基于小波分形特征与模式识别的矿山微震波形识别研究

在前人研究的基础之上,探讨,验证了矿山微震信号的分形特征,并根据微震信号的特征确立了相关的无标度区间及分形盒维数算法.利用矿山爆破振动,岩石破裂及电磁干扰3类信号频谱分布不同这一特征,结合小波分析与分形理论,通过MATLAB编制相应程序,对3类信号进行了5层小波包分解,求取了指定特征频带上重构信号的分形盒维数.以该盒维数为信号特征,建立23维特征向量,通过SVM支持向量机对300组矿山现场微震信号进行了训练和分类识别.研究结果表明特征频带上的分形盒维数与信号的整体盒维数接近,表明特征频带上的分形盒维数表征了整体的分形特征;3类信号具有明显分形特征,电磁干扰信号最为明显;SVM识别网络识别微震信号,识别正确率高,但运算速度及识别效率仍有待提高.     

基于特征选择的SVM选择性集成学习方法

本文提出了一种结合SVM的选择性集成学习方法。算法基于集成学习的基本框架,通过对输入的训练子集进行特征选择处理并对随后的基分类器进行泛化能力的排序和选择,形成了一个新的集成分类器,以提高性能。文中试验采用UCI数据集与传统的Bagging算法做对比,结果表明本文算法可以有效地改善分类效果。     

仿选择性注意机制的语音情感识别算法

有效特征的选取一直都是语音情感识别算法的关键。为此,针对语音情感特征选择与构建的问题,一种仿选择性注意机制的语音情感识别算法被提出。考虑到语音信号的时频特性,算法首先计算语音信号的语谱图;其次,模仿选择性注意机制,计算语谱图的颜色、方向和亮度特征图,归一化后形成特征矩阵;然后,将特征矩阵重排列并进行PCA降维,形成情感识别特征向量;最后,利用改进的支持向量机分类方法进行语音情感识别。对愤怒、恐惧、高兴、悲伤和惊奇5种情感的识别实验显示,基于选择性注意的方法能够获得较好的识别效果,平均识别率为85.44%。相比于韵律特征和音质特征,语音情感识别率至少提高10%;相比于其它语谱特征,识别率提高7%左右。     

基于北斗卫星导航系统的功率倒置算法仿真研究

本文首先介绍了功率倒置算法的原理。然后比较了窄带信号情况下功率倒置算法在两种不同四阵元模型下的抗干扰能力,验证了功率倒置算法中干扰越强零陷越深的特性。最后通过仿真验证了宽带信号情况下,功率倒置算法对干扰抑制的有效性,说明该算法在北斗卫星导航系统抗干扰领域有很好的适用性。     

流星余迹突发信号盲检测

在非合作流星余迹突发通信环境中,研究了基于频率域的短时傅里叶变换幅度谱熵的检测算法,先将观测的数据进行短时傅里叶变换,然后定义每一频率分量的谱概率密度函数,最后得出每段观察信号的谱熵,然后研究了复数高斯白噪声信道中流星余迹突发信号存在性检测的问题,将谱熵值门限进行比较,从而检测信号的存在与否。仿真结果表明,该方法具有较好的鲁棒性且不受调制方式的影响,尤其是在低信噪比时能够获得较高的检测概率。     

幅度受限的简化功率分配策略研究

研究了幅度受限下MIMO系统的功率分配策略,提出了一种适用于该环境的功率分配算法。该算法充分考虑了功放特性,能够抑制限幅引起的非线性失真,更加合理的分配资源。仿真结果也表明,在幅度受限环境下,信号功率接近限幅门限时,传统的注水算法性能会有明显的恶化,而新算法能提供更好的性能。     

功率场效应晶体管的低频噪声检测方法

针对目前国内功率VDMOS器件成品率低、可靠性差等问题,采用低频噪声无损检测方法,通过分析功率VDMOS器件低频噪声的产生机理及特性,设计了低频噪声测试的偏置电路并建立了一套低频噪声测试系统。提出了一种基于小波熵的低频噪声检测方法,解决了所测低频噪声容易被测试系统白噪声淹没而造成低频噪声检测准确性低的弊端。通过仿真,验证了小波熵检测方法可以有效检测低频噪声。     

PSO-SVM与BP神经网络组合预测供水系统余氯的方法

针对余氯量在供水系统内非线性变化的特性,建立了PSO-SVM与BP神经网络组合模型对管网末端余氯进行预测分析。该模型通过粒子群优化算法(PSO),对SVM的特性参数进行优化;采用BP神经网络对模型进行残差修正。通过对单一的BP模型和SVM模型、组合模型的预测精度进行分析。结果表明:组合模型预测比BP和SVM单一预测均方误差分别降低了62.30%、75.29%,平均相对误差降低了55.03%、54.27%。综上所述,该模型具有强大的非线性拟合能力,预测精度高,运行稳定性强,对供水企业控制余氯的投加量和设置二次加氯点有一定的指导作用。     

基于视觉注意机制的行人检测方法

视觉注意机制是人类视觉信息处理过程中的一项极为重要的心理调节机制,将注意机制融入到行人检测中,提出一种基于视觉注意机制的行人检测方法。利用注意模型提取颜色、亮度、形状等多种特征,生成显著图,再利用WTA网络提取感兴趣区域,即行人检测区域;采用HOG作为特征对行人检测区域进行行人检测,该方法首先利用在梯度方向提取人体目标的特征集,运用支持向量机训练得到一个SVM行人分类器,最后通过Opencv平台应用到视频行人检测系统中。实验结果表明,相比较HOG检测方法具有较高的准确率和实时性,该方法对天气和光照变化都有很强的适应能力。     

基于改进的LogitBoost算法的垃圾网页检测研究

实现垃圾网页的有效检测可以有效提高搜索引擎检索质量,促使网页的设计向着面向用户的方向发展。由于垃圾网页是面向搜索引擎设计的,正常网页是面向用户设计的,因而两者在特征方面存在众多区别,通过机器学习方法可以根据垃圾网页与正常网页在特征方面的不同对垃圾网页进行有效识别。通过对常见单分类器和集成学习分类器处理垃圾网页数据集的对比实验,发现集成学习方法 logitboost较为突出,所得结果明显优于单一分类器和常用集成学习算法,所得结果也更接近真实值,并通过对logitboost所用的预处理方法和基分类器进行改进,发现用resample对垃圾网页进行预处理,以REPTree算法为基分类器的logitboost算法对垃圾网页数据集的分类有较高的精确度。