基于云计算海量高铁噪声数据滤波处理方法研究 选题报告.docVIP

西 南 交 通 大 学 硕 士 研 究 生 选 题 报 告 姓 名 学 号 导师姓名 职 称 教 授 专 业 计算机应用技术 研究方向 云计算与数据挖掘 题 目 基于云计算的海量高铁噪声数据滤波处理方法研究 2011 年 月 日 课题的研究意义、国内外现状分析。 课题研究目标、研究内容、拟解决的关键问题。 拟采取的研究方法、技术路线、试验方案及其可行性 研究。 课题的创新性。 （5）计划进度、预期进展和预期成果。 注：（1）开题报告由各院（一、课题的研究意义国内外现状分析课题背景及研究意义铁路是提高人民物质文化生活水平的重要基础设施、国民经济的大动脉、大众化的交通工具。我国幅员辽阔、内陆深广、人口众多、资源分布及工业布局不平衡，铁路在综合交通体系中拥有诸多优势且一直处于骨干地位。近年来，为适应国民经济的发展和满足人们出行的需要，修建高速铁路成为铁路建设的新亮点高速铁路提高了运输能力和运输效率，缩短了人们的出行时间，使较远城市间夕发朝至和朝发夕至成为现实，促进了城市之间的经济、文化、贸易等交流，促进了国家经济的发展，打开了社会效益和经济效益双丰收的良好局面。如今我国高速铁路的建设己成为新的经济增长点，开创了我国铁路运输事业的新时代[3]。舒适度指标将是高铁好坏的重要指标之一，该技术的发展将为高铁更为人性化的发展提供更好的发展空间。 高速列车运营和轨道线路噪声数据传感器、通信、存储技术发展人们已采集到分析这些数据在轨道线路的分析、控制、故障诊断方面有重要的意义。随着采集的噪声数据量的飞速增长，单机噪声不能处理快速增长的数据。国内外现状分析无迹卡尔曼滤波提出了一种基于无迹卡尔曼滤波无论在理论上还是许多实际情况实验结果表明，新的算法优于基于卡尔曼滤波器的。S. Poornachandra[16]等人通过改进小波阈值函数来提高小波去噪的性能。Daxin Deng等则提出Neyman-Pearson准则来设定小波阈值，达到比较好的去除白噪声的效果[17]。由于小波阈值方法具有优越的去噪能力，现如今应用非常广泛。目前在电力驱动信号[18]、语音信号[11,12]、心电信号[16,19]、地球物理实验数据[20]、生物医学数据[21,22]等信号处理方面得到非常广泛的应用。 MapReduce是Google提出的一个处理大数据集的编程模型和具体实现[, 24]。它尤其擅长处理单一功能性的大型数据集。目前有很多MapReduce模型的研究。例如，谢桂兰等人Hadoop MapReduce模型的[25]。郑启龙等人基于MapReduce模型的并行科学计算[26]。赵青等人MapReduce在天文方面的应用[]。中的作业Job）是客户端执行的单位：它包括输入数据、MapReduce程序和配置信息。Hadoop把作业分成若干个任务Task）来。MapReduce的工作过程分为Map阶段和Reduce阶段。 Map阶段：输入的数据被拆分成若干个数据片段，每个数据片段分配给相应的Map任务，每个Map任务根据其分配的调用自定义的方法，生成中间结果集合。中间结果集合通过shuffle函数对进行排序，然后会产生一个新的集合。 Reduce阶段集合作为每个educe任务的输入，定义的educe函数输出处理后的值。最后将所有节点上的educe任务成最终结果。 注：1个对应的值可有多个，用表示，例如：，。 MapReduce模型如图1。 图1MapReduce模型[] 3.2 并行评价指标简介 Speedup和Sizeup[28, 29] 1)Speedup 在Speedup的实验中，我们通过增加实验的节点服务器的数量并保持数据的大小来测试Speedup特性。Speedup的公式如下： p是节点(服务器)的数量, 是在1个节点参与实验的情况下系统执行的时间，是在n个节点参与实验的情况下系统的执行的时间。数据量的增大，Map阶段读入数据时间会线性增长，系统准备时间的增长，所以数据量的增大，并行处理的效率。 Sizeup评价噪声数据增长并行算法的，定义如下： 其中，是噪声数据集D系统执行时间，是n倍于噪声数据集D系统执行时间数据平移、异常点剔除、数据平滑和趋势项消除数字信号一般均值不为零，要有效地分析信号的曲线特点就需要将信号的均值处理成零，使曲线在零轴上下波动。平滑处理是噪声数据的一项重要的预处理工作，它可以除去采集数据过程中因一些偶然因素所造成的数据误差。 数字信号的采集中，由于操作不当或外界干