基于掩膜预处理的稀疏表示和压缩感知图像重建

近年来兴起的压缩感知（compressive sensing, or compressed sampling,CS）理论对信号稀疏性的要求,使信号的稀疏表示得到了前所未有的关注。考虑到现实信号往往是非稀疏性的,而压缩感知理论要求被测信号必须满足稀疏性或在某个规范正交基下满足稀疏性,因此信号的稀疏性表示变得十分重要。主要研究探索了二值掩膜预处理的稀疏表示方法。结合二值掩膜的算法去除人眼不敏感的DCT系数,在不影响图像主观质量的前提下提高测量系数的稀疏度。实验表明提出的预处理方法减少了CS的重建时间,并且提高了图像的重建质量。     

基于超完备字典的压缩感知电能质量数据重构

针对应用压缩感知原理进行电能质量数据重构时,采用普通函数形成的正交基进行稀疏表示不能自适应地获得最佳稀疏表示这一问题,首次将K-奇异值分解字典学习引用到电能质量数据重构中。首先,对电能质量信号进行一二维转换,利用K-奇异值分解字典学习算法,建立了适合电能质量数据的超完备字典;并选取高斯随机矩阵作为测量矩阵,对电能质量扰动信号进行压缩采样。同时,利用压缩感知匹配追踪算法进行信号二维重构,并将其转换成一维信号。最后,利用所提出的新算法对几类常见电能质量信号进行了仿真验证。结果表明:在压缩比为25%时,利用新算法能够完成重构信号,其信噪均大于44.2 dB,能够满足实际应用时的分析要求。     

基于坐标变换的风电变流器电压信号CS压缩方法

为了解决直接利用压缩感知(CS)理论对风电变流器输出端三相电压监测数据存储空间的资源浪费以及重构性能差等问题,提出了一种基于坐标变换的风电变流器电压信号CS压缩方法。该方法的关键是利用dq0变换、空间矢量变换将三相电压信号转换为一维信号;然后将传统的多频带融合思想用于CS稀疏表示中,构造稀疏字典矩阵,并分析了稀疏字典与测量矩阵的不相关性;最后利用高斯随机矩阵进行压缩测量,使用追踪算法实现一维信号的恢复,将其转化为两相信号并作坐标反变换,即得到重构的三相电压信号。仿真结果表明,与直接对监测的三相电压数据进行CS处理相比,该方法可有效的压缩原始三相电压数据,使得运行时间降低,重构误差减小,并且节约了测量数据的存储空间,因而更加具有实际应用价值。     

基于数据驱动的稀疏虚假数据注入攻击

提出了一种基于数据驱动的稀疏虚假数据注入攻击策略。攻击策略分为3个阶段:第一阶段,基于稀疏优化技术对窃听的数据进行预处理以剔除异常值;第二阶段,基于平行因子分解算法推断不完整的系统信息矩阵;第三阶段,根据推断的系统矩阵,使用凸优化的方法求解稀疏攻击向量。仿真实验结果表明,当存在异常值时,传统的攻击策略无法成功实施,而所提攻击策略仍能成功地实施稀疏虚假数据注入攻击。     

基于光场的联合稀疏分布式压缩感知

信号的稀疏分解是压缩感知理论的关键问题,冗余字典相较于传统的正交基矩阵,可提供信号的更稀疏表示。首先根据光场相机特征‐光场图像具有图像内和图像间相关性,提出光场中的联合稀疏模型,然后使用基于图像特征训练的冗余字典稀疏表示光场信号,最后通过同时分段正交匹配追踪算法（S‐StOMP）重建稀疏信号,S‐StOMP重建速度较快,可同时重建多个信号。最后通过实验验证了算法的准确性和可靠性。     

单演信号随机加权融合的 SAR 图像目标识别方法

提出基于单演信号决策层随机加权融合的合成孔径雷达(SAR)图像目标识别方法。 采用稀疏表示分类( SRC)分别对 SAR 图像分解得到的多层次、多成分单演信号表示实施决策。 对于误差矢量,通过随机权值矩阵的方式进行融合。 该矩阵中包 含大量随机权值,根据融合后的结果可以获得不同类别误差统计结果,定义决策变量反映不同类别相关性。 最后,按照最小误 差进行类别决策。 在 MSTAR 数据集上进行广泛实验并与多类现有方法进行对比,结果表明提出方法可有效提升 SAR 目标识 别整体性能。     

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。再利用基追踪去噪算法对得到的小波系数进行优化处理。最后对优化的小波系数进行重构,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。     

基于自适应协同稀疏表示的多工况故障诊断方法

针对设备故障诊断中多工况与环境扰动对故障特征表征能力的影响问题,以及故障特征的个体差异性对稀疏分类精度的影响问题,提出基于自适应协同稀疏表示的多工况故障诊断方法。该方法通过各个故障特征在K-SVD稀疏表示中的重构残差构建特征稀疏分类性能的评分矩阵,以评分矩阵迭代优化后得到的权值矩阵对输入特征进行协同稀疏表示,更新字典原子与稀疏系数,使得同类故障模式下的稀疏重构误差最小化,不同类故障模式下的稀疏重构误差最大化,以增强每个样本特征的协同稀疏分类性能。该方法避免了多工况故障诊断中敏感特征筛选及特征高维映射的繁琐步骤,无需大量历史故障数据支撑,通过故障特征的自适应协同稀疏表征与稀疏分类器的加权迭代优化,建立最能表征设备故障状态的稀疏字典,有效提升了稀疏分类器对多工况设备故障的鉴别能力。滚动轴承与齿轮箱故障诊断实验结果表明,提出方法比现有的稀疏分类算法与传统的神经网络分类算法,具有更高的故障辨识精度与工况环境鲁棒性。     

改进十字链表的稀疏矩阵技术及其在电力系统仿真中的应用

十字链表具有检索方式灵活和操作方便的特点,分析了十字链表在三角分解和前代–回代计算中的应用方法及其内存分配方式对稀疏矩阵计算效率的影响,十字链表的存储结点通常散列于内存空间中,该内存分配方式下稀疏矩阵的运算效率低于存储结点连续分布在内存中的稀疏矩阵运算效率,该现象由计算机的高速缓冲存储器的工作原理造成。为此提出改进十字链表实现方法,在稀疏矩阵的运算过程中充分利用高速缓冲存储器的高速存取速度来提高计算效率。通过算例证明改进十字链表方法是一种高效的稀疏矩阵技术,在传统大规模系统和分布式发电供能系统仿真中均取得了良好的应用效果。     

局放信号自适应加权分帧快速稀疏表示去噪方法

电气设备局放信号易受噪声干扰,影响监测效果。为提高局放信号去噪效果,提出一种局放信号自适应加权分帧快速稀疏表示去噪方法。该方法以信号稀疏表示理论为核心,为提高去噪速度,对局放信号进行了加权分帧,减少待处理数据长度的同时避免了强制分帧时截断效应;提出一种快速正交匹配追踪算法,避免了基于传统正交匹配追踪实现稀疏表示时庞大的计算量。为提高去噪效果,基于K-SVD字典学习理论及高信噪比局放样本信号构建局放脉冲自适应过完备字典,其各原子仅与局放脉冲信号强关联,且满足实测信号多样性要求;结合加权分帧方法,提出一种残差比阈值自适应确定方法,实现了局放稀疏表示去噪迭代终止条件自适应确定。实验结果表明,所提方法解决了现有局放稀疏表示去噪方法去噪速度慢,过完备字典适用性弱等问题,相比传统局放信号小波分析去噪方法,该方法去噪结果误差及畸变均较小。     

一种基于数据压缩传输的高速大满贯测井系统

针对目前大满贯测井系统受限于电缆传输带宽,不能实现大数据量快速、实时采集的问题,设计了一种专用于大满贯测井系统的井下遥测传输短节.在分析大满贯测井采样数据相关性的基础上,在遥测传输短节中通过硬件电路设计和算法的嵌入式开发,将大满贯组合中各种井下仪的上传数据帧按采样时间进行缓存,形成深度对齐的二维数据阵列,根据图像无损压...     

A method to improve and automate flat defect detection during ultrasonic inspection

In the nondestructive testing of materials, ultrasonic imagery can detect and characterize defects that are present in a structure. Data are displayed in the form of images, and processing algorithms can be applied for automatic detection and characterization. However, when using diffracted waves, the amplitude is often too low, and the signals are difficult to distinguish from the noise. Other times, the volume of data requires significant computation time. In this paper, we propose a method that can avoid image formation by replacing it with a sparse matrix and significantly reducing the amount of data to process; this allows for the enhancement and the automation of the detection of thin and flat defects such as cracks. The elements of the sparse matrix form a curve, which is sufficient to characterize defects in many cases. These elements are selected from diffracted signals using the split‐spectrum processing method. In this way, the signal‐to‐noise ratio is improved, and the position of the echo signal is accurately determined. When a crack is present in a material, the points of the sparse matrix form a parabola and classical tools of pattern recognition such as the Hough transform can detect it, thus providing significant help in decision‐making processes. Copyright © 2011 John Wiley & Sons, Ltd.     

复杂曲线图像的数据提取方法

在振动噪声信号处理中,对于复杂曲线图像包含的数据,传统的提取方法效率低、难度大,影响后续的数据分析。为解决这一问题,本文融合曲线连续性、复杂曲线之间的空间特征以及RGB模型的特点,提出了一种针对两条曲线的识别提取算法和一种针对多条彩色曲线的识别提取算法,通过分别识别、提取、存储各曲线的坐标数据,对各曲线进行插值,仿真实现了复杂曲线图像的数据提取。本文提出的算法能够快速得到精确的曲线图像处理结果,为进一步分析、处理振动噪声信号图像中的复杂曲线数据提供了参考。     

基于压缩感知的 HIFU 回波信号降噪研究

由于传统的降噪处理方法很难干净地去除高强度聚焦超声(HIFU)信号中的噪声,提出利用压缩感知(CS)对 HIFU 回 波信号进行降噪。 在观测矩阵的设计中将传统的高斯随机观测矩阵改进为稀疏循环结构化矩阵,减少了构造观测矩阵和重构 信号的时间。 仿真实验表明,与带通滤波器、小波降噪方法和经验模态分解(EMD)降噪方法相比,该方法得到的信号的重构信 噪比(RSNR)更高,重构均方差(RMSE)和最大误差(ME)更小。 用不同方法对不同温度下获得的 HIFU 回波信号进行去噪并提 取二次谐波激发效率,发现采用该方法得到的二次谐波激发效率曲线方差和波动更小,验证了该降噪方法在实测信号中的优 越性。     

参数优选残差网络下的井震联合反演方法

声波测井资料在层位标定和储层反演等工作中发挥着重要作用。然而受仪器设备、地质环境等条件的限制,实际得到的声波测井曲线常有失真现象。为了向油气藏勘探提供可靠的数据支持,提高储层预测的准确性,提出一种参数优选残差网络下的井震联合反演方法,对失真的声波测井曲线予以重构。考虑到传统人工神经网络无法表达出井震间的强非线性关系,该方法以深度学习中的残差网络(Residual Network, ResNet)构建智能反演模型,通过网络设计、参数选择以及模型训练,找到井震间更好的映射表达。同时综合考虑测井曲线的特点与均方损失的不足,设计了一种代价敏感损失函数Fusion,进一步提高模型整体的反演精度。在真实地震数据和测井资料上展开实验,并与全连接神经网络(Fully Connected Neural Network, FCNN)和多元回归分析(Multiple Linear Regression, MLR)的反演结果对比分析,表明所提方法反演的声波测井曲线精度更高,相关系数达到0.912,均方根误差减小到13.399。将所提Fusion损失用于反演声波测井曲线,相关系数增加了2.5%,均方根误差减小了17.4%。     

嵌入式USB HOST 技术在测井仪中的应用与实现

为解决传统测井仪数据采集系统中大容量数据传输存储问题,利用SL811HS和196单片机设计了USB HOST嵌入式模块进行大容量数据存储。该嵌入式模块基于Mass Storage类的单批量(Bulk-Only)传输协议和FAT16文件系统,能对普通低功耗Flash存储器设备进行传输数据及配置。相比于传统的数据采集存储方法,USB HOST技术的应用提高了测井仪系统的便携性,同时可方便的进行大容量数据的存储。应用结果表明,该模块工作原理正确设计可行,能够准确地存储数据,具有实用性和推广的价值。     

水电机组振动信号去除高频噪声技术综述

本文针对水电机组振动信号消噪方法进行了系统地总结.将现行的振动信号去噪方法中的基于Fourier变换的传统振动信号去噪方法和以提升法为代表的新型振动信号预处理技术两类技术进行了全面地分析,并比较了各自的优缺点.利用提升法的第二化小波变换对水电机组振动信号进行消噪具有计算速度快、无需选择小波基函数、处理结果更为合理的优势.最后,进一步给出了水电机组振动信号消噪技术的主要发展方向.     

基于LabVIEW平台和GPIB接口的GMR效应测量系统

介绍了薄膜磁电阻率的自动测试方法.试验中采用了带GPIB接口的电源提供通过薄膜的稳恒电流,用带GPIB接口的纳伏表测量薄膜上的电压降,而作用于薄膜的磁场则通过带GPIB接口的可编程直流电源提供给亥姆霍兹线圈的电流大小来控制.通过LabVIEW平台控制可编程直流源可以控制磁场的变化快慢和幅度,同时利用该平台中的X-Y波形记录控件实时地显示磁场与电阻率变化的曲线.通过对一个已知磁电阻率的样品进行测量,表明结果正确,具有较好的重复性,较高的精度,符合测量要求.     

基于确定性测量矩阵与变阈值SAMP的超高次谐波检测算法

随着电网中采用高频电力电子器件制造的设备逐渐增多,配电网中的超高次谐波现象已经成为了一种亟需解决的新型电能质量问题。相较于传统谐波检测方法采样超高次谐波信号时产生的巨大数据量,压缩感知作为一种新型信号处理方法,在使用测量矩阵对稀疏信号进行亚采样后通过重构算法用较少的数据就能精确地恢复原始信号,有效降低了对采样端硬件的要求。提出了一种基于确定性测量矩阵与变阈值SAMP算法的压缩感知超高次谐波检测算法。首先该方法采用了一种由确定性随机序列构造的测量矩阵,这种确定性测量矩阵的结构与随机测量矩阵相比更易于传输与存储,同时具有和高斯随机矩阵相同的重构性能。其次,针对SAMP重构算法在频谱泄露时易发生稀疏度过估计的问题,提出了一种改进的变阈值SAMP算法,设置一个动态的阈值来控制算法中内积的选取,减少迭代中的误选。改进算法提高了超高次谐波检测的精度,降低了因频谱泄露和噪声造成的误差且更容易硬件实现。最后,通过仿真和实测结果证明了改进算法的准确性和有效性。