面向卷积混叠环境下的盲源分离新方法

卷积混叠环境下的盲源分离(Blind source separation, BSS)是一个极具挑战性和实际意义的问题.本文在独立分量分析框架下,建立非负矩阵分解(Nonnegative matrix factorization, NMF)模型,设计新的优化目标函数,通过严格的数学理论推导,得到新的模型参数更新规则;并对解混叠矩阵进行标准化处理,避免幅度歧义性问题;在源信号的重构阶段,通过实时更新非负矩阵分解模型参数,避免源信号的排序歧义性问题.实验结果验证了所提算法在分离中英文语音混叠信号、音乐混叠信号时的有效性和优越性.     

抽真空对独立外缸低压模块端汽封间隙的影响分析

以某独立外缸结构汽轮机低压模块为研究对象,对低压内缸及汽封体等部件在抽真空阶段的变形进行了分析和计算。为了理清抽真空阶段所受的重力、真空力、热影响等因素对低压端汽封间隙的影响,分步骤施加以上3种载荷进行有限元分析。结果表明:在重力作用下,低压内缸产生整体下沉两头上翘的变形;在真空力作用下,端汽封随汽缸进一步下沉,底部间隙变大;在投低压缸喷水情况下,高温轴封蒸汽对端汽封及低压内缸加热,端汽封随汽缸整体抬升,底部间隙减小;在真空力、热影响联合作用下,端汽封底部间隙减小0.061~0.105 mm;在投入喷水情况下,整个抽真空阶段对低压端汽封间隙的影响并不大。     

独立型虚拟同步化微电网分布式无功-电压二级控制策略

针对独立型虚拟同步化微电网无功-电压控制的初级调节特性,在虚拟同步控制技术的基础上,提出了一种计及虚拟同步变流器剩余无功容量的独立微电网分布式无功-电压二级控制策略。该策略以提高系统无功容量利用率及平均电压水平为目标,通过相邻虚拟同步机控制器间的分布式稀疏通信,实现系统平均无功标幺值及端口平均电压值评估。在此基础上,通过所提分布式二级控制器得到虚拟同步变流器无功-电压下垂参数的最优参考值,从而实现无功功率最优分配与电压调节,在提高系统无功容量利用率的同时改善电能质量。基于MATLAB/Simulink搭建独立型虚拟同步化微电网模型,通过仿真验证了所提策略的有效性及其相较于传统无功-电压调节策略的优越性。     

基于Bank Swap的STM32软件升级方案

针对STM32软件升级介绍了一种组合方式的新思路,通过将MCU片内Flash地址进行重新编排,采用将传统的独立BootLoader与MCU中提供的Bank Swap进行整合的升级方式,在保障开发过程中代码量不会溢出的情况下进行过渡,实现了设备在升级的过程中不打断正常运行的特性,满足了设备开发调试以及后续运维的设计需求.     

光伏电站直流单导线载波通信信号提取方法

由于传统方法在实际应用中对于光伏电站直流单导线载波通信信号提取得不够全面,提取率较低,为此提出光伏电站直流单导线载波通信信号提取方法。使用GUHN-2554无线传感器读取到载波机上原始通信信号;通过对原始通信信号进行经验模态分解,得到不同时间尺度下的特征参数;再根据特征参数,通过独立分量分析计算出逼近特征参数值的通信信号,将其从混淆信号中分离出来,从而完成了光伏电站直流单导线载波通信信号提取。经实验证明,应用此次设计方法可以基本全面提取到载波通信信号,提取率远高于传统方法,更适用于光伏电站直流单导线载波通信信号提取。     

基于涡流脉冲热成像的角焊缝表面裂纹检测北大核心CSCD

角焊缝裂纹是焊接结构中常见的缺陷之一,由于其所处位置特殊而常出现漏检、错检等情况。本文采用涡流脉冲热成像技术对T形角焊缝裂纹进行了研究,并提出了一种包含表面裂纹热图像前、后处理及定量检测的检验方法。首先,采用L形铁氧体磁芯对角焊缝缺陷试件进行检测,然后基于独立成分分析算法(ICA)对整个图像序列进行前处理,并提出了一种改进区域生长算法用于提取缺陷特征,最后利用所提出的检测方法对缺陷进行了定量检测和误差分析。实验结果表明,所提出的检测方法可以实现对焊缝表面裂纹的检测,抑制不均匀加热和边缘效应,改善图像分割中的欠分割和过分割现象,且检测出的缺陷长度和宽度相对误差仅为0.4%和14%。     

基于本地蒸馏联邦学习的鲁棒语音识别技术

当联邦学习（FL）算法应用于鲁棒语音识别任务时,为解决训练数据非独立同分布（Non-IID）与客户端模型缺乏个性化问题,提出基于个性化本地蒸馏的联邦学习（PLD-FLD）算法。客户端通过上行链路上传本地Logits并在中心服务器聚合后下传参数,当边缘端模型测试性能优于本地模型时,利用下载链路接收中心服务器参数,确保了本地模型的个性化与泛化性,同时将模型参数与全局Logits通过下行链路下传至客户端,实现本地蒸馏学习,解决了训练数据的Non-IID问题。在AISHELL与PERSONAL数据集上的实验结果表明,PLD-FLD算法能在模型性能与通信成本之间取得较好的平衡,面向军事装备控制任务的语音识别准确率高达91%,相比于分布式训练的FL和FLD算法具有更快的收敛速度和更强的鲁棒性。     

基于小波包和RobustICA的无线电混合信号分离

针对复杂电磁环境下无线电混合信号分离困难的问题,提出将小波包和鲁棒性独立分量分析(Robust ICA)算法应用于较低信噪比且频率接近的无线电混合信号的分离。首先用小波包分析方法对混合信号进行降噪预处理,然后采用盲源分离算法中的鲁棒性独立分量分析算法对降噪后的混合信号进行分离,通过观察分离后信号的波形和频率以及相似系数对分离结果进行定性和定量分析。所提算法与单独采用Robust ICA算法的结果对比表明:所提算法分离出的信号在波形和频率以及相似系数方面均比单独采用Robust ICA算法取得的效果好,从而证明所提算法可以较好地应用于无线电混合信号的分离。     

基于EEMD-Fast ICA-STFT的车用起动电机噪声源识别

提出基于集成经验模态分解(EEMD)、快速独立分量分析(Fast ICA)和短时傅里叶变换(STFT)的噪声源识别方法,对起动电机噪声信号进行声源识别研究。首先采用集成经验模态分解法将单一通道的电机噪声信号分解为一系列本征模态分量,随后用Fast ICA算法提取独立成分,最后利用短时傅里叶变换良好的时频分析特性,对Fast ICA分离结果进行时频分析,结合时频分析结果和电机噪声的先验知识,确定了各独立分量与电机不同噪声源的对应关系。