加权联合降维的深度特征提取与分类识别算法

为了降低卷积神经网络计算的复杂度,改善特征提取过程中的过拟合现象,解决经典网络模型不能有效处理大尺寸图片的问题,采用了加权联合降维的特征融合与分类识别算法,根据两特征的识别贡献率对主成分分析法（PCA）降维处理和随机投影（RP）处理结果进行加权融合,然后将结果提供给卷积神经网络进行处理,提取图像分类的高层特征,使用欧氏距离分类器对识别对象进行分类,并进行了理论分析和实验验证。结果表明,经过加权联合降维对数据进行预处理,PCA矩阵与RP降维矩阵之比重达到6:4,识别率高达96%以上。该算法有效提高了准确率,使大尺寸图片在深度学习网络中有良好的识别效果,改善了网络的适应性。     

基于高阶ESPRIT的单声矢量水听器近场声源定位

为避免传统近场定位算法需要三维搜索,计算量大的问题,该文结合高阶累积量提出一种适用于单矢量水听器近场声源定位的旋转不变子空间(ESPRIT)算法。首先通过定义一系列的四阶累积量矩阵,获得了3个不变性矩阵,然后从这些不变矩阵中提取近场源的位置信息,该方法可以得到目标的方位角、俯仰角和距离的封闭形式的解。最后通过仿真验证了本算法的有效性。     

基于四阶累积量的EM波达方向估计算法

针对低信噪比（signal-to-noise ratio,SNR）下,经典波达方向估计性能下降的问题,提出将信号的四阶累积量与期望最大化（expectation maximization,EM）算法相结合的波达方向估计算法.该方法引入隐含变量进行更新迭代,并求隐含变量的四阶累积量,构造关于待估波达方向的极大似然函数从而求解出信号的波达方向角.仿真结果表明:本文算法能有效地抑制高斯噪声对信号参数估计的影响,同时能利用迭代来提高估计精度.在低SNR时其估计性能优良,具有很好的稳定性和分辨率,有利于高分辨地估计信号的波达方向.     

高阶累积量在多参数联合分选中的应用

目前复杂体制雷达大量出现,侦收到的有效脉冲数少,传统的分选方法存在分选难、参数利用率低、可靠性差等问题,而多参数联合分选方法是解决上述问题的重要手段之一。为此,提出了一种提取信号的脉内特征参数高阶累积量,联合较为稳定的脉间参数,利用改进支持向量机的分选算法。仿真证明高阶累积量归一化的特征值对不同调制类型信号具有良好的区分度,并且通过对复杂体制雷达信号进行分选实验证明,分选结果准确率高。     

基于高阶累积量的特征提取方法研究

提出一种基于高阶累积量和双谱估计的声发射信号特征生成方法，为铣刀的磨损提供新的征兆。实验表明，高阶累积量对铣刀的磨损非常敏感，可以有效地用于铣刀的磨损监测中。双谱估计可用于铣刀磨损的诊断。     

浅谈高炉冷却壁铸造中的尺寸保证

冷却壁为高炉炼铁设备，具有支撑耐火材料、冷却炉壳，以及维持合理炉形的重要作用。过去，我公司主要生产中小高炉冷却壁。近年来，随着我国钢铁产业的发展，中小高炉逐步被淘汰，大高炉日趋增多，而大高炉用冷却壁，其制作要求相对苛刻，铸造难度大，主要是因其进出水管形式为多进、多出，外形安装尺寸保证问题一度成为铸造大高炉冷却壁的难题。尤其是近几年来，大高炉炉壁开孔多为计算机提前开孔，因此冷却壁的制作必须满足计算机开孔的需要。多进、多出形式的水管其累积误差很难避免，按常规的生产操作方法，根本无法达到其安装要求。     

参考信号频率自调整的锁定放大器的设计应用

根据仪器用于野外,环境恶劣、工作电压不稳定及近红外光谱信号的特点,对传统的锁定放大电路进行改进,设计了实用的参考信号频率自调整的锁定放大电路,采用锁相技术使参考信号频率自调整保持与被测信号频率相位一致,并采用同步累积技术进一步提高信噪比,从而精确地从噪声中提取出光谱信号,达到了良好效果.     

基于相干累积算法的多级自适应谱线增强器

为了实现非高斯噪声与线谱信号的有效分离，将基于四阶累积量对角切片变步长符号相干累积量算法的自适应谱线增强器，基于最小均方相干累积算法的自适应谱线增强器及基于短时相关相干累积算法的自适应谱线增强器依次串联起来，构造出基于相干累积算法的多级自适应谱线增强器。从理论上对该增强器的性能进行了分析，并利用水下目标的实测数据对该增强器的性能进行了实验研究。结果表明：该增强器对线谱信号有多次增强作用，对环境噪声有多次抑制效果，在性能上优于单级自适应谱线增强器。     

产品寿命分布分析和可靠度估计

针对概率纸图估法和假设检验法的不足,用线性回归分析方法研究了产品寿命的分布类型,并用相关系数优化法和最小二乘法计算了分布函数的未知参数.本文以灯泡试验寿命作为计算实例,对产品寿命的四种累积分布函数分别线性化并求出了相关系数,得出了灯泡寿命分布以服从三参数威布尔分布最为合理的结论,给出了灯泡试验寿命的累积分布函数、可靠度曲线及其相关特征量.     

应用CUSUM控制图监控过程变差方法的比较

累积和控制图监控过程均值偏移的应用较多,而用于监控过程变差较少。在机械零、部件的大批量、高精度生产过程中,需要同时监控过程均值和变差。在介绍三种主要的监控变差的CUSUM控制图方法基础上,结合案例给予比较,并指出各自的不足之处。