌诊中所见的舌体变化与PSG检查结果存在一定的内在联系,可以为OSA患者中医临床辨证提供一些佐证。

基于图Transformer网络的城市路网短时交通流预测模型

针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出了一种基于图Transformer(graph transformer,Graformer)的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间路网结构图,将带有边的图同构网络(graph isomorphism network with edges,GINE)和Transformer网络相结合,对交通状态在路网层面的时空相关性进行建模,从而实现城市路网短时交通流预测。具体来说,Graformer模型首先利用长短期记忆网络(long short-term memory,LSTM)对交通数据的时序信息进行预处理,接着采用基于GINE与Transformer的全局注意力机制提取交通数据的空间特征,最后实现路网各路段交通流的同步预测。

基于互相关技术的偏振调制测距频率提取

针对偏振调制测距技术中频率提取不准确的问题,提出了基于互相关技术的频率提取方法。分析了测距和互相关检测原理,推导了基于互相关分析的偏振调制测距算法模型,并搭建了测距系统进行频率测量对比实验和精度验证实验。实验结果表明,互相关分析法可以显著提高频率测量的信噪比和分辨率,频率测量标准差为1.3×10^(-5),相对传统方法提升了7倍。距离相对测量精度达10^(-5),优于该调制频率和扫频步长下的理论精度。理论分析和实验均证明了该方法的有效性。

盛国光从“土壅木郁,痰瘀互结”分期论治代谢相关脂肪性肝病

代谢相关脂肪性肝病已成为我国第一大慢性肝病,其发生机制尚未完全明确。盛国光教授审证求因,从“土壅木郁,痰瘀互结”角度分期论治代谢相关脂肪性肝病,归纳其各阶段核心病机,针对病机遣方用药。该病早期以土壅木郁、痰瘀互结为主,治宜运脾开郁、化痰活血,常用四术汤合二陈汤加减;中期以痰瘀化热为主,治宜清肝泻火、化痰活血,常用小柴胡汤合二陈汤加减;晚期以脏腑虚损为主,治宜滋肝健脾、补肾固本,兼化痰活血,常用一贯煎合六君子汤加减,临床常效如桴鼓。

基于完全自适应噪声集合经验模态分解和互相关分析的核电厂信号降噪研究

针对在强噪声背景中提取核电厂信号有效成分的问题,本文提出一种将完全自适应噪声集合经验模态分解与互相关分析法相结合的降噪方法并进行验证。该方法的主要步骤如下。首先,通过完全自适应噪声集合经验模态分解法对电站信号进行有效分解,得到全部的本征模态分量。然后,根据互相关系数将上述分量进行筛选,得到有用信号主导的分量,将其叠加、重构成降噪后信号。最后,使用降噪指标对降噪效果进行评价。结果表明:与基于经验模态分解、集合经验模态分解的降噪方法相比,本文所提方法得到的降噪后信号信噪比更高、均方根误差更小、相关系数更大、平滑度更好,具有更优的降噪效果。

互射式三阵元超声波传感器的二次相关测风方法

针对现有的超声波测风仪测量精度不高、受环境温湿度及阴影效应等因素影响较大等问题,提出了一种基于二次相关的互射式三阵元超声波测风方法.所提方法采用三阵元互射式阵列结构并结合二次相关的时延估计算法进行超声波传播时间测量,进而根据超声波传播时间与风速风向的关系得到风速风向值.所提方法具有较强的噪声抑制能力,而且可减小阴影效应及消除温湿度对风速风向测量的影响.通过模拟仿真实验以及搭建的互射式三阵元超声波测风系统对所提方法进行了有效性验证和实测数据验证.实验结果表明,与正交对射式测量方法、阵列式测风方法以及基于一次相关的互射式三阵元测风方法相比,所提方法具有更高的测风精度.在实测实验中风速测量的相对误差为2.38%、风向测量的误差为2.3°,基本达到了超声波测风的技术要求.

基于互相关注意力的链式帧处理多目标跟踪算法

多目标跟踪的一阶段方法因其在推理速度方面的优势逐渐成为主流。然而,与两阶段方法相比,其跟踪精度较差。一方面是因为采用单幅图像输入,目标间的关联性不强,容易导致目标丢失,另一方面忽视了检测和跟踪两个任务之间的差异性。为了减轻上述限制,提出了一种基于互相关注意力的链式帧处理多目标跟踪算法(MOT-CCC)。MOT-CCC将连续的两帧图片作为输入,将目标关联问题转化为两帧检测框对回归的问题,增强了目标间的关联性;采用互相关注意力模块将检测任务和身份识别任务解耦,以平衡并减少这两个任务之间的竞争。此外,所提算法将目标检测、特征提取和数据关联3个模块融合到一个网络中,实现了端到端的优化,提高了跟踪准确性,减少了跟踪耗时。在MOT16和MOT17基准测试中,MOT-CCC比原有的基准CTracker算法的MOTA提高了1.3%,FP减少了13%。

基于互相关序列和BP网络的声源定位算法

在基于麦克风阵列的声源定位算法中,一种常用算法的基本思路是通过麦克风接收到信号的相关序列来计算信号之间的时延,进而再根据阵列的结构确定声源的位置。在分析传统的声源定位算法基础上,针对双五元十字阵模型,介绍传统的基于广义互相关相位变换加权(generalized cross correlation-phase transform,GCC-PHAT)时延估计的定位算法,并给出基于GCC-PHAT时延估计和反向传播(back propagation,BP)神经网络的定位算法、基于抛物线互相关时延估计和BP网络的定位算法,进而通过分析影响时延估计的主要因素,提出了基于互相关序列和BP网络的新定位算法,该算法将GCC-PHAT互相关序列最大值点的位置、最大值点及其左右各一点的相关值作为BP网络的输入,通过对BP网络进行训练来实现声源的三维定位。仿真实验表明:与传统的基于GCC-PHAT时延估计的定位算法相比,所提出的各个算法均具有较好的定位效果,后者均比前者的定位精度更高,而且提出的基于互相关序列和BP网络的新定位算法在低信噪比和高混响的条件下,也具有较好的定位效果。