长期Transformer和自适应傅里叶变换的动态图卷积交通流预测研究

1

作者 张红 伊敏 +2 位作者 张玺君 李扬 张鹏程 《电子与信息学报》 北大核心 2025年第7期2249-2262,共14页

针对交通流长期趋势性与非平稳性不易有效建模,以及交通流的隐藏动态时空特征难以捕捉的问题,该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中,长期门控卷积层通过掩码子序列Transforme... 针对交通流长期趋势性与非平稳性不易有效建模,以及交通流的隐藏动态时空特征难以捕捉的问题,该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中,长期门控卷积层通过掩码子序列Transformer从长历史序列中学习压缩的、上下文信息丰富的子序列表示,并利用膨胀门控卷积从子序列的时间表示中有效捕捉交通流的长期趋势特征。并设计一种动态图构造器生成动态可学习图,并利用可学习动态图卷积对节点间潜在的和时变的空间依赖关系进行建模以有效捕获交通流的动态隐藏空间特征。其次,自适应频谱块利用傅里叶变换来增强特征表示并捕获长短期的交互作用,同时通过自适应阈值处理来降低交通流的非平稳性。实验结果表明,所提ADGformer模型具有较好的预测性能。 展开更多

关键词 交通流预测 动态图卷积 长期transformer 傅里叶变换 非平稳性

在线阅读 下载PDF 职称材料

免疫异常数据的金属回流双极直流配电线路状态估计保护方法 被引量：1

2

作者 曾琦 曾维刚 +4 位作者 廖建权 王少雄 郑宗生 王渝红 周念成 《电力自动化设备》 北大核心 2025年第1期16-24,共9页

实际工程中的量测可能存在异常数据干扰,增加保护误动的风险。为此,基于模型匹配的思想,提出一种免疫异常数据的直流配电线路状态估计保护方法。考虑金属回流双极直流线路的极间耦合,建立线路的精细化等值模型。据此得到系统的量测方程... 实际工程中的量测可能存在异常数据干扰,增加保护误动的风险。为此,基于模型匹配的思想,提出一种免疫异常数据的直流配电线路状态估计保护方法。考虑金属回流双极直流线路的极间耦合,建立线路的精细化等值模型。据此得到系统的量测方程,并根据二次积分法将其离散化以便于求解。对于可能存在的异常数据问题,提出基于窗口图傅里叶变换对数据进行预处理,将数据视为图信号并赋予“频率”的概念,通过提取低频信号达到剔除随机脉冲等高频异常数据的目的。基于递推最小二乘算法对预处理后的状态估计模型进行求解,根据估计模型和实测模型的匹配度构建保护判据,实现区内和区外故障的识别。仿真结果表明,该方法可快速、准确识别区内故障,并有效避免异常数据干扰,同时具有较强的耐高阻、抗通信延时等性能。 展开更多

关键词 直流配电 线路保护 异常数据 图傅里叶变换 状态估计 递推最小二乘

在线阅读 下载PDF 职称材料

基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断

3

作者 孙丽玲 唐李昱 许伯强 《电机与控制学报》 北大核心 2025年第5期12-18,共7页

为了解决单一类型数据对电机轴承故障诊断准确率不高和图卷积神经网络具有过平滑现象的问题,提出一种多数据融合和改进图卷积神经网络的电机轴承故障诊断方法。首先,通过快速傅里叶变换将电机轴承的振动信号和电机电流信号分别转换为频... 为了解决单一类型数据对电机轴承故障诊断准确率不高和图卷积神经网络具有过平滑现象的问题,提出一种多数据融合和改进图卷积神经网络的电机轴承故障诊断方法。首先,通过快速傅里叶变换将电机轴承的振动信号和电机电流信号分别转换为频域信号;然后,将每一个频率视为一个结点,对应的振动和电流信号视为节点特征,根据K近邻图构造法,将振动信号和电流信号融合成图结构数据;进而,将图数据输入通过添加初始残差连接模块而改进的图卷积神经网络进行训练,从而得到诊断结果。在帕德博恩数据集上,将所提方法和多种模型进行电机轴承故障诊断对比实验,实验结果表明,所提模型的故障识别准确率能达到98.6%,优于对比方法,证明所提数据融合方法与改进图卷积神经网络是有效的。 展开更多

关键词 深度学习 故障诊断 图卷积神经网络 电机轴承 快速傅里叶变换 数据融合 电流数据

在线阅读 下载PDF 职称材料

基于快速学习图卷积网络的滚动轴承故障诊断研究

4

作者 宁少慧 董振才 +1 位作者 戎有志 周利东 《机床与液压》 北大核心 2025年第12期53-59,共7页

图神经网络跨层的递归邻域扩展为训练大型密集图带来时间方面的挑战,导致轴承故障诊断的训练效率不高。针对此问题,提出一种基于快速学习图卷积网络方法并将其应用于滚动轴承故障诊断中。利用快速傅里叶变换(FFT)将采集的轴承故障时域... 图神经网络跨层的递归邻域扩展为训练大型密集图带来时间方面的挑战,导致轴承故障诊断的训练效率不高。针对此问题,提出一种基于快速学习图卷积网络方法并将其应用于滚动轴承故障诊断中。利用快速傅里叶变换(FFT)将采集的轴承故障时域信号转化为频域数据,再利用K近邻(KNN)算法将频域信号转换为图数据,以图数据显示频域特征,极大丰富了输入信息;引入快速学习图卷积网络(Fast-GCN)模型,通过重要性采样对故障特征进行学习;最后,利用Log-Softmax函数输出最终分类结果,从而实现滚动轴承单一故障的分类。实验结果表明:所提模型在保证故障分类准确率的前提下,诊断速度显著提升,甚至比图卷积神经网络(GCN)的诊断速度增加了约1倍,且所提方法具有良好的半监督诊断性能与泛化能力。 展开更多

关键词 滚动轴承 故障诊断 K近邻(KNN)算法 快速傅里叶变换(FFT) 快速学习图卷积网络(Fast-GCN)

在线阅读 下载PDF 职称材料

基于边覆盖队列的异构多处理器系统调度算法

5

作者 陈雨濛 刘松林 +2 位作者 何宗苗 陈彦君 凌翔 《电子科技大学学报》 北大核心 2025年第5期723-732,共10页

异构多处理器系统是具有不同计算能力和存储能力并相互连接的一组处理器。在异构多处理器系统中,优秀的任务调度算法能够缩短任务完成时间,提升系统利用率和并行度。针对异构多处理器系统,基于有向无环图的边覆盖理论提出了一种新的任... 异构多处理器系统是具有不同计算能力和存储能力并相互连接的一组处理器。在异构多处理器系统中,优秀的任务调度算法能够缩短任务完成时间,提升系统利用率和并行度。针对异构多处理器系统,基于有向无环图的边覆盖理论提出了一种新的任务调度算法——启发式边覆盖队列调度算法(HECSA)。该算法利用改进的启发式公式,在保证拓扑正确的前提下,生成有向无环图的边覆盖队列。再利用计算复杂度低的启发式方法将边覆盖队列按顺序分配到异构多处理器上执行。常见数字信号处理任务和科学工作流任务的仿真实验结果表明,提出的HECSA在较低的复杂度下能够得到更好的调度结果。 展开更多

关键词 异构多处理器系统 有向无环图 边覆盖队列 快速傅里叶变换 高斯消元法 科学工作流

在线阅读 下载PDF 职称材料

基于TFG-SVD-1DCNN的液压优先阀智能故障诊断方法

6

作者 何瑶 熊晓燕 +2 位作者 王伟杰 李翔宇 刘会军 《机电工程》 北大核心 2025年第7期1287-1293,共7页

液压优先阀连接在液压泵、蓄能器和油箱增压腔之间,针对其容易受到多路干扰的影响,以及采用传统的液压测试方法对优先阀故障识别精度不足的问题,提出了一种基于时频图结构数据奇异值分解与一维卷积神经网络(TFG-SVD-1DCNN)的液压阀智能... 液压优先阀连接在液压泵、蓄能器和油箱增压腔之间,针对其容易受到多路干扰的影响,以及采用传统的液压测试方法对优先阀故障识别精度不足的问题,提出了一种基于时频图结构数据奇异值分解与一维卷积神经网络(TFG-SVD-1DCNN)的液压阀智能故障诊断方法。首先,采用短时傅里叶变换(STFT)的方法分析了包含故障信息的信号,提取了信号在不同时间段内频率成分的详细信息,得到了时频矩阵;然后,使用时频矩阵在频率维度上的特征构造了图结构数据(GSD),获得了边的连接关系和边的权重等信息,再利用这些信息生成了图结构数据的邻接矩阵,充分保留了每个样本的空间特征;最后,采用奇异值分解(SVD)方法对图结构数据的邻接矩阵进行了降维,将降维之后的主要特征输入到一维卷积神经网络(1D-CNN)中进行了故障分类,并利用仿真数据验证了该方法在优先阀故障诊断方面的性能。研究结果表明:对于优先阀正向无法打开或关断以及反向无法打开或关断4种故障类型,采用智能故障诊断方法所得的平均准确率为99.7%。该研究可以为液压阀故障检测提供一种有效的方法。 展开更多

关键词 液压系统 液压阀 流量优先阀 时频图结构数据奇异值分解 一维卷积神经网络 短时傅里叶变换 图结构数据

在线阅读 下载PDF 职称材料

基于FFT-CNN-GCN的电网故障诊断

7

作者 安春丽 张碧玲 +2 位作者 赵国安 王博 刘岩 《浙江大学学报(工学版)》 北大核心 2025年第10期2205-2212,共8页

为了实现电网故障类型判断、故障线路定位和故障距离判断,提出融合快速傅里叶变换(FFT)、卷积神经网络(CNN)和图卷积神经网络(GCN)的电网故障诊断新模型.通过FFT对电压和电流信号进行时域和频域分解,提取信号的基波幅值和相位,利用CNN... 为了实现电网故障类型判断、故障线路定位和故障距离判断,提出融合快速傅里叶变换(FFT)、卷积神经网络(CNN)和图卷积神经网络(GCN)的电网故障诊断新模型.通过FFT对电压和电流信号进行时域和频域分解,提取信号的基波幅值和相位,利用CNN提取分解后数据的时序特征,引入层归一化增强模型的稳定性.结合GCN处理电网空间拓扑,提取并整合空间特征.通过对IEEE39节点电网系统的建模和仿真验证模型的有效性.实验结果表明,所提模型具有较强的泛化能力,在不同任务、采样间隔和噪声影响下的故障诊断准确率优于现有模型. 展开更多

关键词 故障类型 故障线路 故障距离 快速傅里叶变换(FFT) 卷积神经网络(CNN) 图卷积神经网络(GCN)

在线阅读 下载PDF 职称材料

基于可学习图比率掩码估计的图频域语音增强方法 被引量：2

8

作者 王景润 郭海燕 +1 位作者 王婷婷 杨震 《信号处理》 CSCD 北大核心 2024年第12期2249-2260,共12页

在基于深度神经网络(deep neural network,DNN)的时频域语音增强方法中,通常将短时傅里叶变换(short-time Fourier transform,STFT)得到的复数域含噪语音时频谱作为DNN输入,以估计纯净语音的幅度和相位。此类方法由于会涉及对复数的运算... 在基于深度神经网络(deep neural network,DNN)的时频域语音增强方法中,通常将短时傅里叶变换(short-time Fourier transform,STFT)得到的复数域含噪语音时频谱作为DNN输入,以估计纯净语音的幅度和相位。此类方法由于会涉及对复数的运算,计算复杂度和模型参数量较大。针对此问题,本文利用图信号处理(graph signal processing,GSP)理论,提出了基于DNN的图频域语音增强方法。首先,基于语音信号样点间的位置关系定义实对称的邻接矩阵,将语音信号以无向图形式的图信号进行表示,在此基础上利用对应的图傅里叶变换(graph Fourier transform,GFT)提取实数域的语音图频域特征。由于GFT基与邻接矩阵密切相关,该图频域特征隐式地利用了信号样点间的关系,并且可在实数网络中进行处理。然后,构建基于卷积增强transformer(convolution-augmented transformer,conformer)的网络(conformer-based network with graph Fourier transform,GFT-conformer),分别从时间维度和图频率维度捕获图频域特征的局部和全局依赖关系,训练基于掩码的目标,以实现语音增强。最后,考虑到语音和噪声在不同图频率分量上的特性差异,提出可学习图比率掩码(learnable graph ratio mask,LGRM),对不同图频率分量的掩码范围分别进行控制,实现对不同图频率分量的精细化去噪,进一步提升GFT-conformer模型的增强性能。在Voice Bank+DEMAND数据集和Deep Xi数据集上的实验结果表明,所提出的方法在五种常用的评价指标上,优于基于DNN的时域和时频域对比方案。 展开更多

关键词 深度神经网络 语音增强 图傅里叶变换

在线阅读 下载PDF 职称材料

稀疏分解和图拉普拉斯正则化的图像前景背景分割方法 被引量：1

9

作者 谭婷芳 蔡万源 蒋俊正 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第5期979-987,共9页

针对现有图像前景背景分割方法的分割结果存在孤立像素点的问题,利用图信号处理理论和稀疏分解模型,提出新的图像前景背景分割方法.将图像的内在结构建模为图,通过图模型有效地刻画像素之间的内在关联性.将图像的像素强度建模为图信号,... 针对现有图像前景背景分割方法的分割结果存在孤立像素点的问题,利用图信号处理理论和稀疏分解模型,提出新的图像前景背景分割方法.将图像的内在结构建模为图,通过图模型有效地刻画像素之间的内在关联性.将图像的像素强度建模为图信号,其中图像背景作为平滑分量,由一组图傅里叶变换基函数线性表示,叠加在背景上的前景为稀疏分量,前景像素间的连通性可由图拉普拉斯正则化项进行刻画.将图像前景背景分割问题归结为包含稀疏分解模型和图拉普拉斯正则化项的约束优化问题,采用交替方向乘子法对该优化问题进行求解.实验结果表明,与现有的其他方法相比,所提方法具有更好的分割效果. 展开更多

关键词 图信号处理 图拉普拉斯正则化 图傅里叶变换基函数 稀疏分解 前景背景分割

在线阅读 下载PDF 职称材料

结合LSTM和自注意力机制的图卷积网络短期电力负荷预测 被引量：18

10

作者 史含笑 王雷春 《计算机应用》 CSCD 北大核心 2024年第1期311-317,共7页

针对现有电力负荷预测模型建模工作量大、时空联合表征不足、预测精度低等问题,提出了一种结合长短期记忆(LSTM)网络和自注意力机制的图卷积网络(GCN)的短期电力负荷预测模型GCNLS-STLF。首先,利用LSTM和自注意力机制将原始多维时间序... 针对现有电力负荷预测模型建模工作量大、时空联合表征不足、预测精度低等问题,提出了一种结合长短期记忆(LSTM)网络和自注意力机制的图卷积网络(GCN)的短期电力负荷预测模型GCNLS-STLF。首先,利用LSTM和自注意力机制将原始多维时间序列数据转化为包含序列间关联关系的电力负荷图;然后,通过GCN、LSTM和图傅里叶变换(GFT)对电力负荷图进行特征提取;最后,使用全连接层对特征进行重构,并利用残差进行多次预测,以增强原始电力负荷数据的表达能力。在摩洛哥与巴拿马某电站的真实历史电力负荷数据上进行的短期电力负荷预测实验结果显示,与支持向量机(SVM)、LSTM、混合模型CNN-LSTM和基于注意力的CNN-LSTM(CNN-LSTM-attention)等预测模型相比,GCNLS-STLF在摩洛哥全部电力负荷测试集上的平均绝对百分比误差(MAPE)分别降低1.94、0.90、0.49和0.37个百分点;在巴拿马电力负荷测试集上的3月份MAPE分别降低1.39、0.94、0.38和0.29个百分点,6月份MAPE分别降低1.40、0.99、0.35和0.28个百分点。实验结果表明,GCNLS-STLF能有效提取电力负荷的关键特征,预测效果较好。 展开更多

关键词 短期电力负荷预测 图卷积网络 图傅里叶变换 长短期记忆网络 自注意力机制

在线阅读 下载PDF 职称材料

基于图卷积神经网络的室内穿墙无源目标检测算法 被引量：4

11

作者 杨小龙 唐婷 +1 位作者 李兆玉 唐鑫星 《电子学报》 EI CAS CSCD 北大核心 2024年第2期614-625,共12页

针对室内穿墙场景下目标状态差异而导致的信道状态信息(Channel State Information,CSI)功率谱密度在时序发生相应变化规律的不同,本文提出了一种基于图卷积神经网络(Graph Convolutional Neural,GCN)的室内穿墙无源目标检测算法.不同... 针对室内穿墙场景下目标状态差异而导致的信道状态信息(Channel State Information,CSI)功率谱密度在时序发生相应变化规律的不同,本文提出了一种基于图卷积神经网络(Graph Convolutional Neural,GCN)的室内穿墙无源目标检测算法.不同于传统的基于CSI的统计特征实现目标检测的相关系统,该算法从CSI的图域出发,基于CSI时频图特征构建得到GCN图结构后,使用可实现对复杂图中各节点进行分类的GCN作为分类器,提高了室内复杂环境下目标检测的性能.该方法在对原始CSI进行异常值去除和小波阈值去噪的基础上,利用短时傅里叶变换得到每个子载波上CSI幅值的时频图;然后根据各子载波CSI时频图特点,将存在能量的频率平均分为5个频段,再计算每个频段的平均功率谱密度,并在每个时序对其进行排序;最后基于对平均功率谱密度排序后各频段索引的变化规律构造GCN图,并将其邻接矩阵和特征矩阵输入GCN网络中进行训练,最终实现图节点特征与目标状态的一一映射.实验结果表明,在玻璃墙和砖墙场景下,本文提出的算法能够很好地刻画目标状态不同而导致的CSI功率谱密度变化规律的差异,且其平均检测准确率均高于现有的R-TTWD(Robust device-free Through-The-Wall Detection)和TWMD(The-Wall Moving Detection)目标检测算法. 展开更多

关键词 WI-FI 信道状态信息 穿墙目标检测 短时傅里叶变换 图卷积神经网络

在线阅读 下载PDF 职称材料

基于骨骼点动态时域滤波的人体动作识别 被引量：5

12

作者 李松洋 王雪婷 +1 位作者 陈相龙 陈恩庆 《图学学报》 CSCD 北大核心 2024年第4期760-769,共10页

人体动作识别是计算机视觉的重要研究方向,广泛应用于智能监控、人机交互等领域。现有基于骨骼点的动作识别方法多采用图卷积网络(GCN)和时间卷积网络(TCN)级联的方式实现,而后者卷积核的尺寸限制了模型的全局时间建模能力。此外,仅使... 人体动作识别是计算机视觉的重要研究方向,广泛应用于智能监控、人机交互等领域。现有基于骨骼点的动作识别方法多采用图卷积网络(GCN)和时间卷积网络(TCN)级联的方式实现,而后者卷积核的尺寸限制了模型的全局时间建模能力。此外,仅使用卷积处理骨骼点数据缺乏对于不同骨骼点的区分能力,并且TCN提取特征时往往会重复计算,使得TCN的参数量随着网络层数的加深而增大。借助信号处理的方法提出了一种适用于骨骼点的动态时域滤波模块(SDTF),用于代替TCN对时间特征进行全局建模,并在此基础上对AGCN进行轻量化改进,提出的AGCN-SDTF动作识别模型降低了模型复杂度。SDTF通过傅里叶变换对时间特征进行建模,将傅里叶变换得到的频域特征与滤波得到的频域输出相乘再经过傅里叶逆变换,从而实现对全局时间特征的提取。在NTU-RGBD和Kinetics-Skeleton大型数据集上的实验结果表明,该模型在达到与原模型相同的识别效果时,降低了模型所需的参数量和计算量。 展开更多

关键词 人体动作识别 图卷积网络 动态时域滤波 傅里叶变换 时间卷积网络

在线阅读 下载PDF 职称材料

语音图信号处理理论与技术研究 被引量：14

13

作者 杨震 王婷婷 《南京邮电大学学报（自然科学版）》 北大核心 2020年第5期43-51,共9页

首先论述新型图信号处理(Graph Signal Processing,GSP)技术的基本概念和相关研究进展,其中包括图拓扑结构、图傅里叶变换、滤波及图学习。鉴于语音信号是一种非平稳和非线性的信号,为此,文中研究基于GSP技术的语音信号的图映射理论,即... 首先论述新型图信号处理(Graph Signal Processing,GSP)技术的基本概念和相关研究进展,其中包括图拓扑结构、图傅里叶变换、滤波及图学习。鉴于语音信号是一种非平稳和非线性的信号,为此,文中研究基于GSP技术的语音信号的图映射理论,即将时域语音信号映射为图域的语音图信号,通过设计语音图信号的图拓扑结构和图邻接矩阵来研究语音图信号的内在潜藏关系,进而设计优于经典DSP的语音图信号消噪算法和系统。在此研究基础上,进一步讨论相关实际应用问题,例如麦克风阵列环境下如何通过GSP技术处理麦克风阵列声源(说话人)的定位及追踪问题。期望基于GSP技术语音图信号处理理论,为语音识别、合成、编码、增强等各个领域的图信号处理奠定理论基础。 展开更多

关键词 GSP 图傅里叶变换 图滤波器 语音增强 声源定位及追踪

在线阅读 下载PDF 职称材料

一种基于图信号处理的BP神经网络语音识别方案 被引量：5

14

作者 叶蕾 王婷婷 +2 位作者 郭海燕 陈雪红 杨震 《南京邮电大学学报（自然科学版）》 北大核心 2023年第5期1-8,共8页

文中研究图信号处理技术在语音信号处理领域的实现和应用。基于语音信号基本特征,提出一种语音图信号拓扑结构和图邻接矩阵新方案,即语音采样点为图顶点,全连接语音拓扑结构和语音样值差递减幂函数作为边权重。分析了新方案下浊音、清... 文中研究图信号处理技术在语音信号处理领域的实现和应用。基于语音信号基本特征,提出一种语音图信号拓扑结构和图邻接矩阵新方案,即语音采样点为图顶点,全连接语音拓扑结构和语音样值差递减幂函数作为边权重。分析了新方案下浊音、清音和静音的图傅里叶变换。基于新方案下语音图傅里叶变换系数集中于低频的特性,设计图低通滤波器,并将该低通滤波器滤波后的语音信号进行基于BP神经网络的数字语音识别实验,正确识别率获得明显提高。 展开更多

关键词 图信号处理 图傅里叶变换 图滤波器 语音识别

在线阅读 下载PDF 职称材料

图卷积神经网络基础图结构影响研究 被引量：6

15

作者 李社蕾 周波 +1 位作者 杨博雄 刘小飞 《小型微型计算机系统》 CSCD 北大核心 2021年第4期891-896,共6页

为进一步提高基于图卷积神经网络的半监督图节点分类的准确率,本文研究了基础图结构对图卷积神经网络的影响.通过对数据集(Cora、Citeseer及Pubmed)的图结构进行可视化,发现数据集(Cora、Citeseer)的图结构均为非连通图.通过研究非连通... 为进一步提高基于图卷积神经网络的半监督图节点分类的准确率,本文研究了基础图结构对图卷积神经网络的影响.通过对数据集(Cora、Citeseer及Pubmed)的图结构进行可视化,发现数据集(Cora、Citeseer)的图结构均为非连通图.通过研究非连通图中图拉普拉斯矩阵的"0"特征值和特征向量的特性,提出了通过对图拉普拉斯矩阵的"0"特征值对应的特征向量进行相关运算处理,获取非连通图最大连通分量的方法.该方法有效获取了数据集(Cora、Citeseer)图结构的最大连通分量,去除了非连通小分量.在该最大连通分量上利用3种先进的图卷积神经网络模型(GCN、GAT和GMNN)进行了实验验证,结果表明分类准确率提升了1%-4%,为其它包含小连通分量噪声的数据集更有效地利用图卷积神经网络模型训练提供了参考. 展开更多

关键词 图傅里叶变换 最大连通分量 图神经网络 图拉普拉斯矩阵

在线阅读 下载PDF 职称材料

分析大数据:非规则结构与图信号 被引量：8

16

作者 王保云 李沛 《南京邮电大学学报（自然科学版）》 北大核心 2020年第5期112-116,共5页

图信号处理(GraphSignalProcessing,GSP)使用和扩展信号处理的处理手段,以处理定义于不规则图结构上的数据。文中介绍图信号处理的研究背景及其研究意义,对图信号处理中图信号、图移位算子、图傅里叶变换以及图滤波器等几个重要的基本... 图信号处理(GraphSignalProcessing,GSP)使用和扩展信号处理的处理手段,以处理定义于不规则图结构上的数据。文中介绍图信号处理的研究背景及其研究意义,对图信号处理中图信号、图移位算子、图傅里叶变换以及图滤波器等几个重要的基本概念进行了阐释。目前图信号处理研究极其活跃,已经涵盖很多方面,文中着重对其中3个方向的研究进展进行了梳理与分析,包括图信号的采样与重建、图结构的学习以及图滤波器设计。最后,对图信号处理相关研究进行了展望,提出了若干值得进一步研究的问题。 展开更多

关键词 图信号处理 非规则数据 图傅里叶变换

在线阅读 下载PDF 职称材料

废弃电路板环氧树脂真空热解及产物分析 被引量：19

17

作者 丘克强 吴倩 湛志华 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2009年第5期1209-1215,共7页

在真空条件下,应用程序升温的管式炉反应器对废弃电路板中环氧树脂热解规律进行研究,考察不同的热解终温、升温速率、真空度(压力)及保温时间等各种因素对产物产率的影响。此外,利用傅里叶红外(FT-IR)和气质联用(GC/MS)技术对热解油产... 在真空条件下,应用程序升温的管式炉反应器对废弃电路板中环氧树脂热解规律进行研究,考察不同的热解终温、升温速率、真空度(压力)及保温时间等各种因素对产物产率的影响。此外,利用傅里叶红外(FT-IR)和气质联用(GC/MS)技术对热解油产物进行表征分析。实验结果表明:温度对产物产率的影响最大,升温速率、真空度及保温时间对热解产物产率也有重要影响。选择适当的热解温度(400～550℃)、升温速率(15～20℃/min)、真空度(压力15kPa)及保温时间(30min)有利于提高热解液体产品的产率;热解油的主要成分是酚类物质,其总含量为84.08%,其中,含溴化合物含量为15.34%。 展开更多

关键词 真空热解 废弃电路板 环氧树脂 气相色谱-质谱 红外光谱

在线阅读 下载PDF 职称材料

半自动眉毛识别方法 被引量：1

18

作者 李玉鑑 张夏欢 张晨光 《计算机工程与应用》 CSCD 北大核心 2011年第31期201-205,共5页

提出了基于哈希图半监督学习和支持向量机的半自动眉毛识别方法。针对图半监督学习构图时间复杂度过高的缺点,提出了基于哈希图半监督学习的纯眉毛图像半自动提取方法。在纯眉毛图像的基础上通过傅里叶变换和Gabor变换及主成分分析提取... 提出了基于哈希图半监督学习和支持向量机的半自动眉毛识别方法。针对图半监督学习构图时间复杂度过高的缺点,提出了基于哈希图半监督学习的纯眉毛图像半自动提取方法。在纯眉毛图像的基础上通过傅里叶变换和Gabor变换及主成分分析提取纯眉毛图像的特征向量,用于支持向量机的训练和识别。在北工大眉毛数据库上,通过眉毛识别实验,分析了图半监督学习和哈希图半监督学习对提取纯眉毛图像速度的影响,并且总结了它们与特征向量和核函数的选择对识别率的影响。 展开更多

关键词 眉毛识别 图半监督学习 支持向量机 傅里叶变换 主成分分析

在线阅读 下载PDF 职称材料

基于稀疏表示以及图谱理论的故障诊断方法 被引量：3

19

作者 刘新厂 林建辉 +1 位作者 陈春俊 孙琦 《振动．测试与诊断》 EI CSCD 北大核心 2022年第3期549-555,620,621,共9页

针对图傅里叶变换(graph Fourier transform,简称GFT)方法在提取轮对轴承故障特征信号的过程中,将信号中包含的部分噪声成分提取出来,从而对故障诊断结果产生影响这一问题,提出了一种基于稀疏表示以及图谱理论相结合的轮对轴承故障诊断... 针对图傅里叶变换(graph Fourier transform,简称GFT)方法在提取轮对轴承故障特征信号的过程中,将信号中包含的部分噪声成分提取出来,从而对故障诊断结果产生影响这一问题,提出了一种基于稀疏表示以及图谱理论相结合的轮对轴承故障诊断方法。首先,根据具有局部损伤的滚动轴承振动信号特点构造合适的过完备字典库;其次,采用正交匹配追踪法求解系数实现对振动信号的稀疏表示;最后,通过图傅里叶变换方法将信号中含有的冲击分量集中到图谱域的高阶区域,从而对轮对轴承故障进行诊断。通过仿真数据以及试验数据处理结果,对提出方法的有效性进行了验证。 展开更多

关键词 轮对轴承 稀疏表示 图傅里叶变换 故障诊断

在线阅读 下载PDF 职称材料

基于图信号处理的频控阵雷达目标定位方法 被引量：4

20

作者 谢宁波 欧阳缮 +2 位作者 廖可非 王海涛 蒋俊正 《电子与信息学报》 EI CSCD 北大核心 2023年第5期1559-1566,共8页

针对现代雷达应用对目标高精度测角和测距的需求,该文将图信号处理(GSP)应用于频控阵(FDA)雷达目标定位中,提出一种基于图信号处理的频控阵雷达目标定位新方法。首先,基于频控阵雷达几何模型及回波数据间的信号关联性构建回波数据的图... 针对现代雷达应用对目标高精度测角和测距的需求,该文将图信号处理(GSP)应用于频控阵(FDA)雷达目标定位中,提出一种基于图信号处理的频控阵雷达目标定位新方法。首先,基于频控阵雷达几何模型及回波数据间的信号关联性构建回波数据的图信号模型,进而利用图傅里叶变换对上述图信号作图谱分解,构建2维谱峰搜索优化函数,最终有效获得目标的方位角-距离联合估计。仿真实验结果表明,该算法能够正确估计出目标的方位角和距离信息;在相同仿真条件下,算法的估计精度优于同类算法且提升了对弱目标的定位性能。 展开更多

关键词 雷达目标定位 阵列信号处理 频控阵 图傅里叶变换 方位角-距离联合估计

在线阅读 下载PDF 职称材料