基于模式匹配的变压器色谱基线提取方法

把模式匹配技术引入了电力变压器色谱基线提取领域;该方法的算法为:通过构造匹配色谱峰拐点峰形,沿着色谱数据滑动求构造的峰形与色谱数据段的相似性来查找起峰与止峰点,相似度大于设定的阈值的数据段存在起峰与止峰点;对起峰与止峰点进行插值,然后整个基线进行平滑处理,就获得了色谱基线。对该算法进行了实验研究,结果表明:该算法能较好地提取色谱基线。     

一种新的变压器色谱峰辨识和峰定性的优化方法

针对传统的电力变压器色谱算法所造成的峰辨识缺陷、基线漂移等问题,提出了一种基于BP神经网络的峰辨识和峰定性算法。该算法首先建立了结构为2-8-2型、学习算法为GDX的BP神经网络、然后利用该网络得到的预测值,结合峰辨识的回溯前推法和峰定性窗口区间阈值法,实现油中溶解气体在线色谱谱峰的准确辨识和定性,从而掌握变压器的工作情况。所提出的方法成功应用于某色谱工作站在线色谱实时监测过程,运行结果表明:该算法抗基线漂移性能良好,可以有效提高油色谱中小峰的识别率,取得了明显的应用成效。     

色谱信号的基线校正新技术

色谱信号的基线漂移问题严重影响了分析的准确性。本文在充分利用小波函数的优良性能基础上，综合运用曲线拟合与阈值截断技术，首次提出了用于色谱信号摹线校正的阈值拟合技术(TFT).该技术能将信号中的漂移基线准确提取出来并对原信号进行校正，大大提高了分析的精度。该方法操作简单，结果准确，人灯因素影响小，能使基线漂移问题得以有效解决。     

基于双树复小波的色谱重叠峰分解方法研究

针对色谱分析中重叠峰的分解问题,提出一种基于双树复小波变换的色谱重叠峰分解方法。首先深入研究了双树复小波变换相较于离散小波变换的优越性;然后利用双树复小波变换分解与重构模拟色谱信号,计算分离度、峰位和峰面积,与离散小波变换的结果对比,并对噪声信号进行测试;最后利用双树复小波变换分解与重构实验所测得的色谱信号。实验结果表明,双树复小波分解色谱重叠峰比一般的实数小波准确,能够有效地分离重叠峰,分解后峰形平滑对称未发生畸变,峰位相对误差与峰面积相对误差较小,适合定性定量分析。     

一种改进的非对称最小二乘基线校正算法

红外光谱在采集过程中,由于外界环境条件以及仪器的影响,采集谱图会出现一定程度的基线漂移。为消除漂移基线的影响,提出了一种改进的非对称最小二乘基线校正算法。算法在非对称最小二乘基础上加入一阶导数约束项,并利用直方图背景估计方法的计算值作为基线的初始值,通过迭代地求解,得到最终的基线。所得基线平滑性好,并能保证在原始谱图下方。仿真和真实光谱数据实验表明,所提出的算法在保持峰位和峰形不变的同时,有效地消除了谱图的基线,取得了较好的效果。     

复合信号的分辨新技术

将样条小波变换技术用于分辨复合信号,以选定的分辨因子作用于样条小波滤波器。使之成为峰分辨器,用它来直接处理复合信号,取得了较好的结果,被处理峰可达到基线分离,且峰位置的相对误差小于３．０％,峰面积的相对误差小于５．０％,方法简便易行;讨论了各种影响分峰效果的因素,包括不同的分辨因子及样条小波基等。并应用于铅－铊体系的处理以验证该方法。     

一种利用小波变换逼近信号滤除心电图基线漂移的方法

该文提出了一种利用小波变换逼近信号滤除心电图(ECG)基线漂移的方法。该方法的基本思想是:通过对ECG信号进行多尺度分解,利用分解后所得的逼近信号充分逼近ECG中的基线漂移噪声的特性,从而滤除ECG中的基线漂移分量。将该方法应用于MIT-BIHDatabase眼1演提供的30分钟的真实ECG记录上,结果显示该方法能较好地滤除ECG基线漂移,且对信号的其他成分损害较小。     

一种消除脑血流信号中基线漂移的新方法

目的:目前消除脑血流信号中基线漂移的很多方法在实际测量过程中很难取得理想的滤波效果,本文提出了一种基于三次样条插值技术消除基线漂移的方法.方法:首先检测出脑血流信号中的特征点,然后根据检测出来的特征点利用三次样条插值技术拟合出漂移的基线,再把原始的脑血流信号与拟合的漂移基线相减,就能得到比较平稳的脑血流信号.结果:在LabVIEW软件开发平台中实现了去基线漂移处理,也进行了仿真实验和临床测试.都取得了较理想的效果.结论:这种基线消除方法效果好、速度快、易于实现,它在有嵌入式微处理器和对实时性要求较高的脑电监护仪器中具有很高的应用价值,在其它的信号检测仪中也可应用.     

基于离散点与小波重构SnO_2信号的新方法

提出了基于离散漂移点识别色谱基线校正的新方法,并结合小波变换去噪声技术,实现了色谱信号基线重构和噪声滤除。该方法不仅适合于色谱信号的离线处理,也适合于在线实时处理。并在以SnO2半导体金属氧化物气体传感器为检测器的便携式气相色谱仪上得到了应用,实现了总挥发性有机化合物(TVOC)检测分析中谱图的基线实时校正和噪声抑制,获得了满意的结果。     

一种基于倾斜时间窗口的时间序列偏向最近模式匹配算法

提出一种时间序列偏向最近模式匹配算法；这种算法通过定义一种偏向最近距离及采用倾斜时间窗口Haar小波变换高层数据表示方法，实现时间序列偏向最近模式无遗漏高效查询.理论分析与实验验证证明了该方法的有效性．     

Exploiting detected visual objects for frame-level video filtering

Videos are generated at an unprecedented speed on the web. To improve the efficiency of access, developing new ways to filter the videos becomes a popular research topic. One on-going direction is using visual objects to perform frame-level video filtering. Under this direction, existing works create the unique object table and the occurrence table to maintain the connections between videos and objects. However, the creation process is not scalable and dynamic because it heavily depends on human labeling. To improve this, we propose to use detected visual objects to create these two tables for frame-level video filtering. Our study begins with investigating the existing object detection techniques. After that, we find object detection lacks the identification and connection abilities to accomplish the creation process alone. To supply these abilities, we further investigate three candidates, namely, recognizing-based, matching-based and tracking-based methods, to work with the object detection. Through analyzing the mechanism and evaluating the accuracy, we find that they are imperfect for identifying or connecting the visual objects. Accordingly, we propose a novel hybrid method that combines the matching-based and tracking-based methods to overcome the limitations. Our experiments show that the proposed method achieves higher accuracy and efficiency than the candidate methods. The subsequent analysis shows that the proposed method can efficiently support the frame-level video filtering using visual objects.     

Subband entropy-based features for clothing invariant human gait recognition

This paper presents a wavelet-based feature extraction method for human gait recognition. The selection of features with most discriminative information is the key to improve recognition performance. The frequency domain representation of the gait image is obtained by using fast Fourier transforms. Next, a discrete wavelet transform is applied to the obtained spectrum. With single-level wavelet decomposition, four coefficients are generated. The sum of the entropy of these four wavelet coefficients is computed yielding the wavelet Entropy Image (wEnI) which is used here as the potential feature for human gait recognition. A template matching-based approach is used as the classification. The performance of the proposed wEnI feature is evaluated using whole-based and part-based methods. The experimental results show that the wEnI feature performs better compared to state-of-the-art gait features in common use.     

The determination of peaks in biological waveforms

A method to determine the primary peaks of a waveform, in the presence of noise and a drifting baseline, is proposed. The method is based on a definition of a peak in terms of its height relative to adjacent valleys. Two algorithms to determine the set of primary peaks are presented. Some theoretical results, which ensure the stability of the algorithms, are given. The approach is illustrated by the analysis of chromatogram peaks.     

联合同步挤压小波变换和多尺度排列熵的局部放电类型识别

为稳定提取变压器局部放电信号的特征,提出一种基于同步挤压小波变换和多尺度排列熵的局部放电特征提取方法,再通过ＧＫ模糊聚类方法对局部放电信号的特征进行识别分类。首先,通过同步挤压小波变换对4种典型变压器故障产生的局部放电信号进行分解,将其分解为一组含有局部放电特征信息的模态分量;然后,通过多尺度排列熵量化各模态分量的局部放电特征信息,使用各模态分量多尺度排列熵的平均值作为识别特征向量;最后,利用模糊聚类得到的局部放电样本标准聚类中心,采用欧式贴近度进行局部放电识别分类。将提出的方法应用于变压器局部放电的实验数据上,并与基于小波分解方法和经验模态分解的识别方法进行对比分析,实验结果表明,所提出的方法具有更好的分类性,对变压器局部放电分类具有更高的识别精度,平均识别精度达到93.60%。     

CEEMDAN在变压器振动信号提取中的应用

有效提取变压器振动信息对于识别变压器运行状态具有重要的现实意义.本文提出一种基于自适应白噪声完整集成经验模态分解(CEEMDAN)的变压器振动信号分析方法.论文首先采用CEEMDAN将原始变压器振动信号分解成有限的固有模态分量(IMF),之后利用相关系数(CC)提取有效的IMF分量.最后,将提取出的有效IMF分量进行信...     

基于模态参数及小波变换的旋转梁结构损伤识别

本文采用旋转悬臂梁模型模拟旋翼直升机桨叶结构,并对其开展损伤识别问题研究.首先,基于有限元方法,采用Hamilton变分原理,建立旋转结构的动力学模型,通过对比理论和实验的结果验证模型的正确性.其次,利用不同模态参数(位移模态、应变模态)对旋转悬臂梁结构进行损伤识别研究.最后,针对位移模态,基于小波变换的奇异性分析特性,研究通过小波系数辅助损伤识别的方法.计算结果表明,对于旋转结构,应变模态的损伤识别效果较好,而位移模态若结合小波变换的奇异性分析,同样可以实现较为准确的损伤识别效果.     

基于语言模型词嵌入和注意力机制的敏感信息检测方法

针对基于关键词字符匹配和短语级情感分析等传统敏感信息检测方法准确率低和泛化性差的问题,提出了一种基于语言模型词嵌入和注意力机制（A-ELMo）的敏感信息检测方法。首先,进行字典树快速匹配,以最大限度地减少无用字符的比较,从而极大地提高查询效率;其次,构建了一个语言模型词嵌入模型（ELMo）进行语境分析,并通过动态词向量充分表征语境特征,从而实现较高的可扩展性;最后,结合注意力机制加强模型对敏感特征的识别度,从而进一步提升对敏感信息的检测率。在由多个网络数据源构成的真实数据集上进行实验,结果表明,所提敏感信息检测方法与基于短语级情感分析的方法相比,准确率提升了13.3个百分点;与基于关键字匹配的方法相比,准确率提升了43.5个百分点,充分验证了所提方法在加强敏感特征识别度、提高敏感信息检测率方面的优越性。     

基于心电图的身份识别方法

针对当前心电图(ECG)身份识别中存在的小样本、多特征点检测问题,提出基于小波变换和动态时间规整(DTW)相结合的方法.利用小波变换对ECG信号进行预处理并提取R波峰值点,提取并保存肢导联QRS波及心拍模板,根据QRS波测试数据与各QRS波模板间的相关性分析以及阈值条件缩小身份识别范围,采用 DTW算法确定心拍测试数据...     

基于Tsallis小波熵的变压器励磁涌流识别方法

针对变压器励磁涌流和内部故障电流识别的热点问题,为了有效克服香农熵在对信号的小波分解系数进行特征提取时具有局限性的缺陷,达到提高识别的有效性和快速性的目的。提出了基于Tsallis小波能量熵和时间熵判据的变压器励磁涌流和内部故障电流的识别新方法。该方法将小波分析与Tsallis熵结合对变压器暂态信号进行分析,在小波能量谱的基础上,得到Tsallis小波能量熵判据,并根据时间熵的定义得到Tsallis小波时间熵判据,综合利用两种判据对暂态信号进行识别。该方法不仅可以成功识别励磁涌流,并且提高了识别的准确性、可靠性和灵敏性。MATLAB/Simulink仿真实验结果验证了所提方法的有效性和准确性。