摘要:脑-机接口系统(brain-computer interface,BCI)是一种将大脑活动信息直接转换为人工输出的系统,允许用户通过思维 活动直接控制外部设备。 脑电图技术(electroencephalogram,EEG)可以实时获取大脑活动产生的神经生理电信息,具有无创、低 廉、高时间分辨率等优点,是 BCI 获取大脑活动信息的主流方式之一。 脑电 BCI 系统具有脑电信号采集、处理和输出结果的功 能,能够诱发特征脑电,并控制外部设备,在康复、医疗诊断和神经科学研究等领域具有巨大的应用价值。 随着脑电 BCI 系统应 用需求不断增加,确保其快速高效地部署和应用的技术越来越重要。 结合近些年脑电 BCI 系统研究和应用,综合论述目前用于 开发脑电采集和编解码的硬件和软件平台的技术,分析归纳其当前现状与未来趋势,以促进开发脑电 BCI 系统软硬件平台的有 效发展。

摘要:为了提高肌肉的疲劳检测效果,提出了一种双传感融合的方式来弥补单传感模式下信息容易丢失的不足。 该方式将表 面肌电信号的时频域特征与 A 型超声信号的肌肉厚度特征多维度融合,实现了双传感疲劳检测新模式。 采用支持向量机和神 经网络多模型训练,表面肌电信号与 A 型超声双传感融合在 3 种疲劳状态下的检测准确率可以达到 85%以上。 相较于仅仅使 用表面肌电信号的时频域特征(76. 99%)与 A 型超声的肌肉厚度(74. 87%)进行疲劳检测,准确率提升了 8% ~ 13%。 结果表明 对于疲劳检测,表面肌电信号与超声信号双传感融合模式比单传感模式更加准确有效。

摘要:针对复杂的环境背景下不良信息的快速准确检测问题,提出了基于快速序列视觉呈现( rapid serial visual presentation, RSVP)的面向不良信息检测人机协作系统。 首先利用快速佩戴便携式采集系统采集了 12 名受试者的脑电数据;然后采用 Mallat 算法提取较低维度的时频特征,使用人工神经网络(ANN)和支持向量机(SVM)两种模型分类对比;最后在训练集中引入 不同次数的叠加平均数据以改善模型的分类性能。 实验结果表明,在含有 3 个目标的 60 张图像中平均正确输出至少 2 张目 标,AUC 值达到了 0. 9。 该系统在小批量数据集、环境变化复杂的不良图像信息检测中有着良好的性能,相较于人工检测提高 了效率。

摘要:经颅交流电刺激( transcranial alternating current stimulation, tACS) 是一种应用广泛的无创脑刺激方法。 由于非线性 tACS 伪迹的干扰,很难直接获取刺激时神经电活动的真实情况。 为此,提出一种自适应变分模式分解( adaptive variational mode decomposition, AVMD)方法用于去除非线性 tACS 伪迹。 该方法利用希尔伯特变换(Hilbert transform, HT)提取伪迹包络,然后 利用窗口傅里叶变换(window Fourier transform, WFT)确定 VMD 分解的模态数。 再利用 VMD 分解原始数据得到多个本征模态 信号。 最后根据各模态信号的幅度特征重构真实脑电成分。 在模拟数据和公开实验数据上测试 AVMD 方法的性能,分别采用 重构脑电与真实脑电之间的相关系数(模拟数据)以及重构脑电和 sham 脑电统计特征的平均绝对误差(实验数据)进行方法性 能评价。 结果表明,对于模拟数据,在调幅深度 ma∈[0. 001,0. 01]、相位调制深度 mp∈[0. 001,0. 01]和刺激频率 f arti∈[10, 100]的条件下,重构脑电和真实脑电的平均相关系数分别为 0. 988 5、0. 893 5 和 0. 948 4。 对于实验数据,重构脑电和 sham 脑 电之间统计特征的平均绝对误差在刺激频率为 11 Hz 时分别为 0. 989 6(峰度)、2. 991 8(均方根幅度)、0. 175 1(样本熵),在刺 激频率为 62 Hz 时为 0. 940 7(峰度)、2. 473 1(均方根幅度)和 0. 084 1(样本熵)。 与移动叠加平均法( superposition of moving averages, SMA)、自适应滤波法(adaptive filtering, AF)和经验模态分解法(empirical mode decomposition, EMD)相比,AVMD 方法 表现出更稳定更好的非线性 tACS 伪迹去除性能。 该方法的提出为闭环 tACS 刺激仪器的开发提供支持。

摘要:细胞成像及检测技术在医学研究及临床诊断领域具有重要的研究意义和应用价值,而无标记与高通量检测尤其具有挑 战。 本研究基于动态散射理论的细胞成像方法,搭建了动态散射成像系统,提出了基于谱分解的动态信号提取算法,结合机器 学习算法实现了无标记、高通量的细胞分类。 采用血细胞、EG7-OVA 肿瘤细胞、A549 肺癌肿瘤细胞进行实验验证,结果表明本 文提出的方法对血细胞与肿瘤细胞识别准确率可达 98%以上,对于血细胞、EG7-OVA 细胞和 A549 细胞之间的三分类识别率约 为 91%。 本文实现的细胞检测和分类方法具有临床应用前景。

摘要:旨在解决人工足弓指数测量精度低和效率低的缺点,提出用足底支撑面动态信息对足弓指数进行测量。 从研制的分布 力测力台中获取足跟区、脚掌外侧区和脚掌内侧区的地面反作用力的作用点轨迹,将 3 个点形成的面积 SΔ ABC 用来对支撑面信 息进行表达,获得 5 次 30 s 双足站立姿势任务的 SΔ ABC 的均值 MSΔ ABC ,作为足部的弓高指数(FAI)的关键参数。 采用组合卡尺 弓高测试方法(AHIMS)对 30 名受试者的足弓类型进行划分,对 FAI 值进行方差分析。 结果显示,FAI 值从低足弓组、正常足组 到高足弓组呈逐渐升高趋势,低足弓组与高足弓组(P<0. 001)、正常足与高足弓组(P<0. 01)之间具有显著差异。 结果表明足 底支撑面的动态信息 SΔ ABC 可以对足部的弓高指数进行表达。

摘要:肺部电阻抗层析成像(EIT)电极阵列的设计是影响系统性能与成像效果的关键因素之一,目前多在规则形状物场、等 间距分布的前提条件下对电极阵列进行优化,却并不适用于肺部不规则边界的情况。 本文提出基于深度学习的肺部电阻抗层 析成像电极阵列优化方法,以电极位置为优化目标,以重建图像相对误差、图像相关系数、敏感场分布的均匀性以及敏感场 Hessian 矩阵的条件数为网络输入,以阵列电极位置为网络输出,基于 DNN 网络构建优化模型。 实验结果表明,在呼气末和吸 气末两种状态下,与传统的电极阵列均匀分布方法相比,基于深度学习的肺部 EIT 电极阵列优化方法将重建图像相关系数 (image correlation coefficient,ICC) 分别提高了 33. 17%、33. 86%,结构相似度( structural similarity,SSIM) 分别提高了 14. 5%、 14. 39%,峰值信噪比(peak signal-to-noise ratio,PSNR)分别提高了 26. 3%、28. 27%。 因此可以得出结论,与传统方法相比基于深 度学习的 EIT 电极阵列优化方法更适用于肺部 EIT 成像。

摘要:针对步态识别中由于衣着与背包的遮挡造成不能提取有鉴别性的步态特征,从而导致识别准确率不高的问题,提出一 种结合残差网络和多级分块结构的步态识别方法。 首先在水平方向上对步态能量图进行不同尺度的多级分块,以提取不同区 域的细粒度特征,减少局部遮挡对于其他区域的影响,同时为了更好地学习在步态中运动频率最高区域的特征,在腿部加入 Inception 模块;其次为了提升网络模型的识别精度,结合交叉熵损失、三元组损失、L2 正则化对残差网络的权值进行约束。 最 后在公开的步态数据集 CASIA-B 和 OU-ISIR Treadmill B 上进行实验,在携带背包或不同衣着条件下的识别率分别达到了 87. 5%、82. 6%,表明该模型对于衣着与携带背包的条件具有鲁棒性。

摘要:随着人口老龄化程度的不断加深,独居老人也在不断增多。 在解决独居老人养老问题的应用上,室内定位是最基本和 关键的问题。 针对室内定位的需求,提出了双目视觉里程计定位算法,从相机成像模型、特征提取、特征匹配以及运动估计 4 个 方面展开了研究。 首先,采用双目摄像头作为传感器进行图像采集;然后通过提取 ORB 特征点来完成相邻图像之间的匹配关 系,根据基于 BRIEF 描述子的立体匹配算法得到左右图像对应特征点的匹配关系;最后对相机的运动进行估计。 设计了硬件 和软件平台对提出的方法进行实验。 实验证明,基于视觉里程计的室内定位技术能够准确地定位老人在室内的位置,能够实时 地对老人进行安全监护。

摘要:针对应用深度学习进行燃气轮机故障诊断时,因故障信号数据不易获取,使得正常运行样本多、故障样本少,影响故障 诊断准确率的问题,提出了一种采用深度卷积生成对抗学习对燃气轮机故障样本进行扩充的方法。 根据燃气轮机振动信号特 点,利用快速傅里叶变换、经验模态分解、解调预处理故障信号,提取故障频域特征并选取特征值指标,将振动信号转为二维灰 度图像,通过正交梯度惩罚算法训练深度卷积生成对抗故障样本生成模型。 实例结果表明,使用所提方法获得 CWRU 轴承数 据集生成样本测试准确率为 98. 01%;某型燃气轮机生成样本测试准确率为 97. 43%,同条件下均优于其他主流故障样本生成方 法,验证了所提故障样本生成方法的有效性和优越性。

摘要:针对积累的空间电源系统遥测数据中故障数据不准确且不全面,进而导致地面长管系统很难根据实际发生的故障数据 综合选择和评估故障检测模型有效性的问题,本文重点开展孪生数据驱动的空间电源系统故障检测模型优化选择方法研究。 在充分分析电源系统组成、工作原理以及输入输出关系的基础上,利用 Simulink 构建航天器电源系统各组成单元的数字孪生模 型,并结合故障机理分析在孪生模型中注入典型的故障,丰富故障数据种类及数量,基于孪生数据实现多种故障检测模型有效 性的评估。 实验表明,基于此框架产生的孪生数据与实测数据相似性达 90%以上,可进行 6 种典型故障模式的注入,可对故障 检测模型的阶跃型以及渐变型故障的检测能力进行有效评估,此种方法的研究可有效服务于实际的地面长管系统,为合理的故 障检测模型的选择提供重要的模型与数据基础。

摘要:为了解决镜面高光造成的零部件图像质量下降问题,提出了一种空间约束聚类分析的零部件图像镜面高光去除方法。 首先,将零部件图像投影到最小-最大色度空间,通过固定的聚类中心对聚类过程进行空间约束在保证簇中色度相近的同时实 现彩色像素和消色像素的分离;然后,采用强度比调整和亮度直方图统计分别对彩色像素和消色像素中的镜面反射分量进行估 计;最后,结合二色反射模型,实现零部件图像的镜面高光去除。 实验结果表明,经所提方法去高光后的实际拍摄图像的平均熵 值和结构相似度分别达到了 5. 750、0. 998 8,有效地去除了零部件图像中的镜面高光,提高了图像质量。

摘要:电主轴是数控机床的一个重要功能部件,其优劣直接影响着工件质量,对电主轴进行故障诊断可以提高可靠性、降低生 产成本。 因此采用混沌遗传算法(CGA) 优化的支持向量机回归模型( SVR) 进行电主轴故障诊断。 此方法利用主成分分析 (PCA)对电主轴磨损故障振动信号的时、频域特征向量进行降维,将降维后的特征向量输入到经过 CGA 参数优化的 SVR 模型 中并进行训练和测试。 结果表明,使用该模型对电主轴进行故障诊断,其训练和测试的准确率分别达到了 99. 272% 和 95. 249%,可以实现对电主轴磨损故障进行准确诊断。

摘要:针对滚动轴承微弱信号在强噪声、变工况复杂环境下,难以实现有效的故障诊断问题,提出了一种改进卷积 Lenet-5 神 经网络的轴承故障诊断方法。 首先,对采集的一维时域轴承振动信号进行预处理转化成便于卷积操作的二维灰度图;其次,将 最基本的 Lenet-5 模型中的连续单向的传统卷积层改进为 Block1 模块、Block2 模块、Block3 模块,提取到更完整、更精准的特征 信息;最后,为了防止网络出现过拟合现象,采用 L2 正则化和 Dropout 优化网络。 为了验证本文所提方法在复杂工况环境的鲁 棒和泛化性能,利用滚动轴承数据集和变速箱实验数据集进行实验验证。 轴承数据集实验结果表明,本文所提出的方法在变噪 声实验中准确率平均值都在 99. 3%;在变负荷实验中,故障诊断准确率都高于 90. 26%;在变工况实验中,故障诊断准确率平均 值都高于 89. 01%;在变速箱数据集实验中,抗噪性故障诊断准确率高达 96. 3%。 采用改进的 Lenet-5 方法对滚动轴承 12 种故 障类型具有更好的分辨能力,在变工况下具有更好的抗干扰性和泛化性能。

摘要:针对现有接触电阻阈值检测算法过于依赖先验知识导致漏检率较高的缺陷,提出一种基于区间证据推理的继电器接触 系统故障检测算法。 首先,将先验阈值和接触电阻测试数据转换为区间信度结构;然后,根据修正权重对先验阈值和测试数据 进行区间证据推理融合;最后,计算出融合后的检测阈值。 该方法充分考虑了接触电阻测量模型所包含的不确定性以及区间证 据推理融合过程中的权重一致性,避免了现有算法自适应能力不足的缺陷。 在继电器加速寿命试验平台上进行验证,实验结果 表明,与经验阈值算法和常规区间证据推理方法相比,所提算法具有较好的自适应能力,可以有效提升电磁继电器接触系统的 故障检测精度。 考虑数据不平衡问题,对原始数据进行重采样后,所提算法能进一步提高故障检测效果。

摘要:针对不间断电源(uninterruptible power supplies, UPS)逆变器 H∞ 重复控制系统在跟踪精度和扰动抑制性能之间的固有 约束,提出一种附加等价输入干扰(equivalent input disturbance, EID)补偿的 H∞ 重复控制策略,实现对负载突变等干扰的快速 抑制和参考电压的高精度跟踪。 首先采用状态空间平均法建立 UPS 逆变器的动态数学模型,并给出总体控制框图;在 H∞ 重复 控制器的基础上,求得一组负载突变时仍能保持稳定的状态反馈增益;其次,通过状态观测器构造 EID 估计器,给出了具体设计 步骤。 实验结果表明,所提控制策略能将 UPS 逆变器遭受非线性强干扰后的恢复时间缩短约 1 个周期,输出电压有效值的最 大偏移量降至 0. 09%,改善 UPS 逆变器重复控制系统对扰动抑制的动态性能。

摘要:提出了一种紧凑型的三陷波超宽带多输入多输出(ultra wideband multiple-input multiple,UWB-MIMO)天线,将半圆形与 正六边形结合作为辐射贴片,接地板引入带“梳子”缝隙状 T 型枝节来实现较高的隔离度,天线尺寸为 36 mm×18 mm×1. 6 mm。 通过在辐射贴片上刻蚀倒“Ω” 形槽,在馈线上刻蚀类“U” 形槽以及贴片旁引入类“U” 形枝节的方式实现 WiMAX( 3. 3 ~ 3. 6 GHz)、WLAN 部分频段(5. 725~ 5. 825 GHz)和 X 波段下行频率(7. 25 ~ 7. 75 GHz) 3 个频段的陷波。 仿真与实测结果均表 明,该 UWB-MIMO 天线的工作带宽为 1. 9 ~ 10. 6 GHz,相对带宽达到 139%,3 个陷波频段为 2. 9 ~ 3. 7 GHz、5. 6 ~ 6. 0 GHz 和 7. 05~ 7. 76 GHz,且隔离度大于 20 dB,包络相关系数 ECC<0. 003,说明天线在各方面特性良好,可以满足 UWB-MIMO 天线的 要求。

摘要:随着制造工艺的精进,静态功耗逐渐成为路由器的主要功耗来源之一。 针对基于片上网络架构的多核系统高功耗问 题,提出了一种基于数据包分类的功率门控策略,并修改了路由器架构。 首先对数据包进行分类,其次利用旁路对分类数据包 进行不同的处理,来绕过休眠路由器,从而降低由于功率门控的应用而导致的额外数据包延迟和功耗。 旁路可以保证路由器休 眠时的数据包传输,增加休眠路由器的休眠时间,减少静态功耗。 数据包的分类处理使得路由器的休眠和唤醒更加合理高效。 仿真结果表明,本文方案能明显减少路由器的静态功耗和网络的延迟,相比传统的功率门控技术,最大减少 72. 4%静态功耗和 16. 8%平均数据包延迟;相比经典的采用功率门控的旁路路由器,减少 12. 4%静态功耗和 4. 7%平均数据包延迟。 路由器的额 外硬件开销仅增加了 3. 2%。

摘要:为解决传统变压器故障识别方法提取故障特征难度大、识别准确率低等问题,提出基于多尺度标准差模糊熵( SDMFE) 和哈里斯鹰算法(HHO)优化支持向量机(SVM)的故障识别方法。 首先,采用基于模糊熵的多尺度分析法量化变压器振动信号 复杂的动态特性,提取多时间尺度下的故障特征。 随后,将利用 SDMFE 获得的故障特征输入 SVM 分类器识别变压器不同的故 障。 同时,为了提升 SVM 的识别性能,引入 HHO 算法以自适应、准确地选择 SVM 参数。 最后,利用变压器实测振动信号进行 了对比试验。 与不同的信息熵、不同的优化策略和不同的分类器相比,所提方法取得 98. 56%的最高识别准确度和最好的识别 稳定性。 结果表明所提方法能够有效提取故障敏感特征和准确识别变压器故障状态。

摘要:障碍物检测技术作为自动驾驶辅助系统的重要部分,障碍物种类繁多难以面面俱到。 因此提出一种基于全景环视系统 的在汽车泊车时检测小型障碍物的方法。 首先利用透视变换及图像拼接技术将 4 个方向的实时画面映射到全景环视图;并提 出了一种对地面特征点的检测模型,可准确地以车位线直角交点作为特征点提取并匹配出来;分别在两帧中得到地面特征点 后,通过 SVD 分解法计算自车运动估计并得到前一帧的模拟当前帧,消除了动态背景;最后提出了一种基于颜色分割的检测高 于地面区域的方法,由此判定是否属于障碍物部分。 为验证该算法可行性,在停车场中放置各种小型障碍物进行试验,3 段视 频序列中共计 864 个障碍物,平均召回率为 94. 7%,平均误识率为 7. 3%。 试验结果表明,该算法可有效检测停车场中的小型障 碍物,并具备一定的准确性与健壮性。

摘要:针对煤矿井下低照度、非均匀粉尘环境中掘进机机身位姿测量不稳定的问题,提出了一种以 3 个激光光斑为点特征的 掘进机机身位姿视觉测量技术。 根据激光穿透性强的特性,对防爆工业相机采集的激光标靶图像进行处理,通过光斑区域的最 小内接矩形和椭圆拟合相结合,获取 3 个激光指向仪的光斑点特征,并采用 P3P 单目视觉定位算法,通过空间坐标矩阵变换计 算出掘进机机身的空间位姿。 根据掘进机机身位姿测量实验表明,在粉尘和杂光的影响下,采用该方法获得的掘进机机身位置 信息的误差均在 30 mm 以内,姿态误差均在 0. 5°以内,且保证了在杂光、粉尘和水雾等复杂背景下激光光斑点精确提取与机身 位姿的稳定测量,基本满足巷道掘进施工精度要求。

摘要:地表并非均匀介质的理想导体,传统的一维大气电场分量无法准确的对雷暴云进行定位,而利用大气电场三维场强分 量进行雷暴云定位时,电场的场强、雷暴云的高度角测量往往会受到地表及空气介电常数的影响,产生定位误差。 为解决雷暴 云定位精度低的问题,分析了三维大气电场对于地表相对介电常数的敏感特性,结合镜像法,利用空中电荷电场分布、雷暴云电 荷结构等原理,建立了雷暴云定位模型,分析得到大气电场场强、高度角与环境相对介电常数的关系。 实验结果表明,地表相对 介电常数越大,所测得的电场水平分量与雷暴云高度角越大,地表相对介电常数与大气电场水平分量的相关系数为-9. 5,呈负 相关,相关性强,因此要获得准确的雷暴云高度及方位,还须实时的地表相对介电常数进行修正。

摘要:汽车结构件表面几何特征测量时,传统的点云精简方法在高精简率时会对点云中的几何特征进行破坏,降低几何特征 的完整性和尺寸精度,针对此问题,提出一种面向几何特征保留的点云精简方法。 首先,基于空间区域分割思想进行点云的 Kmeans 聚类划分,并构建几何特征描述子,通过计算簇内信息熵提取特征区域点云。 其次,对特征区域点云进行基于 FCM( fuzzy C-means)& K-means 的迭代聚类精简,对于非特征区域点云进行八叉树精简。 最后,对不同区域精简后的点云进行拼接,实现 精简的目的。 结果表明,本文方法能较完整地保留模型表面的几何特征,避免孔洞的出现,且在 94. 30%精简率下,精简点云与 原始点云的最大误差为 0. 912 mm,均方根误差为 0. 041 mm,相较于传统的方法精度更高。

摘要:针对因行人图像背景差异大、人体外观相似导致的行人再识别准确率低的问题,提出了一种利用特征融合与多尺度信 息的行人重识别方法。 首先,通过 ResNet50_IBN 提取人体图像全局特征图。 其次,设计分支结构,第 1 分支利用空间变换网络 对全局特征图进行自适应的空间特征对齐,水平切分全局特征图得到局部特征,采用全局特征与每个局部特征分别融合的方式 来挖掘特征之间的关联关系。 第 2 分支增加了 4 种不同尺度的卷积层提取全局图像的多尺度特征。 最后,在推理阶段将第 1 分支和第 2 分支的特征进行通道维度的串联,作为行人的对比特征。 通过在 Market-1501、DukeMTMC 数据集上的实验表明,所 提方法与 AlignedReID 和 EA-Net 等特征对齐和局部特征提取方法相比具备更强的性能,在 Market-1501 上,mAP 和 Rank-1 分别 达到了 86. 77%和 94. 83%。

摘要:为解决轴承故障诊断时网络模型不能对一维振动信号中的特征按照重要程度分配不同的权重,导致无法提取具有代表 性意义的特征,进而影响诊断模型的精确度与鲁棒性的问题。 提出基于反向注意力机制( reverse attention mechanism,RA)的特 征突出处理方法,通过将特征进行注意力反向与剪枝,降低非重要特征占比,从而对重要特征进行凸显。 并通过长短期记忆网 络(LSTM)进一步学习特征之间的时间信息后通过全连接层进行故障类型分类。 通过实验选取了最优数据截取长度、剪枝超参 数并对信号添加噪声后模型的稳定性进行了验证。 实验结果表明所提出的 RA-LSTM 轴承故障诊断方法具有优异的故障诊断 性能,故障诊断精度能达到 100%,且在添加噪声后模型的诊断能力仍具有优异的鲁棒性。

摘要:针对压舌板表面裂纹缺陷的在线检测及劣品剔除问题,提出一种基于机器视觉的自动化检测系统。 首先基于对压舌板 及其裂纹特征的分析,设计了包含两组视觉检测机构的硬件装置。 该装置以链齿型传送带为基底,作为压舌板基本传送机构; 设计了链齿型传送带与反射型光电接近开关的特定装配模式,用于产生脉冲、提供系统时序;建立了基于多级缓存机制的系统 控制架构,协同调配时序脉冲触发、调用及使能各个硬件部件。 裂纹检测算法方面,采用一种基于方向空间显著性的方法。 首 先经 OTSU 算法、面积筛选以及形态学运算等预处理定位压舌板区域;然后基于方向空间显著性提取裂纹特征点,进而基于双 阈值连接限制生成候选裂纹线条;最后基于延展角度、起始位置等多维条件约束精确识别裂纹。 在实际生产现场对本文系统性 能进行了测试,结果显示,在检测效率为 11 支/ 秒的前提下,误检率低至 4. 17%,漏检率为 2. 68%,与当前人工检测方法相比分 别降低 6. 66%和 5. 36%,表现出优越的性能,具有较强的实际应用价值。

摘要:全球变暖日益严重,二氧化碳作为温室气体的主要成分,需要精准把控。 可调谐半导体激光吸收光谱技术因其具有高 灵敏度、高分辨率的特点,被广泛应用于气体检测等领域。 为了进一步提高 TDLAS 系统的测量精度,在小波去噪的基础上,对 去噪后的 TDLAS 二次谐波信号进行了频域分析处理,利用离散小波变换提取与 CO2 浓度变化相关的频域特征信号,建立回归 模型反演气体浓度。 时域回归模型校正集与预测集的相关系数分别为 0. 998 5 和 0. 997 3,RMSE 值分别为 0. 045 9% 和 0. 017 9%,预测集的最大相对误差为 4. 62%;频域回归模型校正集与预测集的相关系数分别为 0. 999 3 和 0. 999 7,RMSE 值分 别为 0. 032 0%和 0. 006 9%,预测集的最大相对误差为 1. 54%。 实验结果表明 TDLAS 系统的预测能力和测量精度均有效提高, 验证了该方法的可行性。

摘要:针对传统全变分去噪方法峰值信噪比不高,迭代效率较低的缺点,提出了一种新的自适应全变分去噪模型。 首先,利用 差分曲率改进全变分方程的正则项指数以区分出噪声点;然后,结合水平集曲率和梯度模的性质,使平滑区和边缘区达到不同 的去噪效果,让新模型兼具保留边缘和平滑噪声的特点。 实验结果表明,与当前 3 种主流模型相比,新模型的峰值信噪比提高 了 1. 4 dB 以上,平均绝对误差也减少了 2. 5 以上,结构相似性平均提高了 0. 13,并且迭代效率至少提高了 1. 6 倍,更有利于实 际应用。