一种基于CEEMDAN-改进小波阈值的OTDR信号去噪算法

为了解决光时域反射仪(optical time domain reflectometer,OTDR)中背向散射信号受 噪声干扰严重问题,本文提出了一种 基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN) 和改进小波阈值的OTDR信号去噪算法,利用CEEMDAN分解算法具有的抗模态 混叠现象和降低重构误差等优点,将信号分解为若干IMF分量,根据相关系数的分析方法, 找到噪声占主导的本征模态函数(intrinsic mode function,IMF)分量和信号占主导的IMF 分量的临界点,去除噪声占主导的IMF分量, 并将改进的小波阈值去噪方法对信号占主导的IMF分量进行去噪,最后重构信号。结果表明 , 本文提出的方法与传统的硬阈值方法、CEEMDAN-硬阈值方法和改进的小波阈值方法相比, 能 更好地抑制噪声,并达到更好的去噪效果,突显OTDR事件特征,更易于事件的检测。     

Research on denoising of joint detection signal of water quality with multi-parameter based on IEEMD

An improved ensemble empirical mode decomposition(IEEMD) is suggested to process water quality spectral signals in order to address the issue that noise interference makes it difficult to extract and evaluate water quality spectral signals.This algorithm effectively solves the problems of modal mixing,poor reconstruction accuracy in the empirical mode decomposition(EMD),and a large amount of calculation in the ensemble empirical mode decomposition(EEMD).Based on EEMD,IEEMD firstly preprocesses t...     

融合多元经验模态分解与Hilbert空间填充曲线的sEMG处理方法

基于卷积神经网络(convolutional neural network, CNN)的表面肌电信号(surface electromygraphy, sEMG)手势识别算法通常将一维sEMG转换成二维肌电图作为CNN的输入。针对sEMG瞬时样本量偏少、以及一维sEMG转换成二维肌电图时带来的局部时序特征丢失等问题,提出了将多元经验模态分解(multivariate empirical mode decomposition, MEMD)算法与Hilbert空间填充曲线相结合的方法,以提升手势识别算法的准确率。采用开源数据集NinaPro-DB1作为实验数据集;通过MEMD算法对sEMG进行分解;将分解后的本征模态函数(intrinsic mode functions, IMFs)作为Hilbert曲线的填充域(Hilb-IMFs)映射成二维肌电图;选择DenseNet作为手势识别的基本网络。实验结果表明,提出的方法相对于传统信号升维方法在手势识别准确率上约有4%的性能提升,验证了该方法的有效性。     

基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法

为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。     

改进的HHT变换在光纤振动模式识别中的应用

针对双马赫-曾德尔(M-Z)干涉型光纤振动传感系统输出信号非线性、非平稳特点,提出基于互补总体经验模态分解(CEEMD)的希尔伯特-黄变换(HHT)模式识别算法。该算法采用CEEMD将振动信号分解成多个本征模态函数(IMF),利用各阶IMF的归一化自相关函数筛选出噪声分量进行中值滤波;然后对各阶IMF分量做Hilbert变换,基于Hilbert边际能量谱构造特征向量;最后利用概率神经网络(PNN)实现振动信号的模式识别。对四种典型光纤振动信号的实验验证表明,算法的平均正确识别率最低可达85%。     

基于EEMD的信号处理方法分析和实现

Hilbert—Huang变换是一种具有良好自适应性,能够对非线性非平稳的信号进行分析的时频分析方法。而经验模式分解是HHT的核心部分。针对传统EMD分解带来的模态混叠问题,介绍了引入白噪声辅助分析方法的改进型算法EEMD并且通过Matlab平台进行了信号仿真系统设计和实验,验证了EEMD方法的抗混分解能力。     

关于多种模态分解方法的分离效果的差别探讨

经验模态分解(Empirical Mode Decomposition,EMD)是一种自适应信号分解方法,将数据从高频到低频分解成一系列的本征模式函数(Intrinsic Mode Functions,IMF)和一个余量。局域均值分解(Local Mean Decomposition,LMD)一定程度上解决了EMD方法的端点效应问题,但仍不容忽视。变模态分解(variational mode decomposition,VMD)解决了EMD方法在噪声恶劣背景下,IMF淹没在噪声背景中,导致不能得到信号特征分量的问题。多分别奇异值分解算法(Multi-resolution singular value decomposition,MRSVD)利用矩阵二分递推结构原理和SVD方法相结合,能够很好地把信号中微弱的细节信号和主体信号多层次体现出来,从而提取到其中隐含的信号特征。在此主要讨论EMD、LMD、VMD和MRSVD处理含噪信号时的效果差异,并对四种处理方法在滚动轴承故障振动信号的实际应用中出现的问题进行探讨。     

一种用于卫星网络的业务预测方法

针对卫星网络业务具有自相似的特点,介绍了一种基于集合经验模式分解的业务组合预测方法(EEMD)。该方法利用EEMD的分解特性,将具有自相似的网络流量分解成多个只具备短相关性的本征模态函数(IMF),这样便可使用传统的流量预测算法进行预测。文中使用人工神经网络与自回归滑动平均模型(ARMA)这两种方法进行预测。最后将多个本征模态函数(IMF)预测的结果相加作为原始信号的预测结果,实验证明此方法有更高的精度。为了迎合卫星实时性的需求,给出了硬件的框架,该框架采用DSP与FPGA相结合的构架实现连续数据的EEMD实时处理。     

基于改进CEEMDAN在电能质量复合扰动去噪中的应用

为提高噪声环境下电能质量复合扰动识别精度，提出一种基于改进自适应噪声完备经验模态分解（CEEMDAN）去噪算法。首先通过CEEMDAN方法将含噪信号分解为若干本征模态函数（IMF）；然后将改进兰氏距离与多重分形去趋势波动分析（MFDFA）结合，把若干IMF分量分为信号IMF分量、噪声和信号混叠IMF分量、噪声IMF分量。对于混叠IMF分量、噪声IMF分量分别采用改进奇异谱分析（SSA）、小波阈值（WT）去噪；最后，将经去噪处理的IMF分量与信号IMF分量进行重构。实验表明：与对比算法相比，含噪扰动经新算法去噪后，信噪比显著提高，去噪效果良好。     

基于EEMD-PE的ADS-B信号降噪研究

自动相关监视广播(Automatic Dependent Surveillance-Broadcast, ADS-B)信号在传输过程中经常受到复杂电磁环境、地面杂波等因素的干扰,给其后续的译码带来困难。结合排列熵(Permutation Entropy, PE)原理,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)的ADS-B信号降噪方法。利用EEMD将含噪ADS-B信号分解得到其各阶本征模态函数(Intrinsic Mode Function, IMF),计算各阶IMF的排列熵,通过排列熵的相对大小筛选出被噪声污染较高的IMF并将其剔除,利用剩余的IMF重构ADS-B信号,以达到降噪的目的。实验结果表明,该方法可以有效提高ADS-B信号的信噪比(Signal-to-Noise Ratio, SNR)。     

Internet网络流量的测量与分析

讨论了IP网络流量分析的目的,提出了几种有效的IP网测量与分析方法,并从方向性、端点特性、超时特性等方面分析阐释了“流”的基本概念,最后以一个网络流量监测实例详细说明流量监测技术与流量分析方法。     

超声流量计管道流场的模拟与分析

针对非理想流场对超声流量计测量的影响,研究单、双弯管流场的流速分布特征。通过对理想层流、湍流的模拟计算,得出单、双弯管流场的流速分布关系。通过流速分布曲线和流速等值线分布情况可以看出,单弯管流场的二次流分量是两个对称的涡,纵向截面的线平均速度是对称的。双弯管流场的二次流是单一的涡,在截面侧后方会出现回流,使速度等值线及截面线的平均速度分布很不规则。     

电磁MEMS在流体控制中的应用

根据MEMS的驱动方式对MEMS进行了分类,对电磁MEMS的构造及其特点进行了较为详细的介绍。针对电磁MEMS的流体控制工作原理与结构特点,总结了电磁MEMS在流体驱动、流体混合以及流体消涡与减阻方面的应用,阐述了电磁MEMS的优缺点以及目前在以上各领域的国内外研究现状,探讨了电磁MEMS在各不同应用领域存在的一些主要问题,提出了相关研究重点,可为电磁MEMS的相关应用研究提供参考。另外,从学科交叉的角度探讨了对电磁MEMS研究所需的相关学科知识,为电磁MEMS基础研究提供重要指导。     

从手机微博看移动互联网业务的信息流、数据流、承载流

分析了移动互联网新兴的微博业务,研究微博业务特性、业务流程,并通过微博业务的测试分析,了解微博业务的各个交互流程,每个业务流程的流量、流向,并根据测试结果,评估分析微博业务对网络的影响。通过对微博这一典型业务的分析,观察移动互联网时代业务的信息流、数据流、承载流之间的关系,探讨未来移动互联网业务的发展对移动网络可能带来的压力。     

一种高效的业务流分类算法

通过分析单链路监测的流量特征和业务流监测分析需求,提出了一种高效业务流分类算法.算法把业务流分类过程分为三个阶段:第一阶段采用Hash方法,尽量分散流记录的分布;第二阶段可采用两种方式,一种是线性链表,另一种是查找树;最后一个阶段是线性查找.分别在两种不同型号的流量监测系统上实现了该算法,实验结果显示,当链表长度为300时,查找不成功并创建新的流记录和查找成功并更新流记录的时间分别为1.8 μ s和1.3 μ s,相应的业务流分类能力为55万和77万pps.     

自适应流量评估方法在IDC网络的应用

为了确保IDC网络的服务质量,往往需要了解IDC网络中各出口、各链路的网络拥塞、大规模网络攻击等流量信息并进行及时全量的数据监测和分析.本文提出了一种自适应流量评估方法,通过测量精度和存储资源两方面的调控,来优化现有的流量测量技术.     

Fluid flows induced in tall narrow containers by A.C.R.T.

An investigation into the flows produced by the Accelerated Crucible Rotation Technique (A.C.R.T.) in tall narrow containers has been carried out. Spiral shearing, Ekman and transient Couette flows have been demonstrated and interactions between them observed. Various crucible base configurations have been employed to simulate actual crystal growth. Ekman flow is the most important stirring mechanism in the region close to the growing crystal while unstable Couette flow is an efficient mixing process at the crucible walls. Experimentally—determined rotation rates for the onset of transient Couette flow are compared to those predicted from Rayleigh’s criterion. Present address: Philips Research Laboratories, Redhill, Surrey, RH1 5HA, U.K.     

二维流场的激光测速方法

本文论述了利用激光技术测量流体质点运动速度的基本原理,并设计了一种多光轴系统,用以检测质点的二维运动状态,以便研究二维流场的速度分布。     

基于激光诱导荧光的环状流液膜流速测量与分析

在对传统方法测量和分析液膜特性的基础上,采用激光诱导荧光方法和互相关测量技术,对竖直管道中的液膜流速进行光学测量和分析。基于高速摄影获取气液环状流中液膜图像,采用数字图像处理技术对液膜流动图像进行处理,得到液膜厚度在空间上的分布函数变化曲线,对间隔固定帧频的液膜图像进行互相关处理,进而采用抛物线拟合,有效提高了互相关极值的测量精度。实验结果表明,本文方法非接触、适用面广,可以有效检测环状流中液膜"破断"现象,并准确测量液膜流速参数。     

基于自相似的异常流量检测模型

现行网络中存在诸多影响网络安全和服务性能的异常流量,异常流量的存在不仅影响用户的正常使用,而且会造成网络拥塞和网络瘫痪,甚至会篡改和破坏用户及服务器的数据,造成不可估量的损失。为及时发现这些流量,设计了一个基于自相似特性的异常流量检测模型。根据现行网络流量大速度快等特点,该模型设计分为简单流分类模块、自适应抽样模块、实时估计Hurst参数模块以及异常流量判断模块四部分。设计的此检测模型能够在很大程度上保证网络流量检测的准确性和高效性。