正交多项式拟合在EMD算法端点问题中的应用

经验模态分解(EMD)是由Huang等人提出的一种全新的针对非线性非平稳信号处理的算法.通过EMD,可以把一个信号分解为若干个固有模态函数(IMF),再将这些IMF进行希尔波特变换,从而得到具有真正意义的瞬时频率,因此解决了传统信号处理方法的不足之处。与此同时,EMD算法是一个全新的算法,本身也存在不足,如端点问题。文章在现有的解决方法的基础上,提出了用正交多项式拟合的方法来解决EMD的端点问题,并通过和已有算法的比较来证明这种方法的有效性。     

基于多项式拟合的扩展卡尔曼滤波算法

弹道修正弹内的弹载计算机必须实时对卫星定位接收机获取的弹丸状态数据进行滤波降噪,用于预测弹丸落点,传统滤波方法滤波时间长,滤波实时性差,提出一种基于多项式拟合的方法。通过适当降低卫星定位接收机数据更新频率,并用多项式拟合插值出的数据代替数据更新时间间隔内的弹丸状态数据。仿真实验表明,该算法在不降低滤波效果的前提下,较普通扩展卡尔曼滤波时间降低7/8,提高了滤波实时性,对于弹道修正弹关键技术的研究提供了重要参考。同时该方法可推广应用到其他滤波算法当中,具有很强的可移植性。     

基于多项式拟合的稀疏编码图像去噪算法研究

为解决传统稀疏编码在图像去噪的过程中无法根据图像数据特点来决定稀疏编码的收缩函数的问题,提出了一种基于多项式拟合的稀疏编码图像去噪算法,该方法采用多项式来拟合稀疏系数的概率密度函数,进而估计稀疏系数的收缩函数,有效地解决了传统的去噪变量的概率密度模型无法反映图像数据特点的问题。仿真计算结果验证了该算法的有效性,并且在效果上要明显优于最大似然估计算法。     

基于局部多项式拟合的交通流预测

为准确地预测交通流量和速度,提出一种基于局部多项式拟合的交通流预测方法。通过一阶差分得到流量和速度的变化序列,采用互信息法确定延迟时间,用虚假邻近点法确定嵌入维数,重构得到状态向量;通过邻近向量拟和预测函数,采用局部多项式预测。对实测数据进行了仿真实验,结果表明了该方法的有效性。     

基于正交多项式分段拟合的图像压缩编码方法

图像作为最常见的信息存储方式，其表现形式生动而直观，能提供比其它形式数据更多的信息。但数字图像通常包含巨大数量的信息，若不经过压缩，数字图像传输所需的高传输速率和数字图像存储所需要的巨大容量会阻碍数字图像的发展。因此，对图像进行压缩十分必要。文章设计一种基于正交多项式分段拟合的图像压缩编码方法，以探索新的图像压缩编码方法。     

基于多项式拟合的交通图像编码方法

文章针对交通实时路况图像创造性地提出了一种基于多项式拟合的图像压缩编码方法。该方法通过对图像数据的光栅扫描、单调化处理和多项式拟合系数保存等三个步骤来实现对图像数据的压缩。该方法简单方便、快速高效,针对小幅复杂交通路况图像取得了良好的结果。对像素为256×256的复杂交通图像峰值信噪比大于20且压缩比小于22%。     

非线性函数规范化多项式拟合精度分析

多项式可用于非线性信号的拟合,关键在于求解其各项系数。对于任何非线性函数,文献[1]提出一个规范化的拟合方法,本文主要讨论了小数点位数和阶数的选取对规范化多项式拟合精度的影响     

非线性函数规范化多项式拟合的精度分析

多项式可用于非线性信号的拟合,关键在于求解其各项系数.对于任何非线性函数,文献[1]提出一个规范化的拟合方法,本文主要讨论了小数点位数和阶数的选取对规范化多项式拟合精度的影响     

输出信号基于规范化多项式拟合的智能压力传感器

利用多项式拟合的规范化方法来融合温度信息 ,实现了压力传感器的非线性修正和温漂补偿 ,得到了压力解析表达式 ;同时利用单片机进行采集和处理信息 ,实现了压力传感器的智能化。     

基于小波降噪与多项式拟合相位校正的干涉图处理方法

干涉图是傅里叶变换光谱仪测试的原始信号,理论上它是偶函数。在实际测量中,由于检测延时等因素会导致测量干涉图存在相位误差。此外,在光谱测量过程中必然还伴有噪声。干涉图中存在的相位误差和噪声会影响光谱的质量。本文提出了先采用小波对干涉图降噪,再用多项式拟合方法来校正干涉图的相位误差,然后由处理后的干涉图获得高质量光谱的方法。通过对酒精的近红外实验测试结果表明,该方法对于光谱的高质量估计有较好的效果,经过处理的干涉图计算得到的光谱在酒精的定量分析中获得了较好的分析结果。     

基于提升小波和自适应多项式拟合的传感器网络多模数据压缩算法

为提高无线传感器网络的感知精度,提出了一种基于提升小波变换和自适应多项式拟合的多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on lifting wavelet and adaptive polynomial fitting,简称AMLP）。在给定相关度阈值的前提下,AMLP算法先对数据进行灰色关联聚类,再对类中的相关数据进行自适应的多项式拟合,然后把未拟合的特征数据抽象成一个矩阵,利用提升小波变换去除数据的时间和空间相关性。最后,通过游程编码对数据作进一步压缩。仿真结果表明,AMLP算法能够有效去除不同数据间的冗余信息以及同种数据间的时间和空间冗余信息,提高压缩比,降低网络能耗。与基于小波的自适应多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on wavelet,简称AMMC）相比,AMLP算法的数据恢复精度大大优于AMMC算法,压缩比和能耗相近。因此,AMLP算法更适用于要求高精度数据的传感器网络应用,如地质灾害监测、医疗和军事领域。     

基于多项式拟合法的空中目标实时位置预测研究*

针对基于G PS的空中目标跟踪系统中机载G PS位置信息易受干扰,目标位置信息不能连续实时获取的问题,提出采用基于最小二乘的多项式拟合法进行目标位置的实时预测,根据预测值对目标进行跟踪定位。并对该方法在实际应用过程中的参数选择问题进行了仿真分析,给出了应用参考。通过实际数据分析表明,用该方法进行目标位置预测,具有实时性强,精度高的优点,并可在数据丢失的情况下,对目标位置信息进行有效补偿。     

边缘识别的二维正交多项式拟合及结构变形检测

数字图像中边缘附近的灰度是沿边缘方向和跨边缘方向二维变化的,以前边缘识别的多项式拟合大多采用跨边缘方向的一维拟合。介绍一种采用二维正交多项式进行边缘识别的新方法,由于二维拟合更符合边缘附近小区域内像素灰度二维变化的实际,因此拟合结果优于一维拟合。在进行拟合时,利用正交多项式的正交性将优化方程对角化,避免求逆或解方程,没有多项式拟合优化方程的病态问题,采用高阶多项式拟合可以提高拟合精度。对生成图像的边缘识别结果表明,二维正交多项式拟合识别边缘的精度和稳定性较好。简支梁模型试验表明,采用正交多项式边缘拟合方法检测梁的静变形,图像变形检测精度在0.1像素之内,适当选择图像采集设备和采集范围,点检测精度与传统检测方法的精度相当,边缘检测属线状高密度检测,检测范围远大于传统方法。     

矩形孔径柱面镜面形拟合基底多项式研究

对矩形孔径柱面镜面形的拟合方法进行了研究，将矩形域的扩展Zernike多项式与Chebyshev多项式分别作为面形拟合基底，对导出面形数据进行波面复原，分析赛德像差与拟合基底的对应关系对比拟合结果，Chebyshev多项式较矩形域的扩展Zernike多项式有较好的像差分离能力。     

隐含多项式曲线曲面拟合次数的确定研究

选用合适次数的隐含多项式曲线曲面描述目标物体是处理和识别目标物体的关键,因而需要在理论上解决隐含多项式曲线或者曲面的次数确定问题.根据目标物体本身的特征,从理论上得出隐含多项式曲线描述物体的次数确定定理,并给出了具体计算公式.该方法首先由给定物体边界的轮廓检测出其驻点数,然后根据驻点数得到拟合隐含多项式曲线方程次数的下界,进而推广到三维物体的隐含多项式曲面拟合次数的确定.最后给出的应用实例进一步验证了算法的有效性与可操作性.     

基于二元多项式拟合法的压力传感器输入信号重构

为了同时解决压力传感器输出特性的非线性和温度漂移问题,提出利用二元多项式根据传感器输出信号及其内部温度来重构被测压力.给出了被测压力重构模型的具体形式,以传感器静态特性标定试验数据为依据,利用最小二乘法求解模型系数矩阵,利用单点最大拟合误差、误差平方和模型阶次三项指标进行模型择优.基于重构模型给出了测量电路检测精度估算方法.本方法在传感器静态特性标定数据范围内得到了便于工程计算的一致表达式,同时解决了传感器的非线性和温度漂移两个主要问题,计算所用数据量大大小于插值法.某型硅谐振压力传感器的应用验证了本方法的合理性和有效性.     

基于EMD和Prony算法的旋转机械瞬时频率估计方法

提出一种基于经验模态分解（EMD）和Prony算法的旋转机械瞬时频率估计方法,先采用EMD滤波去除振动信号中的噪声,然后采用Prony算法估计瞬时频率,只需五点振动数据得到转轴的瞬时频率估计值.仿真结果表明,该方法具有较好的估计精度,适合于旋转机械的故障诊断系统.     

隐式多项式曲线的信息建模研究进展

用隐式多项式曲线来描述数据点集合轮廓具有天然的优势,尤其是在数据点集合轮廓的拟合过程中体现得更为明显。概括了基于隐式多项式曲线的信息建模研究现状,侧重于目前国内外各种隐式多项式曲线拟合算法的分析以及优劣比较。以多个图像物体数据点集合轮廓为例,使用各种拟合算法对其进行拟合,并给出了拟合的效果,分析了算法的优劣和改进措施以及以后的研究方向.     

基于BP-DBN的认知网络端到端态势评估算法

文中提出了一种基于BP-深度信念网络（ BP-DBN）的端到端态势评估算法,实现网络端到端态势等级判定。基于提出的分布式态势评估架构,使用BP-DBN分别构建认知域网元评估值、局部态势评估值和端到端态势评估值三者间的映射关系,最后实现端到端态势等级定性评估。实验结果表明,基于少量标记训练样本,BP-DBN测试错误率低,能够保证评估准确性,同时提出的评估算法能够有效评估端到端网络态势等级。