自适应的有效非局部图像滤波

研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足,利用梯度域奇异值分解(SVD) 提出一种自适应的有效非局部滤波方法。该方法对基于预选择的非局部滤波方法的贡献主要有:1)是一种基于图像子块结构特征的鲁棒预选择方法;2)研究了相似集大小与滤波性能的关系;3)相似子块的自动选取;4)提出一种局部自适应的滤波参数选取方法,根据图像局部内容的不同确定滤波参数。此外,利用欧氏距离的对称性进一步提高运行速度。实验结果表明:本文方法滤波后的图像在主客观方面都优于原算法和其他快速方法,且运行速度较快,是一种有效的滤波方法。     

基于等效陀螺的捷联惯导快速两位置对准仿真

研究优化惯导系统的可观性能,提高捷联惯导两位置对准的速度,有助于提高导航的准确性和快速性,将水平速度误差和等效陀螺误差作为系统观测量,提出采用静基座下快速两位置对准的新方法.在常规对准方法的基础上,建立了引入陀螺信息的观测方程,用奇异值分解方法分析了新系统可观测性,推出了第一位置可观测量的最优估计及估计误差.根据状态快速收敛的特性,提出采用PCWS方法,对加速度计和陀螺进行了有效的标定,并进行了仿真,结果证明方法有效提高加快了两位置对准的速度,能充分利用陀螺信息,有效提高了惯导系统的可观测性,缩短对准时间,具有重要的参考价值.     

面向方面在软件组件中的应用

传统的基于组件的软件开发方法大部分都集中在功能分解上,其并没有考虑到横切关注点对组件的影响。而面向方面技术就是以解决大规模系统中的横切问题为目的的,其主要是先分离出方面模块,然后再织入核心类中。文中提出了采用面向方面的编程思想,将其应用到软件组件的开发中。     

基于前景理论的风-蓄联合系统中长期电量分解模型的研究

为解决风-蓄联合系统同时参与中长期市场与日前市场的组合交易问题,提出一种考虑发电商心理特征的方法,并给出基于前景理论的风-蓄联合系统中长期电量分解模型。该模型通过构建发电商收益的价值函数衡量发电商对收益偏差的感受,运用概率权重函数描述发电商对不同场景下中长期电量分配方案的偏好,建立以前景效用值最大化为目标的风-蓄联合系统中长期电量分解模型。算例分析验证了所建模型的合理性和有效性,为发电商制定合理可行的盈利目标,提升发电企业在电力市场环境下的盈利水平提供理论依据和参考。     

GIL机械故障诊断与预警技术研究

为了有效诊断气体绝缘金属封闭输电线路(GIL)的机械故障,搭建了110 kV GIL试验平台并设计了3种典型机械故障,通过互补集合经验模态分解(CEEMD)模糊熵值与鲸鱼优化极限学习机(WOA-ELM)模型联合方法对GIL机械故障模式进行识别与诊断。首先,利用CEEMD方法对振动信号进行分解,引入正负白噪声组对信号进行处理,得到含有故障信息的模态分量(IMF)。其次,利用模糊熵计算模态分量特征值,得到能表征故障特征的模糊熵值。最后,结合WOA-ELM模型对特征向量集进行模式识别,根据聚类结果与自适应阈值对GIL设备机械故障进行诊断和预警。结果表明,利用CEEMD与模糊熵对GIL振动信号特征进行分析,可以有效避免模态混叠和冗余噪声分量的干扰,得到能够表征故障特征的特征值;利用WOA-ELM模型可以有效实现GIL设备机械故障诊断与预警。     

结合奇异值分解和二维变分模态分解的紧凑图像哈希算法

图像哈希是通过将图像提取为简短数列,从而快速地从图库中区分出与原图相似或不同图像的方法。利用奇异值分解(SVD)来分解重构减小图像信息的冗余性和二维变分模态分解(2D-VMD)可以将图像分解成一系列不同中心频率的子模态的特性,从时域和频域提取出图像的主要信息序列来构成哈希。仿真结果表明,相比于其他方法,通过SVD和2D-VMD的紧凑图像哈希算法具有较短的运行时间、较好的鲁棒性和唯一性。     

基于动态模式分解的移动用户信道容量预测算法

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解（DMD）的信道容量预测方法及其优化方法：基于经验模态分解的选择性归一化动态模式分解（ESN-DMD）.仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量.     

自适应Fourier分解思想在再生核W2 1 [a,b]空间的应用

在再生核$W_2^1[a, b]$空间中研究自适应正交贪婪分解算法, 利用能量下降最快的原理自适应性地构造出最佳$n$项逼近函数, 并从理论上证明其收敛性成立。最后, 实验验证了在$W_2^1[a, b]$再生核空间中, 利用正交贪婪原理构造的$n$项数值原函数比用等分结点构造出的最佳$n$项数值原函数收敛效果更优。     

基于门控循环单元与误差修正的短期负荷预测

针对负荷预测模型迭代训练过程中存在误差积累的问题,提出结合叠式双向门控循环单元（SBiGRU）、完整自适应噪声集成经验模态分解（CEEMDAN）和误差修正的组合预测模型. 建立SBiGRU模型学习在气温、日期类型影响下负荷序列的时序特征,误差特征体现在SBiGRU模型预测产生的误差序列中;使用CEEMDAN算法将误差序列分解为数个本征模态函数（IMF）分量与趋势分量,对每项分量再次建立SBiGRU模型进行学习与预测,并对各分量的预测值进行序列重构,得到误差的预测结果;对预测结果进行求和以修正误差. 模型评估结果表明,组合模型的预测准确精度为98.86%,与SBiGRU、BiRNN、支持向量回归等方法相比,该模型具有更好的精度.     

超声波压力检测中回波搜索算法

通过对超声波压力测量中回波信号特征的分析，提出了回波自动搜索算法。该方法把快速傅立叶变换方法和小波多分辨率信号分解相结合，精确地检测出回波的包络信号，从而准确地搜索到回波，为后续的压力信号处理及提高压力测量的精度奠定了基础。