高阶统计量

摘要： 心脏听诊是先心病初诊的主要手段,由此可见心音含有重要的诊断信息。研究利用高阶统计量的ARMA模型直接提取先心病心音信号的特征,利用K近邻,决策树,贝叶斯分类器对其进行分类识别,并与用梅尔对数系数提取特征的方法进行了对比。实验测试结果为灵敏度0.88,特异度0.83,准确度0.855,优于其它算法。上述算法还省去了一般预处理中,对心音的降噪和分段定位过程,提高了分析效率。实验结果表明:高阶统计量的ARMA模型和决策树适用于对先心病心音的特征提取和分类,有助于实现先心病的机器辅助诊断。

摘要： 自动扶梯是地铁车站内必不可少的大型公共交通设备,一旦发生故障,小则影响运营,大则引发安全事故;梯级作为自动扶梯的重要结构部位,其固定螺栓松动必然会导致自动扶梯运行异常;针对梯级振动信号故障特征难以提取的问题,提出了变分模态分解(VMD)和高阶统计量(HOS)联合来对自动扶梯故障特征提取;该方法首先对原始振动信号进行VMD分解,得到K个固有模态分量(IMF);然后对主IMF分量进行奇异值分解(SVD)降噪,对去噪后的主IMF分量进行重构得到新的信号;最后通过高阶统计量对新的信号故障特征提取,并利用随机森林分类算法对三类不同的振动信号样本进行分类识别,确定梯级振动故障类型;实验结果表明,该方法可以有效地提取故障特征,实现故障诊断与分类.

摘要： 由于水声信号的高度复杂性,基于特征工程的传统水下目标识别方法表现欠佳.基于深度学习模型的水下目标识别方法可有效减少由于特征提取过程带来的水声信号信息损失,进而提高水下目标识别效果.本文提出一种适用于水下目标识别场景的卷积神经网络结构,即在卷积模块化设计中引入卷积核为1的卷积层,更大程度地保留水声信号局部特征,且降低模型的复杂程度;同时,以全局平均池化层替代全连接层的方式构造基于特征图对应的特征向量主导分类结果的网络结构,使结果更具可解释性,且减少训练参数降低过拟合风险.实验结果表明该方法得到的水下目标识别准确率(91.7％)要优于基于传统卷积神经网络(69.8％)和基于高阶统计量特征的传统方法识别表现(85％).这说明本文提出的模型能更好保留水声信号的时域结构,进而提高分类识别效果.

摘要： The increasing penetration of distributed generators (DGs) brings significant uncertainty and noises to microgrid, which leads to the increasing difficulty of microgrid monitoring.The islanding detection devices may make misjudgment because they are prone to be interfered by grid disturbance, thus causing the consequence of DGs out of service.The islanding detection devices must be able to accurately distinguish islands from grid disturbance in a noise environment.This paper introduces the concept of deep learning based on the multi-scale high-order singular spectrum entropy (MSHOSSE) into islanding detection.And a novel deep learning framework combining empirical mode decomposition (EMD) and high-order singular spectrum entropy is proposed.As a signal processing method after EMD, the MSHOSSE combines multi-resolution high-order statistics analysis and spectrum analysis, and take the entropy as the feature to output.Then the intrinsic features of islanding and grid disturbance can be extracted for training and testing in the deep learning framework.The simulation results show that the proposed method can achieve accurate detection of islands, thus avoiding running out of DGs.%分布式电源持续的规模化接入给微电网运行引入了显著的不确定性与噪声, 增加了配电网监视的难度.而孤岛检测设备易受电网扰动干扰而误动作, 导致分布式电源被切除运行, 孤岛检测装置必须能够在噪声环境中准确区分判别扰动与孤岛情形.文中将基于多尺度高阶奇异谱熵的深度学习概念应用于孤岛检测问题, 提出一种结合经验模态分解与高阶奇异谱熵的新型混合深度学习架构.作为经验模态分解后的信号处理方法, 多尺度高阶奇异谱熵结合多分辨率高阶统计分析与谱分析并以熵值作为特征提取输出, 进而通过深度学习架构对所提取的孤岛与扰动特征量进行训练及测试.仿真结果表明所提方法能够实现孤岛的准确检测, 从而避免分布式电源退出运行.

摘要： 神经影像技术和分子遗传学的发展产生了大量的影像遗传学数据,极大地促进了复杂精神疾病的研究.但因为该数据的特征维度过高且相关性的度量都是假设数据服从高斯分布,所以传统的算法往往无法很好地解释两类数据之间的依赖关系.为了解决传统算法的问题,文中提出了一种对大量SNP和fMRI数据进行关联分析的方法,该方法通过构建稀疏的特征网络结构来指导fused lasso进行特征选择,与此同时,该方法利用高阶统计量提取出具有统计显著性的变量,从而识别出与精神疾病有关的生物标记物.实验结果表明,在模拟数据中所提算法得到的典型向量值的分布与实际数据中值的分布几乎一致且得到的相关系数与数据集中实际的相关系数最接近,所提算法的平均相关系数最高达到81％,比L1-SCCA提高了约20％,比FL-SCCA提高了约3％;在真实数据中,相比另外两种算法,所提算法可以找出更多的对精神分裂症有潜在影响的基因与脑区.实验结果证明:该算法可以在合理时间内有效识别出风险基因和异常脑区.

摘要： 房间混响会降低语声质量和语声可懂度.高阶统计量是衡量非高斯性的重要参量,基于语声非高斯特性可实现语声去混响.该文提出一种基于高阶统计量的多通道语声去混响方法,该方法首次用多通道语声信号线性预测残差的三阶统计量偏度构造代价函数,以去混响重建信号线性预测残差的偏度最大化为目标自适应地更新逆滤波器,同时引入通道逆滤波和语声产生系统的联合估计.实验结果表明,该方法相较于已有的基于线性预测残差四阶统计量峰度的方法具有更好的去混响效果,且对噪声具有更强的鲁棒性.

摘要： 多层陶瓷电容的电子噪声对其损伤和退化很敏感,采用电子噪声对多层陶瓷电容进行可靠性表征,需建立明晰的多层陶瓷电容电子噪声模型。然而,现有模型只考虑了寄生电阻中电子涨落并没有考虑电容介质极化子的涨落,无法合理解释多层陶瓷电容的电子噪声现象。因此,本文根据多层陶瓷电容两种元激发的涨落耗散据微观机理,建立了多层陶瓷电容二维电子噪声模型;采用电子噪声的高阶统计量分析方法,对实测数据进行时-频分析,获得了多层陶瓷电容电子噪声的功率谱密度和双谱图,直观地揭示了器件中电子与极化子两种元激发涨落随温度的动态变化规律,研究了多层结构中两元激发的涨落耗散过程产生的二维电子噪声表征方法。

摘要： 电力变压器绝缘的劣化总是伴随着一定的局部放电,测量局部放电信号的真实性直接影响到变压器绝缘性能评估的准确性.本文在集合经验模态分解(empirical mode decomposition,EEMD)的基础上,结合高阶统计量原理,提出了一种基于EEMD和高阶统计量的局部放电白噪声抑制方法.首先利用EEMD方法分解得到各阶经验模态分量(IMF);然后通过IMF各分量峭度的计算,结合Bootstrap方法检测并滤除高斯分布的IMF分量;对剩余IMF分量进行自适应阈值处理,去除混叠的白噪声成分;最后将处理结果重构回原信号.分别以仿真信号和实际PD信号为例,证明了该方法的有效性.

摘要： 地震资料褶积处理、地震波阻抗反演等工作的前提都是地震子波估计.在常规地震资料处理中,通常假设地震子波是固定的、最小相位的,但这不符合实际情况.文中首先给出了高阶统计量的理论基础,通过分析得出了可以用高阶统计量从地震资料中取一个非最小相位、时空变化的地震子波;其次,以零相位的雷克子波及其合成地震道为例,评价了高阶统计量的特征,证明了高阶统计量在地震子波估计方面具有实用性.

摘要： 针对基于小波包和高阶统计量的热红外遥感图像目标检测算法对非高斯性目标的敏感性,以驻泊码头的舰船目标为研究对象,提出一种考虑目标形状特征的热红外遥感图像舰船目标检测算法.通过设置形状特征阈值,滤除检测到的非舰船非高斯性目标,能在具有一定程度的条纹噪声和岸边背景等干扰条件下实现对近岸舰船目标的有效检测.实验结果表明:改进算法能够根据形状特征对离岸一定范围内的舰船目标实现有效检测,并且具有一定的抗噪能力.

摘要： 往复式压缩机由于其激励源多、结构复杂,工作环境恶劣,信号存在较强的非线性和非平稳性.分形几何不同于传统的时频域方法,为故障诊断提供了一条新的思路,对于非平稳信号故障诊断有着突出的优势.分形维数是度量分形复杂度的重要指标,但是通常对噪声敏感,易受环境影响而波动.高阶统计量对噪声不敏感,抗噪声能力强,本文利用其这一特性,采用了基于高阶统计量计算分形维数的新方法,并将其应用于往复式压缩机气阀故障诊断中,结果证明具有良好的识别效果.

摘要： 高阶统计量被广泛地应用在雷达、通信,生物医学、故障诊断中.传统的信号检测方法在低信噪比高动态下的检测性能很差.而双谱对高斯白噪声是不敏感的、高动态和低信噪比都是不敏感的.使用高阶统计量用于检测高动态和低信噪比的微弱信号,在此条件下高阶统计量方法得到了的优良性能.在不同的动态和信噪比条件下的实验结果都显示了优良性能.

摘要： 本文利用山东台网记录的单台垂向记录和高阶统计量(偏斜度和峰度)方法进行了区域地震事件自动检测和震相识别探索研究,同时应用AIC方法对高阶统计量(偏斜度和峰度)方法所确定的包含地震P波在内的时间窗内记录进行自动分析,探索进一步提高P波震相初至识别的技术和方法.

摘要： 高阶统计量通常指的是高阶矩、高阶累积量、高阶矩谱和高阶累积量谱这四种主要的形式,本文对铁路货车轴承常见故障进行高阶统计量分析.利用石家庄铁道大学交通环境与安全工程研究所的轮对实验台进行铁路货车轴承实验,轴承型号为197726双排圆锥滚子轴承,该轴承是铁路货车用的主型滚动轴承.分别对轴承正常、外圈剥离故障和滚动体电蚀故障的振动信号进行双谱分析,研究结果表明双谱特征可以用于铁路货车轴承故障诊断.

摘要： 在研究大量国内外时延估计文献的基础上,对现有的时延估计方法进行了分类论述,主要介绍了基于二阶统计量的时延估计算法、基于高阶统计量的时延估计方法和非平稳环境下的时延估计方法,分析和比较了各种方法的特点和性能,在此基础上指出了时延估计算法进一步的研究方向.

摘要： 相比辐射电磁干扰信号,传导电磁干扰混合信号的分离是一种特殊的单通道盲源分离SC-BSS(Single channel blind source separation)情况.现有的SC-BSS算法主要针对生物信号、机械振动等低频信号,对高频的电磁干扰信号分离效果差.本文提出一种针对传导电磁干扰混合信号的SC-BSS算法,首先使用不同频率特性的滤波器构造多路耦合通道,将单通道问题转化为适定的盲源分离问题,然后采用高阶统计量HOS(Higher Order Statistic)判断干扰源数目,最后使用频域快速独立成分分析FastICA算法恢复出独立干扰源信号.仿真与实测结果表明,该算法对传导电磁干扰混合信号有较好的分离效果.

摘要： 本文针对声波反射和探地雷达在水电工程质量检测中应用的广泛性,以及在实际检测过程中检测信号主要以波形和相位的变化来判别异常的解释方法所存在的不足.拟采用信号中的高阶统计量,并利用Wigner双谱时频分析对建筑物中存在的缺陷所引起的反射和散射信号的异常信息进行识别和提取.该方法能够较强地反映介质的异常特征,直观地确定缺陷的位置、大小和类型,从而消除隐患,为确保水电工程的安全运行提供可靠的技术保证.该方法也可用于金属探伤和一般建筑工程的质量检测和评价,具有重要的实用价值.

摘要： 本发明公开了一种实现对青霉素发酵过程进行实时故障监测的新方法。本方法利用青霉素发酵过程数据的高阶信息，建立一种有效的过程监测方案来及时地检测异常现象。本发明包括“离线建模”和“在线监测”两个阶段。“离线建模”包括：对原始数据进行阶段划分，采用核熵成份分析(KECA)处理的同时解决数据的非线性；然后在高维核熵空间利用HCA技术构建新的子阶段统计量用于过程监控。“在线监测”包括：对新采集的数据进行预处理，计算其统计量并与控制限进行比较判断发酵过程是否运行正常。本发明能较好的揭示过程变量相关关系的变化，客观反映各稳定阶段和各过渡阶段特征的多样性，有效地减少了系统的误警和漏报率。

摘要： 一种三帧差分高阶统计量结合OTSU算法的絮体检测方法。本发明根据目前常用的絮体跟踪方法容易受到噪声、光线及絮体运动速度等影响，很难提取出完整的絮体运动目标的特征，为此提出一种基于三帧差分高阶统计量（HOS）结合粒子群优化增强大津法（OTSU）的絮体目标检测方法。该方法首先对连续三帧图像进行差分运算，然后逐像素计算四阶矩并与阈值比较，其中利用粒子群优化增强大津法获取最佳阈值，采用最佳阈值进行图像二值化并进行图像后处理，最终获取较清晰的絮体目标，为后续絮体分析自动化奠定基础。本发明方法具有准确快速的特点，能有效提取絮体目标，适用于水处理中絮体目标的有效提取。

摘要： 本发明提供了一种基于高阶统计量的L‑DACS1系统自适应干扰消除方法，将DME与L‑DACS1时频域交叠的干扰场景建模为确定性信号叠加高斯有色噪声的干扰量化模型，并据此提出CE‑LMS自适应滤波算法，该算法采用三阶累积量作为体现两者差异性的高阶统计量，以误差信号的三阶自累积量的平方作为代价函数，并引入基于对数螺线的变步长机制，减少L‑DACS1对DME的影响，同时提高L‑DACS1抗DME干扰的能力。与现有干扰抑制方案相比，本发明在复杂度、收敛性和精确度不变的前提下，可得到更高的干扰抑制比和更低的误比特率，为L‑DACS1系统的实际部署提供参考。

摘要： 本发明公开了一种联合高阶统计量和谱峰特征的调制识别装置及方法，包括信号预处理模块、高阶统计量特征提取模块、谱峰特征提取模块和联合识别模块；待识别调制信号输入信号预处理模块进行滤波、载频估计和归一化处理，得到预处理信号；然后将其输入到高阶统计量特征提取模块和谱峰特征提取模块中进行特征提取，包括高阶矩特征、高阶累积量特征、星座聚类点数值、特征功率谱方差特征和一阶微分幅度直方图谱峰数特征等；将提取的特征信息输入到联合识别模块中，基于联合特征的分类器，对输入信号进行模式特征匹配并输出识别结果。本发明的装置及方法首次实现了对SC‑FDMA调制方式的识别，提高了高阶QAM调制方式的识别率并扩大了MFSK类内识别的判决门限，可应用于频谱管理及电子对抗等领域。

摘要： 本发明公开了一种基于高阶统计量信号处理分析的源驱动式未知核部件多参数获取方法。主要包括利用高阶统计量模型和信号处理方法针对未知核部件多种参数进行获取。高阶统计量模型及信号处理方法包括三个主要方面：①对常规方法难以去除的高斯噪声本征去除；②原理上较传统方法指数级提升对未知核部件裂变元素浓度敏感性且极大简化识别工序；③对该方法所得高阶统计量进行高阶谱分析，提取异于常规手段的特征参量，对未知核部件的几何特征进行识别。本方法因较强的去噪能力、较高的浓度变化敏感性及前所未有的针对几何特征的识别能力，取得了较好的未知核部件多参数获取效果。

摘要： 本发明公开了一种基于高阶统计量的特征图处理方法、终端及存储介质，方法包括：分别计算待处理特征图的各个通道对应的统计量数值，其中，统计量包括至少一个高阶统计量；将待处理特征图输入至预先训练完成的第一神经网络，通过第一神经网络获取第一参数集合，其中，第一参数集合中包括多个第一参数，每个第一参数为待处理特征图分别与各个统计量的相关性分数；根据各个第一参数和统计量数值分别获取待处理特征图的各个通道的注意力权重；根据各个注意力权重对待处理特征图的各个通道进行处理，获取目标特征图。本发明通过包括高阶统计量在内的多个统计量数值能够捕获更丰富的统计信息，能够提升通道注意力权重的准确性，提高神经网络的表示能力。

摘要： 本发明公开了一种基于高阶统计量的微弱信号检测方法，用于在高斯噪声背景下的微弱信号检测，所述方法包括：采用滑动窗口在目标信号的时间序列上滑动，计算窗口内的高阶统计量，如果高阶统计量的绝对值大于阈值，则判断窗口内有微弱信号。本发明的方法能够在更低的信噪比的情况下检测出目标信号；而且不需要任何关于目标信号的先验知识，和已有的检测方法相比适用范围更广，检测效果更好。

摘要： 本发明公开了一种基于高阶统计量的压缩宽带频谱盲检测方法，将授权主用户PU信号的频谱划分为若干个互不重叠的子频带；设认知用户节点数为K，则第k个认知用户SU

摘要： 本发明提供了一种基于高阶统计量的L-DACS1系统自适应干扰消除方法，将DME与L-DACS1时频域交叠的干扰场景建模为确定性信号叠加高斯有色噪声的干扰量化模型，并据此提出CE-LMS自适应滤波算法，该算法采用三阶累积量作为体现两者差异性的高阶统计量，以误差信号的三阶自累积量的平方作为代价函数，并引入基于对数螺线的变步长机制，减少L-DACS1对DME的影响，同时提高L-DACS1抗DME干扰的能力。与现有干扰抑制方案相比，本发明在复杂度、收敛性和精确度不变的前提下，可得到更高的干扰抑制比和更低的误比特率，为L-DACS1系统的实际部署提供参考。

摘要： 一种三帧差分高阶统计量结合OTSU算法的絮体检测方法。本发明根据目前常用的絮体跟踪方法容易受到噪声、光线及絮体运动速度等影响，很难提取出完整的絮体运动目标的特征，为此提出一种基于三帧差分高阶统计量（HOS）结合粒子群优化增强大津法（OTSU）的絮体目标检测方法。该方法首先对连续三帧图像进行差分运算，然后逐像素计算四阶矩并与阈值比较，其中利用粒子群优化增强大津法获取最佳阈值，采用最佳阈值进行图像二值化并进行图像后处理，最终获取较清晰的絮体目标，为后续絮体分析自动化奠定基础。本发明方法具有准确快速的特点，能有效提取絮体目标，适用于水处理中絮体目标的有效提取。