公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

一种优化的VMD算法及其在语音信号去噪中的应用被引量：17: 2021年; 针对非连续、非平稳语音信号中含有噪声的问题,提出一种基于参数优化的变分模态分解去噪算法.首先,利用灰狼优化算法搜寻变分模态分解算法的最优分解参数组合分解模态数K和惩罚因子α,通过使用获得的参数组合分解语音信号以获得K个特征模态函数分量IMF;其次,利用相关系数选择有效模态分量,并用小波阈值处理无效模态分量;最后,重构小波阈值处理后的模态分量和有效模态分量以对语音信号进行去噪.实验结果表明,该算法与其他经典算法相比能有效提升信噪比,降低均方误差,提高语音信号的质量.; 李宏李定文朱海琦田雷李富; 关键词：语音信号小波阈值

基于双度量约束的拉普拉斯特征映射: 2021年; 针对传统的拉普拉斯特征映射(LE:Laplacian Eigenmaps)算法采用欧氏距离度量样本点之间的位置关系只适用于线性数据集,但实际工程中的数据常表现出强烈的非线性导致最终的嵌入结果难以反映出原始数据的本质特征问题,提出了一种基于双度量约束的拉普拉斯特征映射(D-LE:Double metric constraint Laplace Eigenmaps)的算法。该算法采用余弦相似性评估样本间的相似性,并融合样本间以及样本与局部流形的度量关系,构建降维模型。通过在3个轴承数据集上进行实验,实验结果表明,该方法对处理非线性数据集能明显提高降维效果。; 李宏齐涵刘庆强李富吴丽; 关键词：拉普拉斯特征映射轴承故障诊断

基于生成对抗网络的单图像超分辨率重建被引量：11: 2021年; 针对当前卷积神经网络未能充分利用浅层特征信息,并难以捕获各特征通道间的依赖关系、丢失高频信息的问题,提出一种新的生成对抗网络用于图像超分辨率重建.首先,在生成器中引入WDSR-B残差块充分提取浅层特征信息;其次,将GCNet模块和像素注意力机制相结合加入到生成器和鉴别器中,学习各特征通道的重要程度和高频信息;最后,采用谱归一化代替不利于图像超分辨率的批规范化,减少计算开销,稳定训练.实验结果表明,该算法与其他经典算法相比能有效提高浅层特征信息的利用率,较好地重建出图像的细节信息和几何特征,提高超分辨率图像的质量.; 朱海琦李宏李定文李富; 关键词：图像超分辨率

多信息融合的LPP算法: 2023年; 针对原始局部保持投影(LPP:Local Preserving Projection)算法难以准确获取非均匀高维数据的局部流形结构且未利用样本类别信息的缺陷,提出一种多信息融合的局部保持投影算法(MIF-LPP:Multi-Information Fusion Local Preserving Projection)。该算法使用改进后的标准欧氏距离获取样本的近邻和互邻信息,降低了样本点分布不均和不同维度数据量纲差异的影响。通过融合样本的类别信息构造权值矩阵,进而获得数据的低维本质流形。最后,分别在CWRU(Case Western Reserve University)数据集和本实验室轴承数据集上验证该算法的有效性。实验结果表明,MIF-LPP算法的特征提取性能明显优于其他算法,并且对邻域值具有鲁棒性。; 李宏段文强李富; 关键词：局部保持投影轴承故障诊断

基于熵权距离的图正则局部线性嵌入算法: 2023年; 针对局部线性嵌入(Locally Linear Embedding,LLE)算法在挖掘数据结构时未考虑特征权重且仅局限于数据的线性拟合关系,导致特征提取效果不佳的问题,提出一种基于熵权距离的图正则局部线性嵌入(Graph Regular Local Linear Embedding Algorithm Based on Entropy Weight Distance,EWD-GLLE)算法。首先,采用信息熵加权的余弦距离划分样本邻域,减小不重要特征对邻域划分的影响,提高了邻域划分的准确性;然后,利用融合热核权重与余弦权重的拉普拉斯图约束低维嵌入,以保留更多的原始数据信息,进而提取到更显著的特征。在两种轴承数据集上的实验结果表明:EWD-GLLE算法的特征提取性能明显优于LLE、LTSA、LDA算法。; 李宏王静李跃波李富; 关键词：局部线性嵌入拉普拉斯特征映射轴承故障诊断

PSO-VMD-SVD的改进去噪方法研究被引量：4: 2021年; 针对VMD(Variational Mode Decomposition)在处理信号时,模态个数K和惩罚参数α的选择会影响信号分解的效果,提出一种改进PSO(Particle Swarm Optimization)优化VMD(PSO-VMD)的算法,通过改进阈值相关系数法选择有效模态分量,根据信号分析对高频噪声进行奇异值去噪重构。对仿真信号和管道泄露信号进行实验,通过选择多个K并结合相关系数法选择模态进行重构,比较不同K对应的重构信号与原信号的信噪比(SNR:Signal to Noise Ratio)、相关系数(CC:Coefficient)、平方绝对误差(SAE:Square Absolute Error)、均方误差(MSE:Mean Square Error)证明改进PSO优化VMD的可靠性。将该方法与改进的PSO-VMD结合豪斯特夫距离和奇异值(HD-SVD:Hustoff Distance-Singular Value Decompositio)、互信息和奇异值(MI-SVD:Mutual Information-Singular Value Decompositio)、相关系数和小波变换(CC-WT:Correlation Coefficient-Wavelet Transform)等方法对比,效果更佳。; 杜颖李宏刘庆强路敬祎李富; 关键词：奇异值去噪

SG-VMD-SVD的信号去噪方法研究被引量：5: 2021年; 油气管道信号泄漏检测易受噪声影响,因此去噪成了关键问题。为了提高对油气管道信号的去噪效果,提出了一种基于Savitzky-Golay平滑滤波、变分模态分解(VMD:Variational Mode Decomposition)和频域奇异值分解(SVD:Singular Value Decomposition)去噪相结合的油气管道信号的联合去噪方法。首先,针对泄漏信号在时域利用SG平滑滤波降噪,去除尖脉冲、高频成分等噪声,提高输入信号的信噪比;将滤波后的信号利用VMD分解,通过计算各个本征模态分量(IMF:Intrinsic Mode Function)与信号之间的曼哈顿距离,从而区分信号分量与噪声分量,对噪声分量进行频域奇异值(SVD)去噪,最后将滤波后的分量与信号分量进行重构,得到最终降噪后的信号。通过仿真和实际实验表明,该方法与单一VMD法、VMD-小波变换、SG-VMD-时域SVD去噪方法相比,去噪后所得信号信噪比相对较高,并验证了该方法去噪效果的优越性和对油气管道泄漏信号去噪的可行性。; 李宏褚丽鑫刘庆强路敬祎李富

全选清除导出

共1页<1>

李富