基于张量方程的多属性信号特征识别方法及其高效实现

发布时间：2024-03-16 10:15

　　随着国内传感器产业集群的初步形成,信息技术的高速发展以及以互联网为基础的现代社会的数字化变革,逐步形成了融合数字信息,物理信息,社会信息为一体的系统,即“信息-物理-社会系统”,又被称为CPSS。在“信息-物理-社会系统”不断发展的推动下,高阶高维的信号的处理和分析俨然已经成为了计算机科学领域以及信号处理领域的新的热门研究方向。然而,现有的数据结构例如向量和矩阵在数据处理中割裂了对象数据的多属性的特征,而以此为基础的匹配方案大多依托于概率统计模型,不足以满足“信息-物理-社会系统”对高维高阶信号的处理需求。而张量作为向量和矩阵在高维空间的拓展,是高阶高维信号更加自然而本质的表达,是处理和分析这类高阶高维信号的有力工具,可以更好的来挖掘信号的多属性关联信息。高阶奇异值分解(High-Order Singular Value Decomposition,HOSVD)是高阶高维信号张量化处理的一个有效手段。本文以张量为基础,实现了基于张量方程的多属性特征识别算法,并在此基础上对求取特征向量的高阶张量方法提出了较为详细的并行解决方案,本文的主要研究可归纳为以下几点:1.提出了基于张量方程的多属...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图3-4基于张量方程的多属性特征识别框架

第三章基于张量方程的多属性特征识别图3-4基于张量方程的多属性特征识别框架通常使用N阶张量空间G∈RI1×I2×···×IN来表示历史信息的特征。在张量空间中，实时场景中的对象用NK个非目标阶表示，即B∈RI1×I2×···×In11×InK+1×···×IN表示。剩下的K个阶作....

图3-5张量建模

第三章基于张量方程的多属性特征识别张量G∈RI1×I2×I3×I4×I5，其中I1=5表示无故障轴承和四种故障点尺寸，I2=5表示无故障轴承和四类故障位置，I3=4表示四种不同负载的测试频率，I4=2表示测试机两端的两个传感器，I5=1000表示测试过程中加速度传感器震动信息的时....

图3-6轴承数据实验识别结果

电子科技大学硕士学位论文在实际生产环境中，由于温度、湿度等各种因素的影响，获得的震动时序信息相对于实验室环境可能会有误差扰动，通过对震动时序信息添加高斯白噪声模拟实际生产环境。共分为四组噪声实验，分别为原始震动时序信息，10%能量占比的噪声添加，20%能量占比的噪声添加，30%能....

图3-7COIL-100图片示例

电子科技大学硕士学位论文过下采样后的图片示例，下采样过程是对原图像每隔4个像素点取一个点，将原图缩小到32×32的尺寸。实验选取每个物体的偶数角度的图片共36张图片作为训练集，剩余的图片作为测试集。图3-7COIL-100图片示例构建一个5阶张量G∈RI1×I2×I3×I4×I5....

本文编号：3929507