基于平面聚类势函数法的欠定混合信号盲分离

针对不充分稀疏欠定混合信号盲分离,提出了一种基于超平面聚类的势函数法来估计源信号个数和混合矩阵。该方法在源信号个数未知的情况下,利用聚类平面法线向量构成势函数,通过估计势函数的局部最大值来估计聚类平面的法线向量,然后再通过估计聚类平面的交线来实现混合矩阵的估计。为了提高算法对异常值的鲁棒性,不直接估计势函数的局部最大值,而是采用聚类算法来估计势函数的局部最大值。计算机仿真试验证实了该算法的有效性及其较好的性能。     

基于空间邻域信息的二维模糊聚类图像分割

传统模糊C均值聚类(FCM)算法进行图像分割时仅利用了像素的灰度信息,并且使用对噪声较敏感的欧氏距离作为像素与聚类中心距离度量的标准,因此抗噪性能较差.为了克服传统FCM算法的局限性,本文提出了一种基于空间邻域信息的二维模糊聚类图像分割方法(2DFCM).该方法利用二维直方图描述的像素邻域关系属性,一方面为聚类提供较准确的初始聚类中心,从而避免聚类中的死点问题;另一方面通过提出聚类中心同时在像素值、像素邻域值二维方向上进行更新的思想,建立了包含邻域信息的新的聚类目标函数,实现了图像的分割.实验结果表明,这种方法抗噪能力强、收敛速度快,是一种有效的模糊聚类图像分割方法.     

集成多策略改进FCM算法的旋转机械故障数据聚类分析研究

针对旋转机械故障数据聚类分析中的初始聚类中心不确定和孤立点敏感问题,提出了一种集成多策略改进的模糊C均值(FCM)聚类方法。首先以故障数据集的决策属性为等价关系对数据集进行划分,得到若干个由等价关系导出的等价类;然后以每个等价类为可行域,采用均值漂移方法搜索故障数据类中心;最后以搜索到的类中心为FCM算法的初始聚类中心,通过核技术计算故障数据样本与相应类中心在高维特征空间中的欧氏距离,从而实现数据样本相似性的有效度量,并完成故障数据的模糊聚类。通过标准数据集和旋转机械故障数据集对方法的性能进行了验证及比较分析。结果显示,改进FCM算法的聚类性能相比传统FCM算法的聚类性能得到了明显提升,在收敛速度和聚类准确性两个性能指标上,改进的FCM算法比FCM算法具有显著优势。     

正交小波变换k-中心点聚类算法在故障诊断中的应用

k-中心点聚类算法(k-medoids cluster algorithm,KCA)是改进的机器学习聚类算法,该方法通过初始聚类中心选取和聚类中心更新,对无标记训练样本的学习揭示数据的内在性质及规律,从而区分出机器的运行状态。提出了一种正交小波变换k-中心点聚类算法(orthogonal wavelet transform k-medoids clustering algorithm,OWTKCA)诊断方法,利用正交小波变换(orthogonal wavelet transformation,OWT)方法提取各细节信号作为训练样本,用KCA方法进行分类。通过滚动轴承的试验数据分类结果显示,该方法相对于没有提取特征值的KCA能有效处理复杂机械振动信号,明显提高了故障数据聚类效果,缩短了聚类时间,提高了智能诊断效率。     

一种改进的盲解卷积算法在轴承声学诊断中的应用

针对时域盲解卷积算法滤波器长度估计困难的缺点,提出一种基于遗传算法优化的改进算法。该算法利用遗传算法搜索最佳时延,解决了盲解卷积结果不确定问题,并改进了信号分量的聚类指标,采用峭度作为独立分量间距离测度,提高了信号分量聚类的准确性,获得了可靠的估计信号。计算机仿真和实际环境中故障轴承声信号提取实验验证了该算法的有效性。     

基于改进蝙蝠优化自确定的模糊C-均值聚类算法

针对模糊C-均值聚类算法敏感于初始聚类中心及聚类收敛慢、聚类数目手动设定等缺陷,提出了基于改进蝙蝠优化自确定的模糊C-均值聚类算法。该算法是基于密度峰值综合衡量聚类中心外围数据密集程度和聚类中心间距离,自动确定聚类中心和聚类数目,以此作为改进蝙蝠算法的初始中心;在原始蝙蝠算法中引入Levy飞行特征加强算法跳出局部最优能力;使用Powell局部搜索加快算法的收敛,利用改进的蝙蝠种群进行种群寻优,并将最优蝙蝠位置作为聚类C-均值新聚类中心,进行模糊聚类,以此循环交叉迭代多次最终获得聚类结果。将基于改进蝙蝠优化自确定的模糊C-均值聚类算法与其它两种聚类算法在标准数据集上进行仿真对比,实验结果表明:与其它两种算法相比,该算法收敛速度快、误差率低。     

基于密度峰值聚类算法的模态参数识别

稀疏成分分析是解决欠定盲源分离问题的一种有效方法,其主要分为两步:计算振型矩阵和重构单模态信号。在计算振型矩阵时,针对无法预知源信号数量和高阶振动模态混叠的问题,利用一种基于密度峰值聚类算法识别模态振型。相比于传统的聚类算法,该方法具有以下特点:①利用决策图直观地选出聚类中心和聚类数目;②算法可以自动分离噪声点,对噪声不敏感。在重构单模态信号时,利用可以快速重构稀疏信号的SL0算法,重构出单模态时频域信号,提取出各阶模态频率。通过振动结构仿真算例验证了该方法的有效性。     

基于k-均值的文本聚类算法及改进

本文提出了k-means聚类算法中选取初始聚类中心及处理孤立点的新方法,改进了k-means算法对初始聚类中心和孤立点文本很敏感的不足之处,并将改进后的算法应用于中文文本聚类中。实验结果表明,改进的算法较原算法在准确率上有较大提高,并且具有更好的稳定性。     

基于FSDPC_Otsu算法的滚动轴承故障研究

针对振动源数未知且观测信号小于振动源数量的欠定盲源问题,提出一种改进快速寻找密度峰值聚类(FSDPC)的方法。首先将混合信号投影到多维空间上并计算每点的密度值,在此基础上利用最大类间方差法(Otsu)对点密度进行阈值分割,去除干扰点对聚类准确率的影响;然后根据数据的密度峰值确定聚类中心,估计混合矩阵;最后通过L1范数最小化对混合信号进行分离并进行包络谱分析,实现轴承故障诊断。FSDPC_Otsu方法可在源数和聚类中心初值未知的条件下估计混合矩阵,且保证混合矩阵精度。实验结果表明,应用FSDPC_Otsu方法的稀疏成分分析能够对轴承多故障信号进行欠定盲分离,进而实现故障识别与诊断。     

基于盲解卷积和聚类的机械弱冲击声信号提取

针对对比函数和紧缩方法的时域盲解卷积算法在分离机械弱冲击信号时,其结果易受解卷积滤波器长度影响的缺点,提出结合分层聚类的改进算法.该算法通过设置一个变长度滤波器组,对获得的多个盲解卷积结果进行聚类分析,解决了单次盲解卷积结果不确定问题,获得了可靠性高的估计信号.计算机仿真和实际环境下故障轴承声信号提取实验验证了算法的有效性.     

起伏背景下目标噪声线谱检测与频率估计

针对传统的水下目标辐射噪声线谱检测与频率估计方法所存在的不足,提出一种起伏背景下的水下目标辐射噪声线谱检测与线谱频率估计的方法。通过对观测数据的预处理,滤除目标辐射噪声起伏趋势项,再分别使用FFT方法和修正的Newton-Raphson迭代法来实现对目标辐射噪声线谱频率的粗略估计和精确估计。仿真结罘表明,该方法计算量较少,提高了检测概率和频率估计精度,且频率估计值的均方根误差较传统的周期图方法更接近Cramer-Rao界。     

Deinterleaving of radar signals and PRF identification algorithms

Electronic warfare (EW) receivers are passive receivers which receive emissions from other platforms, and do certain analysis on these emissions. Some EW receivers receive radar pulses, measure the parameter of each pulse received and group the pulses that belongs to the same emitter together to determine the radar parameters for each emitter. These parameters are then compared with values stored for known radar types, to identify the emitter type. Two parts are focused, emitters deinterleaving and PRF-type identification. The deinterleaving is done through parameters clustering. Two parameters are selected for clustering direction of arrival and radio frequency. A self-organising neural network called Fuzzy ART is proposed for clustering. This algorithm has a very good clustering quality and can run in real-time applications.The PRF-type identification is done through time-of-arrival (TOA) analysis. Three previously presented algorithms are combined in new scheme to do the TOA analysis (or PRF-type identification). These algorithms are difference TOA histogram, TOA folding histogram and sequence search algorithm. The complete proposed system has been tested using three different tests. These tests are simple PRI test, jittered PRI test and staggered PRI test. The proposed system identifies up to 90 simple emitters, 20 jittered emitters and 20 staggered emitters. In all tests, the data were simulated and generated using software.     

基于改进确定-随机子空间算法的桥梁结构模态参数识别

为了实现桥梁结构模态参数的智能化在线跟踪识别,提出了一种基于滑窗技术、模糊C均值聚类算法与确定-随机子空间算法的时域识别(SC-CDSI)算法.对桥梁结构的输入信号和输出信号进行加窗划分处理,分析了窗函数、窗口大小及窗口步长的确定标准;将频率、阻尼比及模态振型作为模糊C均值聚类算法的聚类元素完成对稳定图中有效模态的智能...     

一般阵列误差情况下信号二维方向角和多普勒频率的联合估计

针对平面阵列，推导出基于一般阵列误差模型的信号时空DOA矩阵，采用总体最小二乘法（TLS）估计出多个信号的方位角。俯仰角和多普勒频率，解决了大多数估计算法的性能因阵列误差而严重下降和“频率兼并”问题。此算法对噪声不敏感，不需进行谱峰搜索，仿真结果表明了此算法的有效性。     

基于分数阶傅里叶变换的水声信道参数估计

准确估计水声信道参数,对提高通信系统的性能有着重要的意义。Chirp脉冲有良好的相关性,常被用作信道探测信号。鉴于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)对chirp类信号的处理特性,用chirp信号作为测量信号,FRFT作为后端处理技术,可以得到很好的处理效果。研究了基于FRFT的水声信道多途时延和多普勒频偏参数估计的原理和方法,该方法通过发射具有正、负调频斜率的组合线性调频信号,在接收端根据FRFT幅值输出的峰值位置估计信道参数。仿真结果表明,此方法计算量与FFT相当,且有较高的估计精度。     

自适应局部独立分量分析

提出一种自适应局部独立分量分析降噪算法。该算法先将一维时间序列重构到高维相空间,用聚集模糊K均值聚类和聚类评价函数求取高维数据集的聚类个数和聚类中心位置,然后利用K均值聚类寻找局部投影区间,对每个聚类进行独立分量分析并投影到低维空间,将低维空间数据排列并重构成一维时间序列。与使用聚类的局部独立分量分析相比,该算法具有自适应性和稳定性。使用数值仿真试验和齿轮故障信号对该算法进行验证,结果表明该算法对此类信号具有良好的降噪效果。     

修正倒谱和动态规划的基频估计算法

基音频率是语音信号处理中的一个重要参数。倍频、半频错误以及清浊音判决的可靠性等问题一直是基频估计中的难点问题。在对语音信号的倒谱进行适当修正的基础上,提出了一种高精度的基频估计算法。该算法根据倒谱、短时能量和短时过零率在清音段和浊音段的不同表现,构造了一个清浊音判决函数,大大提高了清浊音判决精度;然后利用动态规划技术进行基频跟踪。在构造代价函数时．充分考虑了基频连续性的影响,从而使该算法既能有效地避免倍频和半频错误,又能体现出基频的自然加倍和减半。通过与现有的几种效果较好的方法进行对比实验,结果表明该算法具有准确率高、基频轨迹平滑的优点,利用该算法得到的基频轨迹基本不需要进行后期平滑处理。     

Forty-Sixth Annual Exhibition of the Institute of Physics and the Physical Society

Abstract

The frequency histogram of connected elements (FHCE) is a recently proposed algorithm that has successfully been applied in various medical image segmentation tasks. The FHCE is based on the idea that most pixels belong to the same class as their neighbouring pixels. However, the FHCE performance relies to a great extent on the optimal selection of a threshold parameter. Since evaluating segmentation results is a highly subjective process, a collection of threshold values must typically be examined. No algorithm has been proposed to automate the determination of the threshold parameter value of the FHCE. This study presents a method based on the fuzzy C-means clustering algorithm, designed to automatically generate optimal threshold values for the FHCE. This new approach was applied as a part of a structured sequence of image processing steps in order to facilitate segmentation of microcalcifications in digitized mammograms. A unique threshold value was generated for each mammogram, taking into account the different grey-level patterns based on different compositions of various breast tissues in it. The segmentation algorithm was tested on 100 mammograms (50 collected from the Mammographic Image Analysis Society and 50 normal mammograms onto which a number of simulated microcalcifications were generated). The algorithm was able to detect subtle microcalcifications with sensitivity ranging from 93 to 98%, False alarm ratio from 3 to 5% and false negatives variability from 2 to 3%.     

Tissue characterization based on scatterer number density estimation

The authors propose a robust model for characterizing the statistical nature of signals obtained from ultrasonic backscatter processes. The model can accommodate frequency-dependent attenuation, spatially varying media statistics, arbitrary beam geometries, and arbitrary pulse shapes. On the basis of this model, statistical schemes are proposed for estimating the scatterer number density (SND) of tissues. The algorithm for estimating the scatterer number incorporates measurements of both the statistical moments of the backscattered signals and the point spread function of the acoustic system. The number density algorithm has been applied to waveforms obtained from ultrasonic phantoms with known number densities and in vitro mammalian tissues. There is an excellent agreement among theoretical, histological, and experimental results. The application of this technique for noninvasive clinical tissue characterization is discussed.