基于图规则化低秩矩阵恢复的用电数据修复与异常检测

针对电力系统用电数据中的记录误差与异常用电,提出一种基于图规则化低秩矩阵恢复的电力系统用电记录修复与异常检测算法。该方法从用户用电时空矩阵的低秩稀疏分解出发,结合电网拓扑结构与用户相关性的规则化调整,获取修复后的用电数据和异常用户。该方法同时兼顾了用户用电的周期性与异常用户的差异性特点。实验分析表明,与相关方法相比,所提方法在用电数据修复与异常用电模式检测的多项评价标准下均取得了更好的准确性和鲁棒性。     

基于低秩逼近的无线传感网定位算法

为了提高传感网节点定位精度并降低运算量,提出一种新的基于低秩逼近的定位算法。算法首先获取邻居节点间距离测量值,然后填充欧氏距离矩阵,最后通过对锚节点坐标进行刚性变换得到未知节点坐标。为了更准确地填充距离矩阵,根据格拉姆矩阵的低秩特性将定位问题转化为半定规划问题,并在定位模型中引入正则化项来避免填充欧氏距离矩阵时的退化解问题。针对半定规划求解复杂度高的缺点,采用交替方向乘子法来更快地求解。通过仿真实验对比,在大噪声情况下,本算法相较于传统算法（包括多维缩放法和其他欧式距离填充算法）,均方根误差减小28.2%~46.6%,重建误差减小18.4%~64.5%;计算时间仅需SDP算法的7%。     

一种基于LDPC矩阵的压缩感知测量矩阵的构造方法

在一些对采样数据速率有严格要求的实际应用中,对低采样率的压缩感知具有广泛需求。基于LDPC矩阵的特点,提出了一种类似托普利兹矩阵的压缩感知测量矩阵,所提出的测量矩阵构成方法易于实现。仿真结果表明,在低采样率的情况下,采用本文所提方法构造的测量矩阵不仅有着与常用稀疏测量矩阵相比更好的稀疏性,且将其用于图像压缩感知时可获得较好的图像重构质量。     

基于低秩矩阵填充的XLPE电力电缆寿命评估

提出一种基于低秩矩阵填充技术的XLPE电力电缆寿命评估方法。该方法可有效应对传统算法所不能处理的不同厂家对电缆样本检测指标类别不统一导致的小样本寿命评估问题。在本文提出的评估方法中,首先以单一电缆样本检测指标及其寿命为列向量建立信息矩阵。然后,通过将该信息矩阵分解为一个低秩矩阵与一个稀疏的噪声矩阵的方式实现对目标电缆样本的寿命评估。仿真实验验证了该XLPE电力电缆寿命评估方法的准确性与鲁棒性。     

基于UCA压缩感知的声源定位算法

针对混合声源定位精度低的问题,提出了一种非迭代补全互谱矩阵的算法,利用互谱矩阵的埃尔米特特性,不经过迭代,在不牺牲定位精度的情况下提高计算效率.该方法首先建立一个稀疏模型,通过构造冗余脉冲响应(RIR)矩阵作为压缩感知测量矩阵,将源定位问题转化为压缩感知问题.然后根据多个源方向向量的空间稀疏相关性,引入投影算子,在压缩...     

基于曲线相似与低秩矩阵的缺失电量数据补全方法

低压台区用电数据是电网运营中众多高级应用的基础。然而,在泛在电力物联网数据采集、传输、储存管理的过程中,会不可避免地出现数据缺失的情况,在一定程度上影响上层高级应用。针对这一问题,文章研究并提出曲线相似与低秩矩阵填充理论相结合的用电数据缺失补全方法。首先通过分析电量数据矩阵奇异值分布,揭示其低秩特性,完成数据恢复可行性判定。在此基础上,考虑用电曲线之间的差异性,提出预填充-曲线相似分类-二次填充的数据恢复方法,在对电量矩阵进行预填充之后,对于每一条待恢复的用电量曲线,基于考虑数据缺失的曲线相似性测度,找到与其最为相似的k条曲线构成数据矩阵,之后再次应用低秩矩阵填充理论恢复缺失数据,以提高恢复精度。以华北某电网居民用户电量数据进行试验,并将文章提出的方法与经典插值补齐法相比较,验证了所提出的电量曲线聚类与矩阵填充相结合的方法可以更有效补齐缺失电量数据。     

低秩矩阵分解在母线坏数据辨识与修复中的应用EI北大核心CSCD

母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。     

传感器网络中基于压缩感知的压缩域目标跟踪算法研究与应用

复杂环境下传感器网络目标跟踪,存在跟踪准确性与算法复杂性这对矛盾,需要考虑准确性、通信和计算能耗之间的折中。针对此问题,研究传感器网络中基于压缩感知的压缩域目标跟踪和压缩域数据融合,并提出了用稀疏的测量矩阵对haarlike特征压缩,压缩域特征送入朴素贝叶斯分类器,在压缩域直接实现目标跟踪的算法。然后通过配置传感器网络以生成多个层次类型不同的簇结构,压缩后的数据在网络中传输,并在各层簇头实现压缩域下的数据融合。该算法通过稀疏测量矩阵压缩表征原始图像信息和分类器的自我学习更新,提高了对压缩域目标特征分类的准确性,在复杂环境下有更好的鲁棒性。而压缩域直接进行目标跟踪,不需要重构图像,也减少了网络运算量和数据传输量。通过仿真实验和标准数据库测试对比以及在机器人足球赛实验平台中的应用表明,该算法在跟踪准确性,数据传输量及传输能耗上均有优势。     

融合小波框架和低秩的动态磁共振图像重建新思路

动态磁共振成像(dynamic magnetic resonance imaging, DMRI)是一种通过连续扫描图像获取其随时间和空间变化的影像技术,将压缩感知技术应用于动态磁共振成像,容易导致磁共振图像重建后的视觉质量不够理想。因此,针对压缩感知在DMRI重建上存在的不足,通过 1范数以刻画磁共振图像数据的稀疏性,以及利用低秩描述动态磁共振图像序列的内在相关性,提出了一种基于低秩和稀疏分解的重建模型,有效减少了动态磁共振成像的伪影。在建模阶段,将稀疏成分应用1范数进行建模,对低秩成分利用核范数进行建模。在模型优化求解阶段,引入小波框架正则化方法,将重建模型转化为非光滑凸优化问题,然后使用基于动量加速的近似点优化梯度方法求解该问题。最后,通过在心脏电影、心脏灌输和phantom体膜影像数据上进行实验,验证了所提模型的有效性。结果表明,所提方法在采样率30%时,平均峰值信噪比达到33.709 0 dB,平均结构相似度达到0.966 0,进一步提升了磁共振图像重建的精度。     

基于压缩感知的语音加密

语音通信是人们获取和交换信息的一种重要方式。随着社会信息化的发展,语音通信的机密性越来越受到重视。传统的语音加密方式都遵循经典的香农-奈奎斯特采样定理,在采样时会采集一些冗余语音数据,浪费了采样资源。为了节约采样资源并简化语音加密流程,采用压缩感知理论对语音进行加密。该方法不仅可以对语音进行加密而且也同时实现了语音的有效采样。仿真实验表明,利用压缩感知进行语音加密是切实有效的,其既可以节约采样资源又节省了存储空间。     

Compressed sensing reconstruction of hyperspectral images jointly using spatial smoothing feature and spectral correlation

A compressed sensing (CS) reconstruction algorithm of hyperspectral images jointly using spatial and spectral characteristics is considered. Specifically, in the sampling process, each band image is sampled by the block CS method independently. In the reconstruction process, how to utilize the spatial smoothing feature of each band image and spectral correlation between different band images to formulate the joint optimization problem is the focus of this paper. The total variation (TV) norm and multihypothesis prediction are introduced to express the spatial smoothing feature and the spectral correlation, respectively. Thus, the TV norm and the prediction residual are used as the regularization items in the reconstruction optimization problem. The resulting ill‐posed problem is solved by the augmented Lagrange multiplier method and alternating direction method in an iterative way, and the implementation process of the reconstruction algorithm is presented. Experimental results on four hyperspectral datasets reveal that the proposed algorithm significantly outperforms alternative strategies in terms of peak signal‐to‐noise ratio as well as visual quality. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

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。     

非限制环境下的低秩协同人脸性别识别研究

人脸性别识别是计算机视觉和机器学习的热门研究课题,但目前大多数的人脸性别识别算法对自然环境下的图像进行识别的效果并不理想,识别正确率与实际应用差距较大。采用低秩分解和协同表示来提高人脸性别识别的正确率和鲁棒性。在提取特征前采用低秩分解配准未对齐的图像并降低污染和噪声的影响,使得提取的特征能够很好地反映图像原有的信息。识别环节采用稀疏表示的改进算法—协同表示,其使用l2范数替代l1范数优化问题易于求解。在实验中,选用AR,CAS-PEAL和You Tube三种数据库对算法进行测试,结果表明本算法性能与其他主流算法相比有明显优势。     

基于压缩感知理论的谐波畸变电压信号采集方法研究

针对电能质量信号参数变化快、数据采集量特别大的特点,论文对电能质量信号的压缩感知采集方法进行了研究,并根据电能质量信号检测的具体要求,改进了观测矩阵中轮换矩阵的构造方法,针对信号特征提高了低频段信号的权重,可以在较高压缩比条件下重构得到准确的信号。在不同压缩比条件下,对论文中提出的算法进行了仿真,并以谐波畸变电压信号为例,同采用高斯随机矩阵和传统轮换矩阵的算法进行了比较,仿真结果表明本方法压缩比高,信号重构效果好,性能稳定,优于传统轮换矩阵。     

基于双边滤波的协方差目标跟踪算法

现有的使用协方差建模的目标跟踪方法在目标形变或是光照变化较大的情况下,达不到理想的跟踪效果。在分析目前协方差建模目标跟踪方法缺点的基础上,提出一种融合双边滤波的协方差目标跟踪算法。首先,将待跟踪图像进行双边滤波,提取滤波后的图像特征构建协方差特征矩阵作为跟踪模板。其次,由于协方差矩阵为对称正定流形,服从对数-欧几里德黎曼度量。在此度量下,构建了目标协方差矩阵相似性度量和模板更新策略。各种条件下的实验结果表明,新构建的基于双边滤波的协方差特征矩阵对目标形变和光照变化有更好的适应性。     

基于压缩感知的低复杂度分数时延信道估计方法

基于压缩感知(compressed sensing,CS)技术的信道估计方法已被应用于正交频分复用(orthogonal frequency division multiplexing,OFDM)系统的信道估计中以提高频谱利用率。然而,传统的时域普通采样方法会导致信道测量矩阵不够精细,无法精确恢复信道状态信息。针对这一问题,提出利用分数时延信道模型模拟系统的无线多径信道,利用接收端时域过采样方法细化信道测量矩阵以提高信道估计精度。同时,为了克服由时域过采样导致的算法复杂度增加的问题,提出一种改进正交匹配追踪算法(modified orthogonal matching pursuit,MOMP)。仿真实验结果表明,在分数时延信道条件下,提出的接收端时域过采样方法能准确检测到信道的分数时延且提出的MOMP算法能显著降低估计算法的计算复杂度。     

改进WMIL的实时人脸检测与跟踪

针对WMIL在光照突变或者全部遮挡的的情况下会出现跟踪失败以及在跟踪错误情况下无法自动恢复跟踪的问题,提出了一种基于改进WMIL算法和AdaBoost的实时人脸检测和跟踪算法。利用AdaBoost的方法检测人脸信息,然后在改进WMIL算法的框架下,对人脸图像进行多尺度表示,采用压缩感知的方法来提取样本特征。最后,利用改进WMIL算法建立分类器对人脸进行跟踪,自适应调整跟踪窗口的大小,并实时更新。实验结果表明,改善了WMIL存在的不足,有效解决了在人脸外观变化,姿态改变、快速运动等情况下,能稳定准确地实现目标的实时跟踪。