主分量分析

摘要： 利用宜昌1956—2020年4—10月逐分钟降水资料分析了宜昌小时极端降水的长期变化特征,对极端降水分布较为集中的6月下旬—8月下旬极端降水强度进行主分量分析。结果表明:宜昌极端降水频次及强度均呈弱增加趋势,在1975年前后出现了1次由强到弱的突变,在1985年前后出现了1次由弱到强的突变,此外还呈现出接近3 a的周期性变化特征。极端降水频次旬变化呈单峰型分布,主要集中在6月下旬—8月下旬,峰值出现在7月下旬。其日变化呈“V字型”分布,主要集中在17时—次日03时之间,峰值出现在22—23时之间。极端降水持续时间多集中在2~4 h之间,其中以2 h居多,数学期望值是2.4 h。旬降水强度在6月下旬—8月下旬表现出3种主要特征:①各旬极端降水强度呈现整体一致特性,即同时增大或同时减小;②极端降水强度在7月下旬和其他各旬呈反向分布;③极端降水强度在7月下旬—8月上旬与其他各旬呈反向分布。

摘要： 针对盲信号分离中信道噪声大、信号分离效果差等问题,在传统主分量分析和特征值分解方法的基础上,提出了一种基于信源数目估计的超定盲信号分离方法。首先,采用主分量分析和最大似然估计方法分别对混合矩阵和噪声协方差进行估计,用于对信道噪声的估计与去除;然后,采用交叉验证法对源信号维数进行估计,实现盲信号分离。为了验证提出算法的分离效果,对轻拖尾与轻拖尾混合信号以及重拖尾与轻拖尾信号混合情况进行仿真实验验证,结果表明该算法具有良好的分离效果。

摘要： 为了提升计量资产的管理水平,实现计量资产的精细化管理,提出一种基于基站定位信息的计量终端定位算法。算法首先通过多次测量,获得待定位地点的RSSI信息,同时对测量信息进行滤波后构建自相关矩阵,利用主分量分解算法对自相关矩阵进行特征提取,选取较大特征值对应的特征向量作为ELM神经网络的训练数据,并将训练好模型用于计量终端位置的定位估计。仿真结果表明,与传统的基于神经网络的定位算法相比,提出的算法具有收敛快、抗干扰强的特点,算法定位精度可以达到2米左右,定位的精确性达到了98%。

摘要： 针对脑电(EEG)信号在采集过程中易受到肌电(EMG)伪迹干扰,且EMG伪迹复杂多变难以去除的问题,提出一种基于主分量分析(PCA)和自适应步长独立向量分析(IVA)相结合的EEG中EMG伪迹去除方法.首先,利用PCA将EEG信号的主分量提取出来,对数据降维;然后对主分量引入IVA算法,根据高阶统计量和二阶统计量,结合EMG伪迹的非高斯性和弱相关性进行EMG伪迹分离,同时引入基于分离效果的自适应步长选取方法,增强分离效果.实验中采集了8通道的EEG信号,测得各通道相对均方根误差为0.09～0.2,算法的平均EMG伪迹分离率为98％,且相比单独使用IVA时间节省20％,该方法适用于动态EEG中EMG伪迹的去除.

摘要： 近年来黔南州年降水量和5—8月降水量表现为增加趋势且降水偏多年份越发明显,为研究其变化规律,故选取黔南州近40年降水资料对其时间和空间状态进行分析.得出黔南州降水大致可分为三种类型:a.降水一致性偏多(偏少)型;b.西北少东南多型;c.中部多南北少型.近年来尽管降水量有增加趋势,但从近40年时间尺度来看,黔南州降水表现为减少趋势,其值在平均值周围变动;降水集中时段5—8月的变化趋势平缓,仅个别年份偏离平均值较多.

摘要： 针对桥梁长期静态安全监测数据量大、影响因素复杂、时域信号难于分解等问题,根据桥梁结构响应信号中各种作用效应的周期重现规律,采用快速傅里叶变换在频域内对多种组成成分进行分离,去除或减小活荷载效应、短时温差效应以及随机干扰误差的影响.利用PCA提取低频段主分量信息用以表征桥梁结构运营状态,为在役桥梁的管养提供科学参考依据.理论推导及实桥案例证明该方法有效,为桥梁安全监测数据分析提供了一种新颖手段.

摘要： 利用照相设备获取的原始图像数据通常含有大量的冗余信息,不利于图像数据的传输、存储、表示和识别.采用主分量分析方法提取原始图像的主要特征,去除原始图像数据中的相关性和冗余信息;然后,将上述方法应用于图像信号处理,包括图像的倾斜校正、人脸识别和图像压缩,获得了良好的实验结果,拓展和深化了主分量分析方法在图像处理领域的应用.

摘要： 对米老排容器苗全株鲜重、苗高、地径等17个苗木性状因子开展调查,并对其各性状关系矩阵及主分量进行分析,分析结果表明:植株鲜重指标的特征向量值最大,能体现苗木质量水平,其次是苗高、地径、茎根比等.由此可知,植株生物量鲜重、地径、苗高等3个因子可作为米老排苗木质量评价的主要指标.

摘要： 齿轮箱是风力发电机组的核心传动部件,不仅结构复杂制造成本高,而且故障率高维修费用巨大,对其进行状态监测具有重要意义.针对风电齿轮箱在复杂工况下运行所产生的非线性、非平稳振动信号,提出了一种基于EEMD-CC和PCA的风电齿轮箱状态监测方法.该方法先对含有大量噪声的风电齿轮箱振动信号进行集合经验模态分解和相关系数(EEMD-CC)降噪处理.然后,将降噪后的正常信号数据进行主分量分析(PCA)建模,并以T2统计量和SPE统计量作为信号异常的评判指标.最后,把降噪后的测试数据带入PCA模型中,分别判断T2和SPE值是否超出阈值,实现风电齿轮箱的状态监测.试验结果证明,该方法能够有效地监测风电齿轮箱的状态.

摘要： 对航电系统显示画面的自动识别一直是制约现代飞机显控分系统系统实现自动测试的瓶颈之一.若认为画面上的动态信息是噪声、不变的特征是信号,则页面识别问题转化为混杂了噪声的信号的模式识别问题.为了应对该问题中信号的巨大规模,引入主分量分析的方法用于信号的规模缩减.将所有主要画面转化为向量并组织为一个矩阵,通过主分量分析,找出区分每个页面框架的主要特征,得到缩减框架矩阵规模的主分量矩阵y和缩减了规模的画面特征矩阵F.测试时,通过对实时采集的显示画面矩阵进行矩阵V的变换,得到根据画面区分特征缩减规模的画面向量S.最终通过模式识别算法,找到与之最相似的显示画面框架,得到当前显示的页面.

摘要： 对于地震记录而言，通常认为随机噪声互不相关;来自同一反射界面的反射波同相轴波形和相位具有一定的相关性;不同反射界面的反射同相轴，由于反射界面的深度、层数和速度不同，各反射同相轴之间的相关性存在一定的差异;线性干扰、面波等噪声存在着相关性，但这种相关性与反射同相轴的相关性之间存在差异。利用地震数据中这些相关性以及相关性之间的差异，就可以将主分量分析(PCA)技术应用到地震中。rn 模型数据和实际资料的结果表明，本文提出的去噪方法有效利用了信号与噪音的方向差异，去噪效果明显，而且能够保护信号的边界。基于PCA的速度分析方法抗噪性很强，速度谱聚焦更加明显。

摘要： QIM-JPEG2000作为以JPEG2000图像为载体的最新隐写术,采取设置恒域的方式,保持了小波系数的直方图,很好地抵御了基于直方图攻击的隐写分析方法.针对这种隐写术,提出了一种基于JPEG2000图像小波系数主分量分析的隐写分析方法.该算法在JPEG2000图像三级小波系数上进行主分量变换,分析主分量的统计特征在信息隐写前后的变化,提取小波系数主分量的均值、方差、斜度、峰值和熵组成特征向量,利用支持向量机进行载体图像和载密图像的分类,从而检测出jPEG2000图像是否嵌入了秘密信息.实验表明了本方法的可行性.

摘要： 主分量分析是模式识别中经常采用的一种方法，但是由于经典主分量分析的出发点是抽取保持样本离散度最大的特征，并没有利用样本的类别信息，因而使用经典的主分量分析抽取的特征进行识别的精度并不高。该文基于图像重构原理提出了一种重构空间主分量分析，并且在此基础上提出了一种利用图像类别信息的有监督重构空间主分量分析，该算法使得抽取的特征更加有效，从而提高了识别精度。通过对ORL和Yale标准人脸库的实验证明，本文算法对人脸图像的识别性能优于经典的主分量分析。

摘要： 针对简支梁结构中应用主分量分析进行激励源识别,进行单源激励、双源激励和三源激励情况下的数值仿真,结果表明:在多源激励环境下,对响应进行主分量分析能够准确识别不相关激励源的数目。

摘要： 采用LMS Test Lab多参考点处理方法，结合主分量分析(PCA)将多参考问题转换为单参考问题，然后建立了路面噪声的结构传递路径分析模型，通过逆矩阵方法来获取路面载荷激励力。同时拟合出了车内目标点的噪声结果，并将拟合结果与试验结果进行了比对，两者的频率特性有着较好的一致性，从而验证了载荷力提取结果的准确性，可以作为CAE 输入条件进行后续NVH 仿真分析。

摘要： 在信号的盲源分离和主分量分析中，K-L （Kullback-Leibler）散度是一种用来度量不同信号的概率密度函数之间相似程度的一种方法。本研究首次用 K-L 散度识别复合材料层合板分层损伤损伤位置，研究结果表明K-L 散度可准确识别复合材料层合板中分层损伤的损伤位置。

摘要： 随着多光谱遥感技术的发展，多光谱图像的压缩受到越来越多的关注，希望在压缩中尽量减少信息损失，即进行无损／近无损压缩。提出了基于神经网络的主分量分析(PCA)方法。实验结果表明，该方法完全可以达到与K-L变换相当的压缩效果，并克服了K-L变换计算复杂、需要大量存贮空间的缺点。

摘要： 取云南121个气象观测站46年(1961年3月～2007年2月)1～12月逐月平均气温资料，采用主分量分析法，对云南46年各月季气温的时空分布变化特征进行了分析研究,结果表明：云南各月季气温呈现全省性一致型、东西型、东北西南型等三种主要分布类型。通过各季度的主分量年际变化分析，表明云南不同季节的温度变化趋势不尽相同，夏季主分量具有下降的趋势，其它季度具有上升的趋势，冬季主分量波动幅度最大，夏季波动幅度最小。

摘要： 舰船在航行过程中会受到海洋大气环境的影响,导致在舰船艉部会产生舰艉流.在舰载机着舰的过程中,舰艉流的存在会对舰载机产生巨大的影响,导致舰载机的着舰安全性和飞行品质的降低.为研究舰载机进舰着舰过程中舰艉流的影响,并结合美军标中关于舰艉流的相关说明,在MATLAB环境中模拟舰艉流模型并仿真舰艉流速度的空间分布,最终得到舰艉流在水平方向和垂直方向产生的总扰动速度.仿真结论需要实测数据进一步确认.

摘要： 本发明涉及色域分量分析装置、分析色域分量的方法及色域分量分析程序。色域分量分析设备包括：柱状图处理部分，用于对视频信号中的色彩分量执行柱状图处理；色域分量计算部分，用于从所述柱状图处理部分的柱状图处理的结果计算比预定标准的信号宽的宽色域分量；及图形处理部分，用于产生并输出用户界面图像，用户界面图像显示所述视频信号中所述宽色域分量的存在，或者所述宽色域分量与所述视频信号的比例。

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： 本发明公开了一种基于小波和主分量分析的螺旋桨空化状态检测方法，包括：(1)采集螺旋桨的噪声信号；(2)利用逆傅里叶变换对所采集的噪声信号进行滤波，得到滤波后重构的时域信号；(3)用小波变换对滤波后的时域信号进行处理，得到小波系数，并对该小波系数进行主分量分析，得到主分量分析的处理结果；(4)对小波处理的时频结果与主分量分析的处理结果进行频率、能量的对比分析，从而识别出螺旋桨的空化状态。本发明能够提供时频和频率主成分两方面信息，将螺旋桨原始噪声信号特征表达出来，从而识别判断螺旋桨的空化阶段，具有强大的实用性。

摘要： 本发明公开了一种基于主分量分析的目标波达方向获取方法，其主要思路为：确定雷达包含N个阵元，并确定雷达空间频谱区域，然后对所述雷达空间频谱区域以等间隔ε进行频谱划分，得到M个空间频谱间隔，所述M个空间频谱间隔中包含T个目标信号；分别计算M个空间频谱间隔的基矢量矩阵和M个空间频谱间隔的基系数矢量矩阵；确定雷达接收到的回波数据为X，然后计算雷达回波数据的采样协方差矩阵估计

摘要： 本发明公开了一种基于非线性主分量分析从图像序列中分离信息的图像降噪方法；取相对静止的场景图像一组；基于盲源分离(Blind Source Separation,BSS)原理，将图像信息和图像噪声视为每幅图像的组成分量；图像信息是稳定而图像噪声是随机的，这个特点使图像序列中每幅图像视为图像信息分量和图像噪声分量的一种组合；利用非线性主分量分析(nonlinear Principal Component Analysis,NLPCA)的非高斯性判断使图像信息和图像噪声分开，输出分量中标准方差最大的即为图像信息分量。该方法不需要噪声先验信息，即将降噪后的图像信息提取出来，提取效率随图像序列中图像数量和图像噪声强度的增加而提高，也将随盲源分离(BSS)的技术改进而提高，是一种实用且有潜力的图像降噪方法。

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。

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： 本发明提供了一种鲁棒主分量分析多帧杂波抑制及稀疏运动目标检测方法，雷达接收到回波信号，将雷达接收的信号分别进行向量化处理，进行RPCA分解，将分解后的稀疏矩阵每一行进行矩阵化处理，即将每一行重新排列成距离‑方位的二维矩阵，即可得到Q圈目标回波目标。本发明利用的是杂波信号和目标信号在多帧间的低秩特性差异，在多帧内同时实现杂波信号与目标信号的分离。由于本发明不依赖于目标与杂波的多普勒特性差异，与传统的MTI+MTD方法相比，即使目标和杂波在多普勒重时，也能利用多帧间杂波和目标的低秩特性差异，实现运动目标与杂波的有效分离，能较大程度提升慢速运动目标的检测性能。

摘要： 本发明提出了基于主分量分析和Softmax函数的单相接地故障分类方法和系统，该方法首先获取母线三相电压、三相电流、零序电压和零序电流在发生故障后一至两周的故障分量，然后将故障分量构成的数据矩阵进行奇异值分解，求协方差矩阵进行主分量分解，提取故障特征值和归一化特征向量；降低故障特征向量矩阵的维数，得出输出矩阵；输出矩阵输入softmax分类器，对故障特征量训练样本进行训练；估算出概率值，实现故障类型识别。基于本发明提出的方法，本发明还提出了分类系统。本发明立足于实际配电网故障录波数据，实现以故障设备来分类的方法进行单相接地故障的分类，建立更精确，更快速的数据分类模型。