主分量

摘要： Because eigen-analysis method can't work when the input sequence is too long or environment is nonstationary for blind estimate of PN sequence synchronous direct sequence code-division multiple access (DS-CDMA) signals with different power level.This paper introduced an on-line unsupervised learning neural network (NN) for adaptive feature extraction via principal component analysis (LEAP) method.Firstly,it chose the period segmented DS-CDMA signals as NN input and used the symbol function of each weight vector to represent the PN sequence of each user.Then through the continuous input signal,it trained the weight vectors of NN repeatedly until convergence.Finally,the PN sequence of each user could be rebuilt by the symbolic function of each weight vector.Furthermore,this paper introduced variable step to improve the convergence rate.Theoretical analysis and simulation experiments show that LEAP NN method is efficiency in condition with-20 dB signal to noise rations (SNR) and 10 users of synchronous DS-CDMA signals with different power level.Besides,its convergence rate is better than traditional Sanger NN method.%针对特征分解方法在实现非等功率同步直接序列码分多址(DS-CDMA)信号伪码序列盲估计时存在的处理数据向量不能太长以及不能工作于非平稳环境中的问题,引入了一种由主分量分析实现自适应特征提取的在线无监督学习(LEAP)神经网络(NN).首先将已分段的一周期DS-CDMA信号作为NN的输入信号,用NN各权值向量的符号函数代表DS-CDMA信号各用户的伪码序列,然后通过不断输入信号来反复训练权值向量直至收敛,最终DS-CDMA信号各用户的伪码序列就可以通过各权值向量的符号函数重建出来.此外,采用变步长以提高收敛速度.理论分析与仿真实验表明,LEAP NN至少可以实现-20 dB信噪比下10个用户的非等功率同步DS-CDMA伪码序列盲估计,并且比传统的SangerNN具有更快的收敛速度.

摘要： 在集成电路测试领域常常需要对测试集和测试响应进行频谱分析,计算其频谱主分量,用于指导测试产生和进行测试数据压缩等。提出一种用KM(Kuhn-Munkras)算法增强测试集频谱主分量的方法,先根据测试集和其频谱主分量矩阵构建二分图模型和权值矩阵,把增强频谱主分量的问题转化为二分图的匹配问题,然后用KM算法求解。根据匹配关系调整测试集中测试向量的顺序后,频谱主分量和测试集的相关性增加,频谱主分量得到增强。在ISCAS-89基准电路测试集的实验表明,测试集排序后,其频谱主分量的相关性提高了19.05%,测试集残差FDR编码压缩率提高了4.59%。

摘要： 提出了一种基于动力响应主分量的瞬时频率和幅值的非线性模型修正方法.首先通过解析模式分解和希尔伯特变换提取结构动力响应主分量的瞬时频率和瞬时幅值;然后选取瞬时幅值和瞬时频率慢变部分的有限多个时间点值来反映结构的非线性特性;最后采用响应面模型,并基于试验数据和有限元模型数据之间瞬时幅值和频率的残差建立目标函数,进行结构的非线性模型修正.通过三层框架的数值模拟分析,其结果表明该方法能精确有效地修正非线性结构模型.

摘要： 在噪声工程中,声源数量和空间位置判别是最基本的问题.鉴于舰船机械设备众多,传递通道复杂,使得这一问题更加复杂,采用传统的MUSIC算法已经无法判别耦合声源数量.为此,本文基于主分量算法的特殊性,利用其特征量相互之间的关系来判断耦合声源的数量及空间位置.理论研究表明,该方法可以满足3 dB信噪比条件下的耦合声源数量判别,结合窄带滤波器可以实现更低信噪比条件下的耦合声源数量识别.基于信息模型的仿真计算结果,利用壳体上分布的响应测点信息构建主分量分析的输入信息矩阵,进一步验证该算法在耦合声源数量判别上的准确性和可行性.

摘要： 针对FCM彩色图像分割算法需要给定聚类数且受初始值影响较大的缺点,提出一种自适应FCM彩色图像分割算法.该方法首先引入主分量变换,通过直方图分析,在RGB彩色空间上自动确定聚类数目,其次引入2D直方图,分析对角线投影1D直方图,并采用最大最小距离法选取初始聚类中心.利用该算法对各种彩色图像进行分割实验,实验结果表明:该算法能够有效且自适应地分割彩色图像.

摘要： 特征提取是GIS局部放电模式识别的关键,通常情况下,由特征数据所构成的特征空间维数较高,不利于分类.基于此,本文引入主分量稀疏化思想,首先搭建了252kVGIS局部放电仿真实验平台,通过设置4种典型的GIS局部放电模型,采用超声波检测法获取了相应的信号.然后,通过主成分的贡献累积率自主确定稀疏度.结果表明,采用该方法可以实现特征量的有效提取,同时特征分量的聚类效果也得到了增强.

摘要： In order to study on the vibration signal of hydraulic system through EEMD decomposition of main components of order IMF components can represent the decomposition of EEMD signals, analysis of principal component decomposition of EEMD was pres⁃ented, and the effect of EEMD related principal component was researched. EEMD was applied to decompose the signal to get the IMF component. The correlation coefficient of each component of the original signal was calculated to find the relevant principal component signal. Through the Hilbert envelope spectrum analysis of principal component and comparing with the Hilbert envelope spectrum of the original signal, the analysis effect of EEMD related principal component was validated. The study of the measured signal shows that af⁃ter the continuous signals of a hydraulic cylinder by EEMD decomposition, with the original signal correlation between the larger of the five order IMF component:IMF1, IMF2, IMF5, IMF6, IMF7 were contained in the original signal components. They were able to represent the major components of the decomposition of EEMD signal, and the first five orders were not able to fully represent the main component of the original signal. It was found by the hydraulic cylinder impact signal analysis that the former two order IMF: IMF1、IMF2 components of the EEMD decomposition had larger correlation with the original signal. The frequency components and the infor⁃mation contained in the original signal were able to be represented to indicate the principal component decomposition of EEMD signal and also to represent the main components of EEMD decomposition. Therefore, EEMD related principal component analysis can high⁃light the main frequency components of EEMD decomposition, which has good analysis effect to the vibration signals of the hydraulic system.%为了研究液压系统振动信号经EEMD分解前几阶IMF分量能否代表EEMD分解信号的主要成分，提出了EEMD分解的相关主分量分析，研究了EEMD相关主分量分析的效果。运用EEMD分解信号，得到其IMF分量，计算出各分量与原信号的相关系数，从中找出信号的相关主分量，通过对主分量进行Hilbert包络谱分析，并与原信号的Hilbert包络谱比较来验证EEMD相关主分量分析效果。通过对实测信号研究表明，某液压缸连续信号经EEMD分解后，与原信号相关性较大的5阶IMF分量： IMF1、 IMF2、 IMF5、 IMF6、 IMF7包含原信号主要成分，能表示该信号EEMD分解的主分量，而前5阶却不能完整表示原信号的主分量；对液压缸冲击信号分析发现， EEMD分解的前两阶IMF分量： IMF1、 IMF2与原信号相关性较大，能够准确地表示原信号所包含的频率成分和信息，能表示信号EEMD分解的主分量，代表EEMD分解信号的主要成分。因此， EEMD相关主分量分析能突出EEMD分解的主要频率成分，对液压系统振动信号分析效果良好。

摘要： 针对众多不确定要素影响电力负荷预测准确度的问题,对粗糙集理论进行研究的基础上,提出了基于属性主分量的启发式约简算法,对天气及负荷历史数据进行处理,并建立了与广义回归神经网络结合的短期负荷预测模型.通过属性约简算法提取对未知负荷变化影响大的关键要素,得到的要素属性作为该模型的学习样本.算例结果表明,新算法与根据经验选取输入参数的传统广义回归神经网络相比,预测准确度有了明显的提高,计算量减少,更适用于短期电力负荷预测.

摘要： 在桂东南低温阴雨天气的特征和类型研究的基础上，应用气候场的主分量逐步回归方法，通过多个气候场的主分量因子相关分析筛选，求得低温阴雨场主分量与高度场、海温场、环流指数以及副高面积指数等因子场主分量之间的联系，而后进行逐步回归预报。

摘要： K-L变换是均方误差准则下的最佳变换.本文采用了一种自适应提取主分量的神经网络算法实现K-L变换.采用该算法对网络的权作修正,当网络收敛后,其m个输出神经元对应的权依次为最大m个特征值所对应的主分量.通过实验与分析,采用神经网络算法实现K-L变换具有较好的精度,而且与常规K-L变换算法相比,便于观察主分量的变化,在一定程序上反映了信息提取的过程.当样本增加时,神经网络算法能利用原先的计算信息继续计算,具有较大的优越性.

摘要： 本发明提供了一种用于电力系统数据压缩的主成分分量迭代选择方法，所述方法在传统主成分分析数据压缩方法的基础上，首先设定主成分分量数N′为1，进而计算迭代的主成分矩阵，重新构建估计数据矩阵，再计算所有重构相量数据相比与原始相量数据最大的综合矢量误差值，并据此判断是否满足重构数据精度，若精度不满足则进一步迭代，直至得到满足重构精度的主成分分量数。本发明不依赖于数据样本归一化处理，可应用于复数域上的相量数据压缩；同时，迭代过程不会显著地增加主成分分析方法的计算量，当采用主成分分析方法对同步相量数据进行压缩时，有效提高数据的压缩比和重构数据精度，适用于电力系统中的数据压缩的主成分分量的选择。

摘要： 本发明的主分量分析的混沌系统检测纳伏级微弱正弦信号的方法，针对现有的混沌系统检测混合信号中纳伏级微弱正弦信号的局限性，引入了主分量分析技术。对待测混合信号进行零均值预处理，求待测信号的协方差矩阵以及特征值和对应的特征向量；将协方差矩阵的特征值按从大到小的顺序排列，提取混合信号中周期信号对应的主分量并舍弃；将舍弃主分量的混合信号作为混沌系统的内置策动力，根据混沌振子的相态变化检测微弱正弦信号频率；根据混沌振子从临界周期状态到大尺度周期状态的跳变，提取待测纳伏级正弦信号幅值。本发明方法降低了混合信号中其它周期信号对混沌系统检测微弱正弦信号的影响，提高了混沌系统的检测能力，且操作简单易行。

摘要： 本发明涉及一种基于能量谱的桥梁静态监测数据主分量聚类方法，属于桥梁结构监测领域，包括步骤：S1：桥梁静态监测数据时域重构；S2：对能量谱进行计算，将桥梁监测时域信息转化到频域，从频域的角度对结构原始响应进行分析处理；S3：频域内去除或减弱干扰成分；S4：采用主分量分析对样本特征进行降维；S5：采用k均值聚类方法对主分量样本数据集进行无监督学习，利用最终分类识别结果区分桥梁结构的各种运营状态。本发明通过对桥梁静态监测数据的重构，从频域角度对时域监测信号进行滤波，消除活荷载作用，减小了测试误差等干扰因素的影响，利用模式识别方法准确识别桥梁结构各种运营状态，为技术人员管养在役桥梁提供科学参考依据。

摘要： 本发明涉及一种基于主分量分析的振幅横向变化刻画方法，本发明针对刻画振幅沿层变化时抗噪性问题，利用希尔伯特变换获得瞬时振幅，沿地层视倾角利用中心差分求取瞬时振幅的空间偏导数，然后利用瞬时振幅的空间偏导数构建协方差矩阵，进而利用主分量分析提取主分量，最后利用主分量的瞬时振幅沿视倾角导数的稳定估计，可用于稳定地刻画振幅横向变化。本发明具有受构造影响小且抗噪性好的特点，该发明在三维叠后地震资料节省成本、提高地震资料解释等方面的具有很好的应用前景。

摘要： 一种基于颜色主分量提取的磨粒材质自动识别方法，其特征在于，步骤一：根据各种材质本身的颜色及其各级回火温度下的回火颜色，构建材质标准颜色样本库；步骤二：利用区域标记联通算法求出RGB图像灰度化后的图像、S分量磨粒图像、V分量磨粒图像所对应的三幅分割后的磨粒图像的磨粒面积，保留各自图像中最大的磨粒，对比三幅图像选出其中磨粒面积最大的磨粒图像；步骤三：利用K‑Mean聚类提取所分割出的磨粒图像主颜色；步骤四：利用基于欧式距离的最小距离分类法求取所提取的磨粒图片主颜色与标准颜色样本的距离，实现磨粒材质的自动识别。本发明将磨粒加热分析法与图像处理技术相结合，基于K‑Mean聚类和欧式距离的最小距离分类法，实现了常见磨粒材质的自动识别。

摘要： 本发明属于无线电定位技术领域，具体涉及一种利用频谱主分量的时差估计方法。本发明提出的一种利用频谱主分量的低数据传输量时差估计方法，通过一个信号接收站先利用信号频谱数据提取频谱主分量，然后将数据量减少了一半的频谱主分量数据传输到另一个信号接收站进行时差估计，从而在利用更宽的频谱信息确定高精度时差估计的同时，将所需要传输的数据量减少一半的目的。

摘要： 描述了一种装置、方法和计算机程序，包括：获得用于主分量载波的第一信道测量数据，主分量载波被用于移动通信系统的设备与网络节点之间的通信；提供第一信道测量数据作为算法的输入以获得第一嵌入输出；将第一嵌入输出与输入到所述算法的多个参考信道测量数据的嵌入输出相比较，以标识相对于第一信道测量数据的最接近的参考信道测量数据；标识与所标识的最接近的参考信道测量数据相关联的参考信道信息集合，其中所标识的参考信道信息集合包括载波聚合策略，载波聚合策略定义一个或多个辅通信信道；以及根据所标识的参考信道测量数据集合的载波聚合策略，设置用于主分量载波的载波聚合策略，用于移动通信系统的设备与网络节点之间的通信。

摘要： 本发明属于目标识别技术领域，具体的说是涉及一种用于多旋翼无人机识别的二维主分量特征提取方法。本发明首先将多旋翼无人机的回波信号进行短时傅里叶变换得到微多普勒谱图，然后获取谱图二维主分量分析的特征向量矩阵，最后选取分类性能高的特征向量组成最优二维主分量变换矩阵，提取目标的识别特征，实现对多旋翼无人机的分类识别。本发明根据分类信息量最大准则对二维主分量特征向量矩阵进行抽取，获得了最优的分类特征信息，进一步改善了识别准确率。

摘要： 本发明涉及一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，该方法采用脉冲电流宽带检测法采集获取的脉冲波形‑时间序列数据，基于主成分分析算法PCA对脉冲电流波形‑时间序列对应的脉冲或脉冲群时域和频域波形进行主分量特征参数提取，形成主分量分布2D平图(PCA‑1,PCA‑2)和3D空间(PCA‑1,PCA‑2,PCA‑3)，从而为脉冲群进行快速分类提供直观数据展示和可执行数据源。与现有技术相比，本发明具有计算方法简单，计算效率高等优点。

摘要： 本发明公开了一种基于主分量分析评价环境空气质量的方法，属于大数据技术领域，包括生产标准化数据Yij、计算数据相关系数矩阵R、计算得出数据相关系数矩阵R的特征值λ1，λ2，…λp、统计主成份Fi、计算出综合得分F，解决了在原始数据信息丢失最小的情况下，对高纬变量空间进行降维处理的技术问题，本发明在保证原始数据信息损失最小的前提下，经过线性变换和舍弃部分信息，以少数的综合变量取代原有的多维变量，既抓住了主要矛盾又简化了评价工作，从而达到环境空气质量评价的目的。