一种基于盲源分离的眼电伪迹自动去除方法

为解决传统盲源分离算法(BSS)用于眼电伪迹去除大都存在伪迹过估计、需要人为辨别伪迹成分而不适合在线应用的不足,提出一种基于BSS算法的眼电伪迹自动去除方法.利用BSS算法对脑电信号进行分离得到独立成分,以相关系数作为判据,针对垂直眼电(VEOG)和水平眼电(HEOG)的各自特点确定不同的时间窗,寻找最优成分组合标定眨眼或眼动活动发生的时域区间,将找到的存在伪迹的成分区间置零并重建脑电(EEG)信号.通过真实P300脑电数据实验的结果表明:该方法能有效地自动去除眼电伪迹,且处理过程简单易行,克服了眼电伪迹过估计等问题.算法重建EEG信号与原始脑电(EEG)信号的平均相关系数分别从0.851 3和0.900 6提高到0.923 7,而均方误差分别减少了19.3%和16.6%,适合在线应用.     

规范状态空间系统辨识方法

因为状态空间模型既包含了未知状态,又包含了未知参数,且二者是非线性乘积关系,使得辨识问题变得复杂.针对这一问题,详细研究了规范状态空间系统的状态与参数联合估计方法.采用交互估计理论,即采用递推方法或迭代方法实现系统状态与参数的交互估计.基本思路是在计算参数估计时,辨识算法信息向量中的未知状态用其估计值代替,然后利用获得的参数估计,设计基于参数估计的状态观测器或基于参数估计的Kalman滤波算法估计系统的状态,二者形成一个交互计算过程(递阶计算过程).沿着这条思路,分别从递推方案和迭代方案,研究和提出了基于状态观测器和基于Kalman滤波状态估计的随机梯度辨识算法、递推最小二乘辨识算法、多新息随机梯度辨识算法、多新息最小二乘辨识算法,以及模型分解的辨识算法,并给出了几个典型算法的计算步骤、流程图和计算量.     

基于基展开模型的时变信道阶数和径数盲估计

针对基展开模型的时变信道阶数和径数盲估计问题,采用了一种子空间投影算法来进行估计。该算法充分利用输入子空间和输出子空间具有的同构关系,将当前的观测数据投影到由过去和将来的观测数据所张成的子空间,其投影误差矩阵包含了时变信道的阶数和径数信息,进而可通过求投影误差矩阵的秩和范数来估计信道阶数和径数。仿真表明,与MDL、AIC和Liavas准则相比,该算法可在较低的信噪比下实现时变信道的阶数估计。     

一种改进的基于秩检测的信道有效阶数估计算法

信道阶数估计是SOS类盲辨识算法的前端步骤。针对Liavas阶数估计算法对信噪比要求高的问题,通过对接收序列自相关矩阵进行"降噪"处理和改进秩检测目标函数,提出一种改进算法,有效降低了对信噪比的要求。分析了在不同信道条件下,各种阶数估计算法的性能,阐明随着信噪比降低,阶数估计误差不可避免,该结论是进一步研究对阶数估计误差鲁棒的盲辨识算法的重要依据。     

煤质活性炭活化炉尾气余热利用与节能减排研究

煤质活性炭在生产过程中由活化炉产生的活化尾气,长期以来被认为没有污染而直接排放.通过对活化尾气进行监测,确定其含有一氧化碳等可燃有害污染物.利用活化尾气通过焚烧+余热利用的方式生产蒸气,并回用于活化工段,替代现有蒸气锅炉,节能减排效果显著.     

锅炉炉膛结渣的原因和对安全运行的影响分析

本文主要从锅炉结渣的危害、引起锅炉结渣的原因和锅炉结渣的防范措施这三个方面讨论了电厂燃煤锅炉结渣的问题。     

煤质变化对锅炉燃烧影响及应对措施

近年来由于煤炭行业矿难频发,国家对煤矿的整顿进二步加大力度,随着克拉玛依周边小煤矿的关停,供热公司的煤炭供应日趋紧张,煤源由原来单一的和丰煤矿转向为以和丰、铁厂沟、大红沟等为主的煤矿,煤炭质量较以往有很大的变化,煤种杂、煤质差,煤种质量严重偏离锅炉的设计煤种,引发了各供热车间司炉工劳动强度明显加大,锅炉及辅助设备故障显著增加,职工工作环境有所恶化,环境保护工作难度更加突出,造成锅炉燃烧运行困难,锅炉出口温度不能这标,严重影响了城市居民的正常供热。     

一类有色噪声干扰下的随机时变系统学习辨识

讨论由一类时变ARMAX模型描述的动态系统学习辨识问题,提出用于估计有限区间上重复运行时变系统时变参数的学习算法.文中给出最小二乘学习算法的具体形式及实现步骤,并分析所提出学习算法的收敛性.分析结果表明,当重复持续激励条件成立且满足严格正实条件时,提出的学习算法具有重复一致性,即参数估值完全收敛于真值.文中还将结果推广到一类周期时变系统.通过数值仿真,进一步对所提学习算法的有效性进行了验证.     

基于目标函数的递推子空间辨识算法

针对实际工程中要求对系统参数进行在线估计的问题, 提出一种递推子空间辨识的新方法. 通过引入辅助变量关系将递推子空间辨识问题转化为目标函数的迭代最小化问题. 采用递推最小二乘算法在线估计参数并由传播方法得到更新的广义能观性矩阵, 进而求得子空间辨识模型系统参数. 该算法简单有效且对初值具有鲁棒性. 最后, 通过仿真实例验证算法的有效性.     

基于模式分类的图像区域作伪检测

为了鉴别一幅数字图像是否存在作伪的区域,提出一种利用改进的图像特征进行区域作伪检测的算法.基于模式分类的思想,该方法把图像分割成适当大小的块,从图像块中提取特征数据,用SVM分类器训练数据并得到支持向量机模型,利用该模型检测嫌疑图片是否存在作伪.该算法从噪声相关性、残差噪声、图像质量、小波域等方面分析相机图片的特点,获取每种的统计特征,形成特征集.实验结果表明,该方法能有效地检测出图像的具体作伪区域.