一种盲信号处理中的时域自适应滤波算法

滤波是信号处理中的重要环节,鉴于盲信号处理本身的特点,传统的滤波技术并不适合直接用于盲源分离之中。然而作为分离前的预处理,滤波技术在独立成分分离算法中是必要的。为此,本文结合稳健的数据非线性投影,首次提出盲信号中的自适应滤波方法,与此同时给出了具有自适应特性的阈值判决。在此基础上构造了盲信号中的自适应滤波算法,解决了利用低通和高通滤波处理盲信号所遇到的问题。仿真结果表明,在不破坏数据统计特性的前提下,该方法能有效滤除数据中的野值成分,避免了野值数据对独立成分分离算法性能的影响,为盲信号分离的预处理开辟了一种新的途径。     

离散系统的鲁棒最小方差滤波新算法及分析

提出了一种线性离散不确定系统鲁棒最小方差滤波新算法.当离散系统含有不确定 项时,能保证滤波误差的方差有界且最小.同已有算法相比,该算法只需要求解两个相互独立 的离散Riccati方程,可大大降低鲁棒滤波的计算和分析难度.通过对算法稳定性和设计参数 取值范围的分析表明,为了保证这种鲁棒滤波器存在,只要求离散系统中受不确定项影晌的 子系统二次稳定即可.实际算例显示了算法的有效性.     

水下机器人自适应卡尔曼滤波技术研究

水下机器人的位置和速度传感器受环境影响较大,数据滤波问题是运动控制的核心问题之一.给出了离散型卡尔曼滤波的基本方程,描述了卡尔曼滤波所具有的两个计算回路:增益计算回路和滤波计算回路.建立了水下机器人状态方程和量测方程,并在此基础上采用了自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波分析.引入了渐消记忆指数加权方法.对时变噪声统计中,强调了新近数据的作用.避免了系统误差和量测误差统计特性的不准确对系统滤波效果的影响.滤波效果分析表明此方法能达到很好的滤波效果.     

基于能量选择的DCT域音频数字水印算法

文中提出了基于能量选择的离散余弦变化域的音频水印算法。该算法根据人类听觉系统掩蔽特性和离散余弦变换能量不变的特性,利用在音频信号能量较大处插入水印对音频信号影响较小的特点,将二维的图像降维成一维的二值序列,通过音频信号时域序列的能量选择在离散余弦变换域低频系数中自适应地寻找最佳的水印图像插入点。实验表明,文中提出的算法不仅有较好的隐蔽性,而且对于数字信号处理操作中的加性高斯白噪声、滤波等具有较好的鲁棒性。     

抗野值强跟踪Kalman滤波在风场估计中的应用

由于受周围环境干扰和传感器短暂性失效等因素的影响,无人机风场测量数据中包含较大野值或成片野值,影响测量数据的准确性.根据无人机测风的特点,结合Kalman滤波算法、强跟踪滤波算法和抗野值修正算法的优点,通过对滤波发散趋势的分析,提出上述滤波算法的使用条件,构造了一种抗野值抑制发散滤波算法,并进行了实验论证.实验结果表明:该算法能有效克服野值对滤波造成的不良影响,具有良好的抗野值能力、跟踪能力,保证了滤波精度,可适用于无人机风场测量.     

基于离散剪切波正则化的低剂量CT图像统计重建算法

提出一种低剂量医学CT图像重建方法,能够在少视角投影或低X-射线管电流投影的情况下保证重建图像的质量。减少扫描视角的数量或者降低X-射线管电流强度均可以降低辐射剂量,从而减少X射线对人体伤害,但是前者会造成扫描数据欠完备,后者会使投影数据信噪比指数下降,传统算法不能保证重建图像满足诊断要求。提出一种离散剪切波变换正则化的低剂量CT图像统计迭代重建算法,在数据保真项加入符合数据统计特性的系数加权,以降低噪声对重建结果的影响,并将待建图像在剪切波域可以稀疏表示作为先验信息,利用增广拉格朗日方法将此先验信息作为正则化项加入目标函数,缩小了解空间,使不完备投影数据获得稳定而准确的重建。实验数据表明,重建图像在投影数据远远不满足完备性条件,或投影数据信噪比急剧下降的情况下,本算法能够重建出高质量图像。在辐射剂量降低到滤波反投影FBP算法的10%甚至更低时仍然能够得到清晰保留结构细节的重建图像。     

更普适的快速自适应图像滤波算法——近均值滤波

对常见的滤波算法进行分析,在此基础上提出“近均值”的概念,设计相应的滤波算法。对滤波窗口尺寸采用自适应的方式,在排除部分可疑噪声数据后,对剩余数据计算均值。提出三种计算近均值的规则和两种噪声判断方案,组合设计了九种滤波算法。在与均值滤波、中值滤波及部分改进的滤波算法进行实验对比后,确定提出的第七种滤波算法具有更好的滤波效果,能适应不同类型的噪声,其普适性和实用性进一步增强。     

混合系统二维离散与连续状态同步估计研究

在混合系统中,需要同时估计出系统的离散状态与连续状态.针对混合系统出现二维离散状态下的混合状态估计问题进行研究,根据系统特性,采用跳变马尔可夫线性系统建模,并应用Rao-Blackwellised粒子滤波算法对二维离散状态与连续状态进行同步估计.由于算法一定程度上缓解了粒子滤波算法在高维状态空间估计中的失效问题,并对离散状态单独采样,能提高系统状态的估计精度.仿真试验证明,方法能有效地同步估计出系统的二维离散状态与连续状态,其中,二维离散状态的估计准确率达到了96%.     

小波法的网络流量奇异谱估计

网络流量整形、调度、异常检测、管理与控制及保障QoS需求等都需要了解业务流的局部变化特性.本文给出离散小波及其模极大值的网络流量奇异谱估计算法及影响因素,并通过真实的网络业务数据对算法进行了评估和比较.实验结果表明,两种方法的奇异谱估计能有效刻画网络业务流的局部变化特征,并且能通过奇异谱特征参数之间的差别描述不同业务流之间的差异性,也表明了在一定条件下,离散小波模极大法更加优越.     

闪烁噪声下基于模型集合切换的机动目标跟踪算法

在目标跟踪过程中,由于目标与传感器相对位置的变化以及目标不同部位的反射干扰,传感器测量数据中的测量噪声不再是严格意义上的高斯噪声,而变为具有长拖尾特性的闪烁噪声,而闪烁噪声的出现将严重影响线性卡尔曼滤波器的滤波性能。机动目标跟踪算法应同时考虑目标运动模式变化和闪烁噪声出现对滤波过程的影响。将滤波方程集合划分为包含不同目标运动模式的模型集合,提出了基于模型集合切换的机动目标跟踪(MSSM)算法。仿真结果验证了MSSM算法的有效性。     

基于自联想神经网络的数据滤波与应用

石油化工过程系统及其现场数据复杂,基于数据驱动的任何研究、设计、运行工作首先都需要进行数据滤波.本文研究了用自联想神经网络对化工过程数据进行滤波的方法.自联想神经网络通过使输入节点的信息压缩在隐层节点上,从网络输入的高维参数空间中提取反映系统结构的最具代表性的低维子空间,同时有效地滤去了测量数据中的噪声和测量误差,再通过输出层实现数据的解压缩,将前面压缩的信息还原到各个参数值,从而实现各测量数据的重构.通过对测试函数的应用和误差比较验证了该方法可以达到比较理想的滤波效果,并采用该方法对某企业精对苯二甲酸(PTA)工业数据进行滤波后BP建模,该模型的预测效果要大大好于没有进行数据滤波建立的模型,从而进一步说明了用自联想神经网络对工业数据滤波不但是可行且有效的,同时也提高了模型预测的准确性.     

一种带频繁项过滤机制的隐私保护新方法

针对差分隐私保护方法的隐私保护过度问题,提出了一种带频繁项过滤机制的隐私保护新方法,以提高数据发布结果的准确性。该方法首先对数据源进行预处理,即对非频繁项进行过滤,然后执行差分隐私保护算法。从理论上证明了带频繁项过滤机制的隐私保护方法达到差分隐私保护级别,而且实验结果表明,在相同的隐私保护度下,提出的方法数据发布准确性比当前差分隐私保护方法更高。     

航空发动机试验稳态数据实时数字滤波方法研究

航空发动机试验时,需对稳态采集数据采用合适的实时数字滤波方法来消除干扰。针对常用递推平均法、中位值法、中位值平均法、一阶滞后法等实时滤波方法,分析了它们数学原理,对比了它们在跟随性和抗干扰能力方面的优缺点。在此基础上,通过对滤波算法进行改进,设计出了中位值平均一阶滞后法。该方法在抗干扰性能和跟随性之间取得了更好的平衡,具有更优良的综合性能和更宽的普适性,更适合航空发动机试验时的稳态数据实时处理。     

基于DSP的光纤液位测量数据处理方法

针对光纤液位传感器输出特性,基于数字信号处理器(DSP)技术,研究了高精度光纤液位测量数据的软件处理方法。提出了疏失误差的剔除、数字滤波和非线性拟合相结合的实时数据处理方法,采用TMS320C6711芯片,设计了光电转换器,给出软件实现流程。实验表明:该方法简化了设计,提高了传感器的测量精度和通用性,有利于工程的实际应用。     

基于电能表的多路数据采集技术的研究

针对电能表多路数据实时采集技术进行了深入的研究和探讨,分析了电能表数据输出的脉冲特性,采用现代微机检测与控制技术开发了一种新型的数据采集和检测系统;该系统采用独特的设计方法巧妙解决了多通道数据采集的需求,通过过滤窗口实现了多通道数据的快速采集和识别,并且,采用软件移位操作实现了数据的散转,提高了数据的采集速度和检测精度;应用结果表明,该检测系统运行稳定可靠,检测速度快,检测精度高,具有一定的实用性和推广价值.     

一种基于时间流特性的垃圾邮件过滤方法

垃圾邮件过滤具有处理规模巨大,数据无限递增、动态变化等流数据特征,传统的垃圾邮件过滤方法利用静态的文本特征提取方法,无法体现流数据特征随时间动态变化的特点。该文提出一种基于时间流特性来实时调整有效特征的垃圾邮件过滤方法,在TREC Spam Track语料集上的测试结果表明,该方法在保证垃圾邮件过滤高准确率的同时,使垃圾邮件过滤计算的时间性能和空间性能更加优化。
     

一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

INFFC: An iterative class noise filter based on the fusion of classifiers with noise sensitivity control

In classification, noise may deteriorate the system performance and increase the complexity of the models built. In order to mitigate its consequences, several approaches have been proposed in the literature. Among them, noise filtering, which removes noisy examples from the training data, is one of the most used techniques. This paper proposes a new noise filtering method that combines several filtering strategies in order to increase the accuracy of the classification algorithms used after the filtering process. The filtering is based on the fusion of the predictions of several classifiers used to detect the presence of noise. We translate the idea behind multiple classifier systems, where the information gathered from different models is combined, to noise filtering. In this way, we consider the combination of classifiers instead of using only one to detect noise. Additionally, the proposed method follows an iterative noise filtering scheme that allows us to avoid the usage of detected noisy examples in each new iteration of the filtering process. Finally, we introduce a noisy score to control the filtering sensitivity, in such a way that the amount of noisy examples removed in each iteration can be adapted to the necessities of the practitioner. The first two strategies (use of multiple classifiers and iterative filtering) are used to improve the filtering accuracy, whereas the last one (the noisy score) controls the level of conservation of the filter removing potentially noisy examples. The validity of the proposed method is studied in an exhaustive experimental study. We compare the new filtering method against several state-of-the-art methods to deal with datasets with class noise and study their efficacy in three classifiers with different sensitivity to noise.     

Web环境下数据过滤方法研究

网络技术的发展使得Web环境下的信息系统迅速增加。传统开发模式中,系统数据过滤代码不能复用、处理效率低,并且开发工作量大,影响系统开发效率。本文提出了新的数据过滤方法,把数据过滤程序与系统功能页面分离,将过滤程序文件布置到服务器端。要过滤的数据由数据过滤函数一次性进行数据过滤并反馈数据过滤结果以及提示信息。该数据过滤方法实现了信息系统数据过滤的灵活定制和软件复用,减少了开发人员的重复工作。     

适应用户兴趣变化的协同过滤推荐算法

协同过滤算法是至今为止最成功的个性化推荐技术之一,被应用到很多领域中 .但传统协同过滤算法不能及时反映用户的兴趣变化 .针对这个问题,提出两种改进度量:基于时间的数据权重和基于资源相似度的数据权重,在此基础上将它们有机结合,并将这两种权重引入基于资源的协同过滤算法的生成推荐过程中 .实验表明,改进后的算法比传统协同过滤算法在推荐准确度上有明显提高 .