1 战略支援部队信息工程大学基础部，河南 郑州，450001
2 战略支援部队信息工程大学信息系统工程学院，成像与智能处理河南重点实验室，河南 郑州 450001
光子计数型能谱计算机断层扫描（CT）已成为CT成像领域的最新技术，建立精确的噪声模型可以为开发高效的能谱重建算法和降低辐射剂量提供理论支撑。通过对光子计数型能谱CT投影数据噪声进行深入分析和理论推导，提出了能谱CT投影数据噪声的p-范分布模型。首先，综合考虑光子计数探测器能量采集中的光子统计波动和电子热噪声，利用贝叶斯公式推导噪声分布模型。然后经过投影数据的密度函数拟合验证、拟合优度检验等实验环节对所提理论模型进行检验。结果表明，相比于传统分布模型，所提分布模型能够更加精准地刻画光子计数型能谱CT成像机理和物理过程。最后，对投影数据观测序列进行时间序列分析，并将预测得到的结果用于修复异常值。从仿真实验结果和实际数据实验结果可以看出，该预测值具有良好的修复效果。
光子计数型能谱计算机断层扫描 投影数据噪声 拟合优度检验 一元p-范分布 时间序列分析
浙江大学控制科学与工程学院, 工业控制技术国家重点实验室, 浙江 杭州 310058
目前, 三维荧光技术在应急性饮用水污染事件检测中的应用越来越广泛, 但其仍存在易受水环境波动影响、 低浓度污染事件检出率较低等不足。 因此针对在线检测需求, 提出了一种基于时间序列双阈值的三维荧光饮用水异常事件检测方法。 该方法采用主成分分析法提取检测样本的三维荧光光谱主元特征值, 进行线性自回归（AR）模型训练并对未来时段水质样本主元特征值进行预测, 通过与实测样本主元特征值作差得到特征值差值, 同时结合实测特征值的变化率, 设置特征值差值-特征值变化率双阈值, 最终确定污染事件的时间起始点与结束点, 从而确定整个污染事件。 研究通过模拟高浓度污染事件、 低浓度污染事件、 供水水质波动等场景对所提方法进行了验证。 实验结果表明, 该方法不仅保持了高浓度污染事件检测的准确性, 在检测低浓度污染、 高干扰环境下的低浓度污染时, 该方法相较于常规判别方法, 检测结果准确率分别提高了9.4%和20.7%。
水质异常事件检测 三维荧光光谱 时间序列双阈值 主成分分析（PCA） 线性自回归（AR） Water pollution incident detection Three dimensional fluorescence spectroscopy Time series double threshold Principal component analysis (PCA) Linear autoregression (AR) 光谱学与光谱分析
2023, 43(10): 3081
1 河南大学计算机与信息工程学院, 河南 开封 475004
2 河南省智能技术与应用工程技术研究中心, 河南 开封 475004
3 河南省大数据分析与处理重点实验室, 河南 开封 475004
冬小麦是中国主要的粮食作物之一, 准确及时地获取冬小麦物候信息是冬小麦长势监测和产量预估的必要条件。星载合成孔径雷达(SAR)是一种微波遥感设备, 具有全天时、全天候的优势, 可实现对周期性农作物物候期大范围监测。基于时间序列 Sentinel-1A SAR数据, 提出一种星载双极化 SAR冬小麦物候期识别方法。该方法基于特征值分解和极化散射分析技术, 提取不同物候期冬小麦的后向散射系数、极化熵、主导散射角等参数, 实现冬小麦物候期识别。实验结果表明, 物候期识别总体精确度达到 79%。该方法在冬小麦生长监测方面具有实用推广价值。
星载 SAR图像 冬小麦 极化分解 物候期 时间序列 spaceborne SAR images winter wheat polarization decomposition phenological period time series 太赫兹科学与电子信息学报
2023, 21(2): 242
探讨Mann-Kendall检验法、差分自回归移动平均模型（Autoregressive Mobile Average Model，ARIMA）与长短期记忆神经网络（Long and Short-Term Memory，LSTM）的组合模型在《中国的核安全》、《核安全年报》中核电厂运行事件数量的应用，对运行事件数量进行趋势分析、突变分析和预测并证明模型的适用性。利用1991?2018年核电厂运行事件数量，使用R软件建立ARIMA（2，1，2）模型，得到运行事件数量的线性部分；建立LSTM模型，对偏差序列进行预测，得到运行事件数量的非线性部分；最后建立ARIMA和LSTM组合模型，利用组合模型对运行事件数量进行预测，并根据实测数据对预测结果进行对比验证。实验结果表明：ARIMA和LSTM组合模型可较好地拟合运行事件数量时间序列，并修正单一模型的误差，有效提高预测精度3%，且得到的2019?2020年核电厂运行事件数量预测值与《核安全年报》相近。
Mann-Kendall检验法 ARIMA模型 LSTM模型 时间序列 运行事件 Mann-Kendall test ARIMA model LSTM model Time series Operation events 
1 北京市农林科学院信息技术研究中心, 北京 100097
3 北京交通大学计算机与信息技术学院, 北京 100044
植物病害的自动早期检测对于作物精确保护至关重要。 提出了一种基于多维光谱序列(multi-dimensional spectral series, MDSS)和加权随机森林(weighted random forest, WRF)的番茄灰霉病早期诊断与鉴别方法。 目的是利用叶片多个观测维度的光谱曲线整体变化趋势建立作物病害检测模型, 以期在肉眼明显可见叶面病斑前对作物病害实现诊断。 将健康叶片接种灰霉病菌第3天作为叶片成功染病第1天。 试验首先采集番茄健康叶片和染病叶片7天内每天的高光谱图像, 提取感兴趣区域并计算平均光谱作为初始光谱数据, 经筛选共得到(156×7)组有效样本。 将样本数据按时间顺序拆分成分别包含1~7个维度的光谱数据形成多维原始光谱序列, 为增加维度间差异性, 相邻原始光谱序列相减构成多维关联光谱序列。 分别采用符号聚合近似估计(symbolic aggregate approximation, SAX)和符号傅里叶近似估计(symbolic Fourier approximation, SFA)两种符号化方法将光谱序列离散成局部辨别性特征。 基于多维光谱序列的局部辨别性特征建立加权随机森林(MDSS-SAX-SFA-WRF)分类模型, 实现病害早期检测。 相应地, 基于单维光谱序列(single-dimensional spectral series, SDSS)的番茄灰霉病识别模型被作为基准模型与MDSS-SAX-SFA-WRF模型比较。 试验结果显示, MDSS-SAX-SFA-WRF检测模型在包含2至7个光谱序列维度的56个测试样本数据中均获得90%以上识别准确率, 在包含5个光谱序列维度测试集中得到最高99%的识别准确率, 较SDSS-SAX-SFA-MRF检测模型在染病第5天的识别率高8.2个百分点。 另外受随机干扰的影响, SDSS-SAX-SFA-MRF模型准确率在染病5~7 d出现大幅度回落至最低84%, MDSS-SAX-SFA-WRF模型识别率在肉眼可见病斑阶段依然保持超过98%的较高检测水准, 未过度回落。 因此, 提出的基于多维光谱曲线整体变化趋势和加权随机森林(MDSS-SAX-SFA-WRF)的分类模型能够有效实现番茄灰霉病早期检测, 并具有较强的鲁棒性, 为染病初期的番茄灰霉病鉴别提供新思路。
早期病害识别 高光谱成像技术 番茄灰霉病 随机森林 多维时间序列 Early disease detection Hyperspectral imaging Tomato gray mold Random forest Multi-dimensional times series 光谱学与光谱分析
2022, 42(10): 3226
国网四川省电力公司信息通信公司, 四川 成都 610061
电网负荷预测对保证电能质量有着非常重要的意义。提出了一种利用时间序列分析预测电网在未来72 h内负荷变化的方法, 使电网调度部门可以了解用户负荷在短期内的变化趋势, 从而采取对应的调度策略, 来保证电能质量。此外, 还针对用户的负载类别进行了统计研究, 从而找出了在负荷高峰时段中使用占比较多的负载类型, 鼓励用户将该类型负载的使用转移到非高峰时段, 有利于实现负荷曲线削峰, 保证电网安全运行。最后将电网公司与智能物联网系统收集到的数据进行了实验验证, 其结果也表明了该方法的有效性。
时间序列 负荷变化 短期预测 曲线峰值 削峰 time series load change short-term forecasting curve peak peak clipping
1 北京航空航天大学仪器科学与光电工程学院精密光机电一体化技术教育部重点实验室，北京 100191
2 上海宇航系统研究所，上海 201108
3 北京航空航天大学青岛研究院，山东 青岛 266100
采用管道机器人定期检测输送管线的状态对于确保管道安全可靠运行意义重大。受限于机器人的结构尺寸和功耗，常用精度较低的微小型三维测量传感器为机器人提供环境及导航信息。针对低精度三维传感器得到的点云数据质量不佳、难以可靠分辨障碍物的问题，提出了一种基于时间序列及邻域分析的点云处理方法。利用障碍物点云与噪声点云在时间序列分布和空间分布方面的特性有效去除噪声，并通过拟合管道内壁实现管道内障碍物检测。测试结果表明，所提方法的检测精度提升了约30个百分点，检测时间小于1 s，满足管道机器人的应用需求。
图像处理 管道检测 三维点云 障碍物检测 时间序列 邻域分析 激光与光电子学进展
2022, 59(22): 2210007
微机电系统(MEMS)陀螺仪随机误差是影响惯性导航精度的关键因素, 制约着惯性导航的发展。为改善MEMS陀螺仪性能, 提高Allan方差辨识精度, 通过改进Allan方差方法分析陀螺仪随机漂移误差, 在此基础上, 利用时间序列分析方法建立MEMS陀螺仪随机误差模型。结果表明, 该方法计算简便, 建模灵活, 能够显著提高Allan方差计算精度和数据利用率, 时间序列模型稳定性好, 适用性强。
MEMS陀螺仪 随机误差 改进Allan方差 时间序列建模 MEMS gyroscope random error improved Allan variance time series modeling
1 吉林大学地球探测科学与技术学院, 吉林 长春 130012
2 中国科学院空天信息创新研究院, 北京 100094
3 中国科学院大学, 北京 100094
为了监测卫星传感器在轨辐射性能的变化、提高定标的频次和精度、满足新时期定量遥感的应用需求,提出了一种基于卡尔曼滤波的时间序列定标方法。以敦煌辐射校正场为试验场,获取高分一号宽视场成像仪(GF1-WFV)在2013—2020年间多景敦煌场地影像,先对影像灰度值进行归一化处理,利用标准差剔除异常值,筛选出有效影像;采用基于稳定目标的历史数据时间序列定标方法计算定标系数,并利用卡尔曼滤波思想对定标系数进行进一步处理,最后分别将本文定标结果与中国资源卫星应用中心(CCRS)定标结果、Landsat8定标结果进行对比。结果表明:高分一号卫星传感器在轨运行期间的最大年衰减率不超过0.3%,说明传感器未发生明显衰减;通过对定标结果的对比验证,发现基于卡尔曼滤波的时间序列定标方法所获得的定标结果比CCRS定标结果的精度高,其中各波段的平均相对误差最大可减小16.14%。由此可见基于卡尔曼滤波的时间序列定标方法具有较好的可靠性和稳定性。
大气光学 高分一号 宽视场成像仪 时间序列定标 卡尔曼滤波 高精度 敦煌定标场 光学学报
2022, 42(12): 1201003
1 空军工程大学防空反导学院,西安 710000
2 中国人民解放军95835部队,新疆 马兰 741000
由于三维轨迹是一个具有连续性和交互性的复杂时间序列,因此,针对无人机飞行轨迹预测问题,结合深度学习理论特点,提出了一种基于双向门控循环单元的无人机飞行轨迹预测方法,进一步提高了轨迹信息的利用率。首先,建立无人机飞行动力模型,仿真获得不同状态的飞行轨迹样本; 其次,利用均方误差作为损失函数,确定了双向门控循环单元轨迹预测模型的隐藏层节点参数和迭代次数; 最后,利用Adamax算法对双向门控循环单元模型进行优化,实现了无人机飞行轨迹的预测。实验结果表明,双向门控循环单元模型在X,Y,Z轴方向上预测结果的平均绝对误差均在5.0 m内,且轨迹预测平均用时约4.2 ms,与循环神经网络、门控循环单元相比,其预测效果更佳,具有良好的应用价值。
无人机 轨迹预测 双向GRU 飞行仿真 时间序列 UAV trajectory prediction bidirectional GRU flight simulation time series
