基于改进的SVD和Prony的谐波检测算法

针对传统的Prony算法在谐波及间谐波检测过程中对噪声敏感,导致辨识精度不高的问题,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)和Prony的改进算法。基于SVD理论,提出了一种奇异点辅助算法,自适应地选取奇异值分解的有效阶次,从而精确地滤除噪声信号。基于已确定的有效阶次,利用改进的Prony算法对滤除噪声之后的信号进行参数辨识,可以准确地估计出各个谐波及间谐波分量的参数。通过MATLAB仿真分析,表明算法能够准确地提取出电力信号的参数信息,具有一定的应用价值。     

基于GPU的混沌弱信号检测临界阈值确定

混沌检测系统临界阈值的确定是建立混沌检测系统的核心问题,临界阈值的精度决定了可检测信号的精度。目前相轨迹图观察法已经无法满足快速确定精确的系统临界阈值的需求,利用Lyapunov指数等量化指标检测临界阈值的方法计算量大、算法复杂、时间消耗大,且消耗大量计算资源,无法在GPU上实现并行程序设计;系统相轨迹过零周期数相变判别算法在检测相同精度阈值情况下较Lyapunov指数算法有相同的检测精度,同时更易于利用现代高性能计算工具GPU实现并行程序设计。因此,在系统相轨迹过零周期数阈值判别算法的基础上提出了基于GPU的混沌弱信号检测临界阈值并行检测算法,实验显示,GPU并行系统临界阈值检测算法在幅值递增步长10^-6下较CPU串行算法可以实现近90倍的加速比,使高精度临界阈值能够在短时间内准确确定。     

采用SVD-NMF的管道泄漏信号去噪算法

在管道泄漏检测中,压力信号中的噪声干扰会降低传统互相关法的定位精度。传统的去噪算法对环境的适应性差,去噪效果不理想。为此,提出了一种奇异值分解SVD( Singular Value Decomposition)与非负矩阵分解NMF( Nonnegative Matrix Factorization)相结合的管道泄漏信号去噪算法。该方法首先通过奇异值分解确定非负矩阵分解的阶数并对其初始化;然后,采用改进的非负矩阵分解算法对原信号进行迭代分解,获得去噪信号;最后,对去噪信号进行处理后通过互相关计算时延,并结合泄漏信号的传播速度实现泄漏定位。大量实验结果表明,SVD￣NMF算法能够显著降低迭代次数,提高去噪速度;同时在泄漏检测中,能够达到去除噪声干扰,提高定位精度的目的。     

基于专家协同过滤与混合策略的推荐算法

随着互联网技术和数字媒体的不断发展,因为信息资源过载使用户很难找到自己喜欢的物品,而推荐系统能有效处理该问题.文章针对推荐系统中存在常见的噪声用户和冷启动问题,提出了基于专家用户协同过滤和奇异值分解(SVD)的混合推荐算法.先对用户进行专家用户人工筛选降噪,再利用SVD算法分解后填充专家评分矩阵,同时在计算用户与专家的...     

一种改进的魔方数字水印算法研究

为了提高数字水印算法的安全性和鲁棒性,在研究了各种常见的水印算法优缺点的基础上,提出了一种改进的基于魔方概念的数字水印算法。首先通过魔方混沌算法将原始水印转化为噪声信号,以提高水印安全性。再结合离散余弦变换(DCT)、离散小波变换(DWT)和矩阵奇异值分解(SVD)嵌入水印,以提高水印的不可见性和鲁棒性。实验结果表明,在确保不可见性的基础上,水印信息在噪声干扰、图像处理、图像压缩下具有很好的鲁棒性。     

改进的CKF算法及其在BDS/INS中的应用

针对标准容积卡尔曼滤波(CKF)在组合导航系统模型不确定情况下滤波精度下降甚至发散的问题,将奇异值分解(SVD)与CKF算法相结合,并引入强跟踪滤波(STF)理论,提出一种改进的强跟踪SVD-CKF算法.为提高数值计算的稳定性,采用SVD代替标准CKF中的Cholesky分解;引入STF理论框架,通过渐消因子对预测误差协方差阵进行在线修正,在系统模型不确定或系统发生大的突变时,能够提高系统的强鲁棒性.通过仿真结果验证了改进算法的有效性.     

H∞鲁棒自适应CKF算法在组合导航中的应用

针对组合导航系统状态模型及噪声统计特性不确定的情况下,标准容积卡尔曼滤波（Cubature Kalman Filter,CKF）算法鲁棒性差,导致滤波精度下降甚至出现滤波发散的问题,提出一种H∞鲁棒自适应CKF算法。该算法基于标准的三阶CKF算法理论框架,在观测方程为线性的条件下,对其量测更新进行了简化,并引入数值稳定性较强的奇异值分解（Singular Value Decomposition,SVD）对系统状态协方差阵进行分解迭代,改善了计算的数值稳定性;在系统状态协方差阵更新过程中引入H∞ 滤波思想,并基于矩阵不等式的理论,对其约束条件[γ]进行了自适应选取,进一步改善了滤波的稳定性,提高了系统的鲁棒性。将该算法用于GNSS/INS组合导航的数值仿真实验,结果验证了该算法的有效性和优越性。     

基于混沌变换的SVD图像水印算法

数字水印技术向多媒体数字作品中加入秘密信息并对其进行判定区分,从而起到保护版权作用。分析了奇异值分解的图像矩阵特性,基于混沌变换加密,实现SVD变换域内的有意义数字水印。实验结果表明了分块SVD图像水印算法的有效性和稳健性。     

一种基于奇异值分解的双语信息过滤算法

本文提出了一种基于SVD(奇异值分解)的双语信息过滤算法,将双语文档进行了统一的表示,使得适应于单语过滤的算法可以方便地用于双语过滤,同时对文档向量进行了压缩,滤去了噪声。在应用方面,将双语过滤算法用于互联网上的个性化主动信息过滤。     

基于混沌置乱的小波域数字水印算法研究

提出了一种基于混沌系统的离散小波域数字图像水印算法,首先采用混沌模型算法来生成混沌随机序列对水印图像进行加密,然后对原始图像进行小波分解,将置乱加密的水印嵌入在在原始图像小波分解的高频系数中,含水印图像和待检测图像经过小波分解在对应小波系数中即可得到加密的水印信息,通过逆置乱即可得到提取的水印。实验证明该算法对叠加噪声和剪切等攻击具有很好的鲁棒性。     

基于BEMD的染噪混沌时间序列预测方法

基于经验模态分解(EMD)方法对染噪混沌时间序列进行预测时,模态混叠会降低预测精度和最大可预测时间.针对这一问题,将复数据经验模态分解(BEMD)引入到染噪混沌时间序列的预测,在BEMD过程中以高斯白噪声分解的内禀模态函数(IMF)为基函数来驱动染噪混沌信号的分解,从而减小模态混叠对混沌预测的影响.Lorenz混沌时间序列和Henon混沌时间序列的预测实例表明,本方法相对于EMD方法在预测精度和最大可预测时间上都有一定程度的提高.     

结合扩大标度区及光滑边界方法检测混沌

针对关联维数检测混沌方法对观测噪声、数据量鲁棒性差的缺点,本文从两个方面进行了修正：在扩大标度区混沌检测方法的基础上,利用Neural Gas算法重建吸引子的几何结构,并以此为基础进一步扩大标度区,解决数据量不足的问题;提出光滑边界算法,消除噪声扰动改变的概率分布。最后,将两种方法相结合,形成一种新颖的混沌检测方法。试验结果表明,改进方法取得了较好的结果。     

含噪声混沌信号最大Lyapunov指数计算

提出一种计算含噪声混沌序列最大Lyapunov指数的改进Rosentein算法,通过将原始含噪声的相空间与局部投影去噪后的相空间合并,使邻近点的选择更为准确,减小噪声的影响提高计算精度.分别对加入白噪声的Henon混沌序列和逐月太阳黑子混沌序列进行仿真,证明此方法有效性.     

小波分解求取含噪混沌时间序列的关联维数

关联维数是一个混沌时间序列分析中很重要的参数,在分析了噪声对关联维数求取的影响后,提出了一种应用小波分解求取含噪混沌时间序列关联维数的方法,数值试验证实了我们这种方法的正确性与可行性.     

一种基于混沌加密的DWT数字音频水印算法

提出一种基于混沌加密的DWT数字音频水印算法。算法从水印的安全性出发,水印信息加密过程引入混沌理论,第一次加密过程利用二维映射对水印信息进行置乱加密,再利用高维混沌系统对得到的第一次加密后的水印进行二次加密。为了提高算法鲁棒性,采用同时嵌入多个同一水印信息的方式,通过少数服从多数的原则来确定提取出的水印信息,进而增强水印信息的纠错能力,提高水印的鲁棒性。仿真实验结果及数据分析表明该算法具有较好的鲁棒性及安全性。     

基于乘积耦合Volterra模型的短时交通流预测

基于混沌序列固有的非线性和确定性机制以及Volterra级数的非线性表征能力,提出一种短时交通流预测的三阶Volterra模型。针对Volterra模型随阶数增加复杂度以幂次方增加的问题,研究了该模型的乘积耦合近似实现结构。首先,采用互信息法和虚假邻点法选取时间延迟和嵌入维数,并采用小数据量法计算Lyapunov指数判定交通流是否具有混沌特性;然后,建立三阶Volterra滤波器的乘积耦合近似实现结构,并采用一种改进的非线性归一化最小均方(NLMS)算法实时调整模型系数;最后,对高速公路实测交通流的预测结果表明,交通流中存在混沌特征,应用构建的预测模型可有效地对交通流进行预测,且降低了模型的复杂性。     

Effect of noise on chaotic behavior in Roessler-type nonlinear system

The effects of noise on chaotic behaviors of a nonlinear dynamic model were described from a point of view of the system analysis and the previous studies associated with chaos and noise were reviewed as well. The quasi-white noise was used as the observation noise as well as the system noise to clarify the deterioration of the chaotic patterns of the Roessler model. The effects of the noise intensity on the chaotic signal were observed through the deformation of the attractors, increase of the correlation dimension, and change of the maximum Lyapunov exponent. It has been found that the deterioration of the chaotic patterns is more pronounced in the case of the observation noise than the system noise for the Roessler model. As an example of noisy time series data, the laser speckles time series data was employed and discussed from the point of view of the necessity of noise reduction and possible chaos extraction. © 1997 John Wiley & Sons, Inc.     

基于Lorenz三维超混沌系统的图像加密方法

鉴于传统图像加密技术和低维混沌加密技术各有其局限性,该文中提出了一种利用Lorenz系统产生混沌序列,并结合混沌镜像加密方法的三维超混沌图像加密方法。该方案对初始密钥敏感强,对混沌序列的预处理时间短,是一种具有较高的安全性,加密效率高,且易于实现的图像加密算法。     

交通流量VNNTF神经网络模型多步预测研究

研究了VNNTF 神经网络（Volterra neural network trafficflow model,VNNTF） 交通流量混沌时间序列多步预测问题. 通过分析比较交通流量混沌时间序列相空间重构的嵌入维数和Volterra 离散模型之间的关系,给出了确定交通流量Volterra 级数模型截断阶数和截断项数的方法,并在此基础上建立了VNNTF 神经网络交通流量时间序列模型;设计了交通流量Volterra 神经网络的快速学习算法;最后,利用交通流量混沌时间序列对VNNTF 网络模型,Volterra 预测滤波器和BP 网络进行了多步预测实验,比较了多步预测结果的仿真图、绝对误差的柱状图以及归一化后的方均根;实验结果表明VNNTF 神经网络的多步预测性能明显优于Volterra 预测滤波器和BP 神经网络.     

交通流序列的Volterra自适应预测

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,构建交通流的Volterra自适应预测模型.在应用小数据量法判定交通流存在混沌特性的前提下,分别用平均互信息法和虚假邻点法选取延滞时间和嵌入维数以实现对交通流时间序列的相空间重构.通过Volterra级数展开式建立非线性预测模型,采用LMS自适应算法实时调...