奇异谱分析

摘要： 针对电离层总电子含量(TEC)时间序列具有高噪声、非线性和非平稳的特性,在奇异谱分析基础上,融合长短期记忆神经网络模型构建短期电离层组合预报改进模型,并对磁暴期、磁平静期的电离层TEC预报精度进行分析。结果表明,在磁暴期和磁平静期,该模型预报3 d的TEC相对精度分别为91.17%和95.46%,比单一LSTM模型分别提高4.92百分点和3.17百分点。

摘要： 针对MEMS矢量水听器的噪声去除问题,将集合经验模态分解(EEMD)、小波阈值去噪(WT)和奇异谱分析(SSA)相结合,提出了一种联合EEMD-WT-SSA去噪算法.该算法首先将含噪信号分解为一系列固有模态函数(IMF),然后,用连续均方误差准则(CMSE)对高频和低频进行区分,对高频信号进行小波阈值去噪,再和低频信号进行重构,最后对重构信号利用奇异值分析方法进行恢复,得到目标信号.通过仿真实验和湖试实验的信号处理表明,所提算法在信噪比和均方误差两个评价指标方面,相对于EEMD和EEMD-WT算法,具有明显的优势.

摘要： 精确的短期风电功率预测能有效提高电网供电可靠性。为降低风电数据中隐含噪声对预测结果的影响,采用奇异谱分析(Singular Spectrum Analysis,SSA)将原始数据分解并重构为趋势、周期和高频噪声三个子序列,作为预测模型的输入。针对传统循环网络局限于时间相关性的前向提取,提出卷积双向门控循环单元网络(Convolution Neural Network-Bidirectional Gated Recurrent Unit,CNN-BiGRU)预测模型。前者提取重构子序列间特征的耦合关系,后者挖掘数据的双向时间相关性,以提高预测精度。为了研究该模型的预测性能,选取了其他模型进行对比,试验结果表明SSA-CNN-BiGRU模型比其他模型更具有优越的预测性能。

摘要： 利用时变重力场模型、GLDAS水文模型和湖泊水量变化数据反演三江源区域2003~2020年地下水储量变化,使用奇异谱分析方法对地下水变化时间序列进行分析。结果表明,2003~2012年三江源区域地下水储量整体呈现增长趋势,年增长率为0.7 cm/a;2013~2020年三江源区域地下水储量整体呈现减少趋势,年增长率为-0.3 cm/a;三江源区域地下水年度变化主要受降雨补给规律的影响,降雨对地下水的补给滞后期为2个月。

摘要： 考虑到新冠病毒传播特点,本文提出了一种基于奇异谱分析(SSA)的万有引力搜索和粒子群联合算法(PSO-GSA)优化的支持向量回归(SVR)预测模型.首先,采用SSA算法对全球各个区域(非洲区域、美洲区域、东南亚区域、欧洲区域、东地中海区域、西太平洋区域)每周新增确诊及死亡病例的实时监测数据进行降噪处理,基于重构序列建立SVR模型;其次,分别引入PSO和GSA算法优化SVR模型的参数,建立更为精准的预测模型(PSO-SVR和GSA-SVR);最后结合两种算法的优点,构建了一种PSO-GSA联合算法,建立了SSA-PSO-GSA-SVR预测模型,并将以上模型应用于全球新冠肺炎疫情趋势预测.实验结果显示:对比其他文献中提出的PSO-SVR和GSA-SVR预测模型,基于SSA-PSO-GSA-SVR预测模型的预测评价指标MAPE的值最低,预测效果最优,表明该模型可以为COVID-19发展趋势提供科学依据.

摘要： 为提高径流时间序列预测精度,提出小波包分解(WPD)与奇异谱分解(SSA)-鼠群优化(RSO)算法-回声状态网络(ESN)相混合的径流时间序列预测方法。分别利用WPD和SSA将非平稳径流时间序列分解为若干子序列,有效降低径流时间序列的复杂性;介绍RSO算法原理,在不同维度条件下选取6个典型函数对RSO算法进行仿真测试;利用RSO算法对ESN储备池规模、稀疏度等超参数进行优化,建立WPD-RSO-ESN、SSA-RSO-ESN模型,并分别构建WPDRSO-SVM、WPD-ESN、WPD-SVM和SSA-RSO-SVM、SSA-ESN、SSA-SVM作对比分析模型;利用云南省江边街水文站1957-2014年逐月径流时间序列数据对8种模型进行检验及对比分析。结果表明:RSO算法在不同维度条件下均具有较好的寻优精度和全局搜索能力。WPD-RSO-ESN、SSA-RSO-ESN模型对实例后10年120个月月径流时间序列预测的平均绝对百分比误差分别为2.73%、3.90%,预测精度优于同一分解条件下的其他模型。RSO算法能有效优化ESN网络超参数,提高ESN网络的预测性能。WPD对径流时间序列数据的分解效果优于SSA方法。

摘要： 针对水文时间序列月径流多尺度非平稳性等特点,提出基于奇异谱分解(SSA)的学生心理学优化(SPBO)算法-自适应神经模糊推理系统(ANFIS)月径流组合预测模型,并应用于云南省某水文站月径流预报。首先通过SSA将实例月径流时序数据分解为若干独立子序列分量,以降低时序数据的复杂性;其次介绍SPBO算法原理,通过取8个标准函数对SPBO算法进行仿真验证及比较;最后采用SPBO算法优化ANFIS条件参数和结论参数,建立SSA-SPBO-ANFIS模型对每一个子序列进行预测,叠加后作为最终月径流预测结果,并与基于集合经验模态分解(EEMD)的EEMD-SPBO-ANFIS模型和未经分解的SPBO-ANFIS模型作比较。结果表明:SPBO算法具有较好的寻优精度;SSA-SPBO-ANFIS模型对实例月径流预测的平均绝对百分比误差5.57%,平均绝对误差0.20 m^(3)/s,纳什系数0.9948,合格率96.7%,预测效果优于EEMD-SPBO-ANFIS模型,远优于SPBO-ANFIS模型。模型及方法可为相关水文时间序列预测研究提供参考。

摘要： 提升舰船网络信号及整体通信质量,提出基于稠密度聚类的舰船网络微弱信号自适应增强方法。应用稠密度聚类算法检测出舰船网络微弱信号,通过经验模态分解法分解微弱信号,结合小波变换法与奇异谱分析法去除的噪声,实现舰船网络微弱信号增强信。结果表明,该方法能够有效分解所检出微弱信号,并进行分量去噪处理,去噪后各信号分量不仅保留原有细节特征,且有效消除掉干扰噪声,重构后所获得的增强信号整体呈现清晰,可有效保障舰船网络的整体通信质量。

摘要： 对于利用GNSS测量技术获取的桥面监测数据,研究如何对其进行准确而有效的处理与分析,获取桥梁的运营状态,对桥梁的养护与安全运营具有重要意义。从对桥面GNSS监测数据的处理与分析方法研究出发,利用EMD方法结合频谱分析,得到EMD后的IMF分量的频域范围,有效地分离出含有振动信息的变形量、趋势分量和高频噪声分量。结合SSA、EMD两种信号处理方法的优点,提出了一种新的EMD-SSA耦合模型,将经SSA去噪后的高频IMF分量与低频IMF分量和残余项进行重构。对新的信号处理模型通过仿真信号和桥面监测信号进行验证,试验结果表明,新模型的处理效果较单独的EMD、SSA方法的处理效果有了显著提升。与EMD、SSA方法相比,利用新方法处理信号后信噪比与相关系数增加,偏差减小,验证了新方法的可行性与有效性。

摘要： 南水北调工程中渡槽的安全监测对保证其长距离输水的稳定具有重要的意义。为解决目前渡槽变形预测中原型观测资料挖掘不充分的问题和进一步提升预测的精度,本文提出了一种基于时序分解和机器学习的渡槽变形预测方法。该方法首先使用奇异谱分析法将渡槽变形监测数据分解为周期分量、趋势分量和剩余分量三部分,使用核极限学习机对周期分量和趋势分量进行预测,使用长短期记忆网络结合相空间重构理论建立剩余分量的预测模型,将预测结果叠加,建立渡槽变形组合预测模型。以双洎河支渡槽的变形监测数据为例,验证了该模型的性能。结果表明,所提出的组合预测模型具有较高的精度,并且具有一定的鲁棒性,为渡槽的安全监测提供了新的技术方法。

摘要： 在地震数据处理中,噪音的去除和数据规则化是一项十分重要的工作,不规则的地震数据不利于偏移成像处理.基于奇异谱分析(SSA)的矩阵秩减方法根据相邻地震道之间的相干性压制随机噪声,减小了去噪时有效信号的损失,并且通过迭代插值的方法补全由于空间采样不均匀造成的地震道缺失.但是,目前去噪和规则化不能同时进行,本文提出一种基于奇异谱分析的联合去噪、规则化方法,在迭代时自动在地震道缺失的位置进行插值,在不缺失地震道的位置压制噪声.

摘要： 由于传统方法在进行GPS时间序列粗差探测和数据插值的方法存在一定的缺陷和限制,本文提出了基于奇异谱分析的SSA-IQR粗差探测方法,同时引入缺失数据插值方法SSA-M.两种方法都是基于改进的奇异谱分析可以通过自适应滤波的方法从不完整坐标序列中提取主要特性成分,并利用其建立模型完成粗差位置判断和缺失部分插值的基本原理.本文利用模拟数对方法特性及效果进行验证,并利用该方法对国内部分CORS站完成了不完整坐标序列的粗差剔除和数据插值.

摘要： 短期风速预测对并网风力发电系统的运行有重要意义。本文提出了一种奇异谱分析和时间序列相结合的方法进行风电场的短期风速预测。采用奇异谱分析提取实际风速序列中的趋势成分和振荡周期成分,进行准周期信号分量重建,对重建序列进行ARMA建模预测。算例表明,使用上述方法预测的风速与真实值基本一致。将本文提出的方法与ARMA方法的预测结果进行比较,前者具有更高的预测精度,表明SSA对于提高预测准确率是有效的。

摘要： 分析了强干扰背景下对微弱信号进行经验模式分解存在的问题,提出了经验模式分解和奇异谱分析相结合的微弱信号提取方法.该方法首先采用经验模式分解方法获取若干个固有模式函数,对包含特征频率的固有模式函数重组并进行相空间重构,而后进行奇异谱分析.最后,利用由奇异谱分析得到的主分量和经验正交函数反重构出一个新的时间序列,并提取该时间序列的特征频率.实验结果表明该方法能够有效的从强噪声干扰中提取出所需要的微弱信号.

摘要： 径流时间序列在一定程度上可看作是一种被噪声污染的一些准周期信号的组合.为了提高径流预测精度,利用奇异谱分析方法对三峡水库1882～2010的入库径流资料进行预处理,得到重建序列,并分别运用季节性一阶自回归、小波神经网络和混沌支持向量机模型对原始和重建序列进行模拟预测,分析比较三个模型的预测精度.结果表明奇异谱分析法不仅可以浓缩主要信息和减小误差,也能够明显地提高月径流预测精度;基于奇异谱分析方法的混沌支持向量机模型的模拟预测精度最高,检验期模型的确定性系数高达86.9％,年均最大、最小月径流相对误差分别为9％和-7％。

摘要： 本文对GPS/TEC现报预报系统关键技术进行了研究。电离层总电子含量(TEC)是反映电离层物理特性的重要参数，通常采用载波相位平滑的方法来反演TEC。为了实现电离层TEC现报预报，需要解决4项关键技术：⑴GPS数据实时抓取，在Linux系统中采用crofttab程序;⑵采用卡尔曼滤波方法来求解GPS系统硬件延迟求解;⑶TEC地图算法;⑷奇异谱分析SSA结合多阶自适应回归方程(AR)预报TEC。

摘要： 热带地区大气季节内振荡（MJO）的活动及异常对热带气候系统有重要的影响，同月、季时间尺度长期天气预报和短期气候预测关系密切，是大气科学主要前沿研究课题之一，若能实现对MJO的超前预报，便可改进并实现对与其有关的各种天气及气候事件的预报与研究。本文采用奇异谱分析(SSA)与自回归(AR)预测模型相结合的方案,对MJO逐日指数序列作自适应滤波意义下的超前预报。结果表明，对SSA方法分解出的主分量进行重建，将得到的RCs合成序列进行AR(P)建模，得到MJO指数的超前预报十分有效，SSA-AR模型可对其做提前1-20天预报，提前20天两指数预报值与实况之间平均相关系数达到0.5，与直接做AR相比较，该方法有较高可信度。该方案预报技巧稳定,将SSA-AR方案进一步完善,可望作为MJO指数业务预报的有效模型。

摘要： 为了研究冬季蒙古高压的振荡周期，重建蒙古高压主要周期振荡序列，分析其年际和年代际变化特征，检测其存在的气候突变点；利用Hadley中心1850.01月～2004.12月，155年的全球月平均海平面气压资料，定义了冬季蒙古高压指数，应用奇异谱分析和Mann-Kendall方法研究冬季蒙古高压的气候特征。研究表明：冬季蒙古高压具有显著的年际和年代际变化，主要存在准两年和3～4年的年际变化周期，13～14年的十年际变化周期以及20～21年和35～36年的年代际变化周期，而且准两年周期的振幅也存在显著的年代际变化；平均而言，蒙古高压越强，阿留申低压越深，然而蒙古高压20～21年的周期与阿留申低压存在相反的位相；经突变检测，发现冬季蒙古高压存在1858年和1927年两个气候突变点。

摘要： 性能退化评估作为进行设备主动维护、实现零停机率的关键技术,对特征提取提出了完全区别于传统故障诊断的新要求.本文针对性能退化评估框架下的特征群贫乏问题,将奇异谱熵引入到了性能退化评估中去,对滚动轴承全寿命周期数据的研究结果表明,奇异谱熵能够与现有指标形成互补作用,有助于提高性能退化评估结果的可靠性.

摘要： 性能退化评估作为进行设备主动维护、实现零停机率的关键技术,对特征提取提出了完全区别于传统故障诊断的新要求.本文针对性能退化评估框架下的特征群贫乏问题,将奇异谱熵引入到了性能退化评估中去,对滚动轴承全寿命周期数据的研究结果表明,奇异谱熵能够与现有指标形成互补作用,有助于提高性能退化评估结果的可靠性.

摘要： 本发明公开了一种基于奇异谱分析和回声状态网络的短时交通流预测方法，具体包括如下步骤：首先，设置一定的时间间隔，收集得到反应交通状态信息随时间变化的交通流时间序列；利用奇异谱分析(SSA)将原始交通流时间序列分解为趋势、周期和残差3个成分；其次，利用回声状态网络(ESN)对这3个成分分别建模、训练并预测，使用粒子群优化(PSO)优化模型的超参数；最后，对3个成分的预测结果相加作为最终预测结果。该方法能够用于分析交通流量的变化特征，并有效提高短时交通流预测结果的精确度。

摘要： 本发明涉及医疗麻醉技术领域，具体涉及基于脑电奇异谱分析的深度神经网络麻醉深度分析方法，包括以下步骤：麻醉事件标记步骤：根据脑电波形数据、面部图像数据和脑干听觉诱发方法进行麻醉事件进行标记；数据处理步骤：通过奇异谱分析法将脑电波形数据转换为矩阵并进行奇异值分解，再通过矩阵变换重新构造原始一维脑电信息；数据分析步骤：对原始一维脑电信息进行滤波处理、傅里叶变换、小波变换、功率谱分析和样本熵分析，获取脑电信息在时域频域上的特征信息；麻醉深度预测步骤：构造深度学习神经网络模型，并将标注结果和特征信息输入到神经网络模型中，并输出病人的麻醉深度预测结果。本发明能够提高麻醉深度预测的准确性。

摘要： 本申请公开了一种基于变分模态分解和奇异谱分析的GPR信号去噪方法，首先基于能量损失比最小法确定最优模态数K，对原信号进行VMD分解并得到K个分量，然后通过皮尔逊相关系数法获得有效信号分量，最针对有效信号分量中依然存在的少量噪声，引入奇异谱分析进行二次滤波，进一步提高信噪比，重构获得去噪后的信号。仿真实验、数值模拟和实测资料均验证了上述方法的有效性。本申请方法能够有效地压制背景噪声及杂波干扰，使异常体的信号特征更加突出，进一步证实了该方法用于处理GPR信号的有效性和适用性，为GPR实际资料的数据处理及有效信号的二次利用提供了有价值的参考。

摘要： 本申请公开了一种自适应的多道奇异谱分析地震数据去噪方法，包括以下步骤：步骤1：预设时间域地震数据，将所述时间域地震数据通过DFFT变换到频率域地震数据；步骤2：基于所述频率域地震数据，生成块Hankel矩阵；步骤3：将所述块Hankel矩阵进行分解，得到奇异值矩阵，将所述奇异值矩阵中的奇异值组合成奇异值序列；步骤4：基于Akaike信息准则，将所述奇异值序列进行变换，得到所述奇异值的数量；对该数量的所述奇异值进行计算去噪，得到去噪后的地震数据。本申请基于一种Akaike信息准则自动确定合适的奇异值个数，有利于多道奇异谱分析的工业化实现。

摘要： 本发明公开了一种基于奇异谱分析的位平面降噪方法、系统及存储介质，涉及信号处理技术领域，包括：对原信号进行奇异谱分析，获得信号分量并重构；对重构的信号进行噪声程度评估；将重构的信号转化为位平面矩阵；计算噪声所占比特位，并进行局部幅度降噪；将各比特向量还原至十进制表示数，获得被量化信号，对被量化信号进行光滑化处理以去除量化误差，获得最终降噪信号。本发明通过自适应降噪，解决了传统奇异谱降噪方法中重构信号噪声残留、原信号失真等问题，提高了信号降噪的效率。

摘要： 本发明公开了一种增强二维奇异谱分析的空间特征提取方法，利用像素的局部相似性来增强空间特征提取效果。基于传统2DSSA，本发明提出一种改进的自适应窗口来代替固定窗口，结合目标像素的邻域相似性实现嵌入过程，得到具有低秩性的轨迹矩阵；对该低秩性轨迹矩阵进行奇异值分解，由其得到的最大奇异值，比固定窗口得到的最大奇异值更大，并且在所有奇异值中占比更高，对应更多的空间信息；将最大奇异值对应的空间子成分作为特征进行重构，得到最终的特征成分，该成分在增强空间结构信息的同时，去除了噪声等影响成分。本发明能够解决高光谱影像中空间尺度多样、噪声等问题，克服传统2DSSA方法的不足，增强影像的特征提取效果，提高影像的地物分类精度。

摘要： 本发明涉及遥感影像处理技术领域，具体地说是一种用于高光谱影像三维特征提取的张量奇异谱分析方法，包括基于空间自相似性的自适应嵌入，基于t‑SVD的分解和低秩表示，特征影像及分类，本发明同现有技术相比，通过自适应嵌入和t‑SVD过程，一种新的自适应嵌入操作，利用HSI的空间相似性特征，联合利用目标像素和非局部相似像素，结合重投影操作，保持目标类间差异的同时增强了类内相似度，通过设计一个轨迹张量，与t‑SVD相结合，共同表征HSI的全局低秩特征，轨迹张量中相似像素的排列使其具有低秩特征，并通过截断t‑SVD进一步提取低秩特征，实现了对三维高光谱影像的特征提取，进而提高高光谱影像分类中的类别可分性。

摘要： 本发明公开一种集成奇异谱分析与BP人工神经网络算法的热力站边缘计算服务器，内部集成有用于热力站负荷的预测的奇异谱分析与BP人工神经网络算法，通过以下步骤进行热力站负荷的预测：利用奇异谱分析法对实时获取的室外温度时间序列原始数据进行奇异值分解以及重构处理，获得室外温度时间序列的重构数据；将所述室外温度时间序列的重构数据与热力站二次供水温度归一化处理后作为输入，输入应用BP人工神经网络算法构建的热力站负荷预测模型，对热力站二次回水温度进行预测，实现热力站负荷预测。本发明可以帮助供热企业完成热力站负荷预测及运行优化。

摘要： 一种基于多道奇异谱分析的间歇采样转发干扰抑制方法，利用多道奇异谱分析将时间序列分解为趋势项、周期项和噪声项的原理，并基于间歇采样转发干扰信号时域非连续、有效干扰所需干信比高的特点，对包含间歇采样转发干扰的雷达目标回波信号的实部和虚部进行联合处理，将信号分解后的趋势项作为干扰信号，提取干扰参数并进行干扰重构，获得对间歇采样转发干扰更好的抑制效果。

摘要： 本发明公开了一种基于多变量奇异谱分析的非接触式心率检测方法，其步骤包括：1、首先获取视频图像并确定面部感兴趣区域；2、从感兴趣区域筛选四个最佳子区域，提取每个子区域的色度信号，将鼻尖部位的运动轨迹作为运动信号；3、自适应滤波去除色度信号中的运动伪影，作为输入信号；4、采用多变量奇异谱分析处理输入信号，并从中筛选出脉冲信号；5、采用频率谱分析的方法从脉冲信号中提取心率；6、最后根据心率连续性将异常的心率值找出并用正确的心率值替换。本发明能够同时去除光照变化的影响和头部运动的干扰，从而能提高非接触式视频心率检测的准确性。