0 引 言 　　在机械结构的振动过程中，许多微弱信号包含机械运动的丰富特征信息，如故障特征信息等，有必要提取出来加以分析。而在微弱信号提取过程中，有时信号非常微弱，极易受到外界的干扰而淹没于强噪声之中，有时被测信号振幅变化范围又很大，给信号采集带来很大困难。放大电路本身的噪声性能和频率特性也将影响到信号的提取精度。对振动信号的采集及处理，通常是用普通的数据采集系统去采集，然后用数字信号处理的方法来提取数据的特征信息。但是，一些由采集系统的不足对信息造成的损失，是后期的数字信号处理无法补偿的。振动信号的检测是机械系统状态监测和早期故障诊断的关键，机械系统早期故障引起的异常振动信号有时都很微弱而

现有的自适应多尺度分块压缩感知算法忽略了高频信息在重建中的作用, 导致图像的边缘轮廓得不到充分重建; 并且在压缩分块过程中采用固定分块大小, 没有充分利用图像自身的稀疏性。针对上述不足, 提出一种多尺度分块的自适应采样率压缩感知算法。该算法充分利用小波变换后的高频信号和低频信号, 同时针对图像的固定尺寸分块进行改进。首先, 对低频部分利用自适应邻域特征的空域滤波算法消除块效应; 其次, 对高频部分依据纹理特征自适应选取图像块的大小, 实现样本块尺寸的自动划分和采样率的自适应; 最后, 分别对纹理信息各异的图像进行压缩重建仿真。结果表明, 本方法重建效果明显优于已有的自适应采样率算法。

基于分块的压缩感知算法适用于图像信号的处理，通过平滑迭代阈值投影法可以快速重构图像，但存在低采样率下重构图像质量较差的缺点。基于全变差分的分块压缩感知算法，在一定程度上能提升重构效果，但降低了运算速度。针对以上算法的不足，提出基于多尺度的自适应采样图像分块压缩感知算法。根据小波分解后不同层对重构结果影响所占权重不同的特性，自适应分配给每一层不同的采样率，并在重构时将平滑迭代阈值投影法应用到每一层的每一个子带的分块上。实验结果表明，与传统的迭代阈值投影法相比在重构质量上提高了1~3 dB，在重构速度上与迭代阈值投影法相当并优于全变差分法。

自适应采样免疫算法及其对随机优化问题的应用.doc

如何有效识别工业物联网入侵攻击行为是一个新挑战.针对工业物联网中入侵检测特征提取不高、检测效率低、适应能力差等问题，提出一种基于深度学习的工业物联网智能入侵检测方法.首先，在数据处理上改进采样算法用于调节少数类别样本数量，提高检测精度；其次，构建堆叠降噪卷积自编码网络提取关键特征，结合卷积神经网络和降噪自编码器，加强特征识别能力；为了避免信息丢失和信息模糊，改进池化操作以增加其自适应处理能力，并在模型训练过程中采用Adam算法获取最优参数；最后，采用NSL-KDD数据集测试提出方法的性能.实验结果表明，该方法相比现有的RNN、DBN和IDABCNN的准确率分别提高了3.66%、4.93%和4.6%；与未经采样算法的SDCAENN试验对比，U2R和R2L的检测精度分别提高17.57%和3.28%.

行业分类-电信-一种基于GPS的电气量信号自适应采样方法.rar

针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。该算法利用三级离散小波变换将图像分解为高频部分和低频部分。通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自适应分配采样率。采用平滑投影Landweber算法重构图像,消除分块引起的块效应。对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37 dB,比现有非均匀分块算法提高了2.51 dB。不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05 dB。对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。