【摘 要】
：
针对太赫兹时域光谱系统由于延时线的重合抖动、采样抖动等产生的噪声,提出使用经验模态分解-R/S分析方法对太赫兹光谱信号进行降噪.采集太赫兹时域光谱系统的时域信号,根据EMD算法将信号分解成本征模态函数(IMF);使用R/S分析法分别计算各个IMF的Hurst指数.根据设定的阈值判断是否各个IMF是否存在均值回复的情况.如果IMF存在均值回复的现象,则使用原始信号与IMF信号作差,所得信号即为降噪后的时域信号.实验结果表明,与小波降噪算法相比,EMD-R/S分析算法能够有效地对太赫兹时域光谱信号降噪,能够有
【机 构】
：
广东工业大学计算机学院 广东 广州510006
论文部分内容阅读
针对太赫兹时域光谱系统由于延时线的重合抖动、采样抖动等产生的噪声,提出使用经验模态分解-R/S分析方法对太赫兹光谱信号进行降噪.采集太赫兹时域光谱系统的时域信号,根据EMD算法将信号分解成本征模态函数(IMF);使用R/S分析法分别计算各个IMF的Hurst指数.根据设定的阈值判断是否各个IMF是否存在均值回复的情况.如果IMF存在均值回复的现象,则使用原始信号与IMF信号作差,所得信号即为降噪后的时域信号.实验结果表明,与小波降噪算法相比,EMD-R/S分析算法能够有效地对太赫兹时域光谱信号降噪,能够有效还原太赫兹光谱信号特征.
其他文献
现实中不断涌现的高维多目标优化问题对传统的基于Pareto支配的多目标进化算法构成巨大挑战.一些研究者提出了若干改进的支配关系,但仍难以有效地平衡高维多目标进化算法的收敛性和多样性.提出一种动态角度向量支配关系动态地刻画进化种群在高维目标空间的分布状况,以较好地在收敛性与多样性之间取得平衡;另外,提出一种改进的基于Lp-范式(p＜1)的拥挤距离度量方法以有效地度量高维目标空间中解群的多样性.设计了一种采用动态角度向量支配关系的高维多目标进化算法DAV-MOEA,该算法利用动态角度向量支配关系增强选择压力,
在大数据环境下,数据库中的记录数量呈指数上升,如何高效率地检测出相似重复记录是数据清洗的关键点和提高数据质量的首要任务.近十年国内外相似重复记录检测方法又涌现出相当多的高水平成果,迫切需要对新的文献加以归纳梳理.以2008—2019年的国内外相似重复记录检测相关文献为研究样本,结合社会网络和知识图谱对其发文量、核心机构、作者合作群、研究热点和研究趋势进行分析.分析发现,作者合作结构整体上较松散,相似重复记录各类检测方式的集成、应用领域的扩展和通用框架的研究成为热点,缺失数据值的处理、多数据源的识别、大数据
组群成员间的交互关系建模是组群行为识别的核心技术.本文为解决复杂场景下组群关系繁琐、关系推理时复杂度高并存在信息冗余等问题,提出一种交互关系分组推理的模型.首先,利用CNN网络和RoIAlign提取视频帧中的场景信息和个人信息作为初始特征,利用个人空间坐标对人群进行二分组(例如:在Volleyball数据集中,利用参与者的bounding boxes的X坐标信息进行排序,然后为每个人建立序号ID,并从左到右将12名成员分为2组);其次,将划分后的2个局部分组以及全局场景组群,分别利用图卷积网络(Graph
时序网络中的社区搜索问题旨在寻找符合一定时序规律的社区.短时交互特性作为时序网络的一种重要时序特征,相比于长期社区更具研究价值,可用于有效挖掘网络中核心的时序紧密结构.现有工作大多研究了时序社区的持续性、突变性、周期性等现象,尚无法建模时序社区的短时特性.针对现有工作难以满足上述需求的现状,提出top-k短时社区搜索这一新问题,为有效发现复杂网络中短时紧密社区提供新的解决思路.首先,针对时序网络中社区的短时特性,提出了δ-短时社区的形式化定义用以刻画短时社区结构.同时,给出了不同时间交互下形成的时序社区的
如何在受限时间内满足深度学习模型的训练精度需求并最小化资源成本是分布式深度学习系统面临的一大挑战.资源和批尺寸超参数配置是优化模型训练精度及资源成本的主要方法.既有工作分别从计算效率和训练精度的角度,对资源及批尺寸超参数进行独立配置.然而,两类配置对于模型训练精度及资源成本的影响具有复杂的依赖关系,既有独立配置方法难以同时达到满足模型训练精度需求及资源成本最小化的目标.针对上述问题,本文提出分布式深度学习系统资源-批尺寸协同优化配置方法.该方法首先依据资源配置和批尺寸超参数配置与模型训练时间和训练精度间的
针对传统鱼缸观赏鱼喂养模式过程繁琐以及环境信息难以调控等已存在的问题,设计一个能对观赏鱼生长全过程进行实时监控的观赏鱼智能喂养系统,该系统由下位机前端硬件感知系统和上位机后台软件两个部分组成.前端硬件感知系统负责传感器数据采集、摄像头数据采集、硬件设备控制以及利用GPRS与上位机的数据通信.上位机可以对数据进行存储和有效的分析并且利用神经网络与深度学习算法对观赏鱼进行种类识别并做出相应反馈与决策.在实现远程监控的基础上进一步实现了鱼缸环境因子的精确测量与观赏鱼生命状态的预测.通过在多家水族公司的实际应用,
空间数据挖掘旨在从空间数据库中发现和提取有价值的潜在知识.空间co-location(共存)模式挖掘一直以来都是空间数据挖掘领域的重要研究方向之一,其目的 是发现一组频繁邻近出现的空间特征子集,而空间高效用co-location模式挖掘则考虑了特征的效用属性.二者在度量空间实例的邻近关系时一般都需要预先给定一个距离阈值d,挖掘算法的效率很受距离阈值d的影响,尤其对分布不均匀的数据集表现不好.另外,传统的空间高效用模式挖掘在分析评估模式的效用时,将模式中所有特征的效用值都计算到模式效用中是不合理的,如在国内
音频隐写术是将秘密信息(如文本、图像、音频、视频等)隐藏到载体音频中,不仅能够保证秘密信息本身的安全,而且能保证秘密信息传输的安全,已成为信息隐藏领域的研究热点之一.近年来,基于深度学习的音频隐写分析技术能够在充分挖掘隐写深度特征的基础上实现高效的隐写检测,导致隐写术的安全性降低,为隐写术带来了新的挑战.不过,生成对抗网络(Generative Adversarial Networks,GAN)的迅速发展,为音频隐写提供了一个新的解决思路.但是,现有基于GAN的音频隐写在隐藏容量、不可感知性、抗检测性上很
环境声音作为日常生活中分布最为广泛的一类声音,是人们获取外部信息的重要来源.近十几年来,随着用户对虚拟场景真实度要求不断提升,为虚拟场景打造同步、真实的环境音效已成为构建高度沉浸式虚拟环境不可或缺的一部分.其中环境声源仿真作为打造真实感虚拟环境音效的基石,得到了研究人员的广泛关注与探索.与传统的人工声源仿真相比,通过算法程序合成具有高真实感的环境声音,不仅可以实现随用户视角变化而变化的交互式声音效果,提升游戏、动画和虚拟现实等虚拟场景的用户沉浸感,而且也避免了繁杂的调音、剪辑等工作,极大地降低了人力资源的
近年来,食品安全已经成为政府和社会最关心的问题之一.与此同时,大量食品安全领域的谣言也在社交媒体平台上疯狂传播.现有的研究大多针对通用领域的谣言进行检测,忽视了不同领域谣言之间存在的差异性.针对食品安全这一领域谣言的特点,提出一种基于卷积神经网络的食品安全领域谣言检测方法.用领域实体抽取策略得到的实体特征与文本卷积神经网络提取的深度文本特征做拼接融合,再进行谣言判断.实验结果表明,在食品安全领域谣言数据集上,采用该方法检测效果明显优于通用的谣言检测方法,在准确率、召回率和F1值等评价指标上都表现最优.