基于改进尺度的CDC／MVT离群点去除算法

针对基于多向主元分析(MPCA)(包括PCA)的统计监控模型易受建模数据中离群点影响的不足,提出了一种基于改进尺度的CDC/MVT建模数据离群点去除算法。该算法将改进尺度的CDC与MVT相结合,首先利用改进尺度得到离线建模正常数据的均值和标准差,并对数据进行中心化和标准化处理;然后利用CDC算法找出建模历史数据中最一致的一半正常点;最后用这最一致的一半正常点初始化MVT的马氏距离的均值和协方差,并通过迭代计算得到其它的正常点。将该算法应用于β-甘露聚糖酶发酵批过程离群点的去除,与其它鲁棒离群点检测算法相比,应用结果表明该算法能有效地去除建模数据中的离群点。     

大滞后过程对象自适应鲁棒PI控制器

针对较难控制的大滞后过程对象,提出了一种基于幅值裕度和相位裕度的自适应鲁棒PI控制器.该控制器利用闭环控制回路正常运行中产生的过程对象输入和输出信号,通过信号分解和傅立叶分析运算在线辨识过程对象在重要频率点上的频率响应特性,从而获得一个可以很好的描述大滞后对象的一阶加纯滞后模型.然后基于该模型计算出同时满足幅值裕度和相位裕度的鲁棒PI控制器参数,实现了大滞后过程对象的自适应鲁棒PI控制.提出的PI控制器的自适应过程不需要过程对象的任何先验知识,也不需要中断控制回路的正常运行.仿真实验表明了自适应鲁棒PI控制器的有效性和可行性.     

基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。     

基于广义秩模型的分数低阶协方差波束形成

在广义秩信号模型基础上,设计了一种鲁棒波束自适应波束形成方法。通过引入分数低阶变换来抑制非高斯稳定分布噪声, 提出脉冲噪声环境下能够处理信号失配的鲁棒波束形成器算法,并讨论了分数低阶协方差矩阵的可逆性。由于采用Frobenius范数建立明确的模型来刻画期望阵列响应与数据的协方差矩阵之间的不确定性,因此所提算法具有解析闭合形式解。仿真结果表明：与传统波束形成算法相比,所提算法在脉冲稳定分布噪声和信号失配同时存在的情况时具有更好的鲁棒性。     

不确定与损毁情景下可靠性设施选址鲁棒优化模型与算法研究

设施选址是长期战略性决策问题,选址决策面临各种不确定因素,设计一个可靠的选址网络具有重要的战略意义.本文同时考虑需求的不确定性及设施可能损毁的情景,扩展无容量限制的固定费用可靠性选址模型,建立不确定与损毁情景下服务能力有限的可靠性设施选址鲁棒优化模型.基于Bertsimas和Sim鲁棒优化方法提出一个新的混合整数规划模型,通过引入辅助变量和对偶变换实现非线性鲁棒优化模型转化为鲁棒对应模型,提出蝙蝠算法(BA)对模型予以求解,并通过算例仿真验证模型和算法的可行性,为设施选址决策提供模型和方法设计.     

基于主元分析的气体膜分离过程RBFNN建模

构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。     

矩阵对角化变换鲁棒QCKF在视觉和惯性融合姿态测量中的应用

视觉和惯性融合姿态测量系统,可以发挥视觉测量重复性、稳定性好和惯性测量输出频率高、不受环境光干扰的特点。针对融合测量中,系统噪声和观测噪声的统计特性不完全可知及在出现异常测量值时融合测量鲁棒性较差的问题,提出一种基于矩阵对角化变换的鲁棒四元数容积卡尔曼滤波(quaternion cubature Kalman filter, QCKF)算法,分析了鲁棒滤波参数对测量系统鲁棒性和测量准确度的影响,使用矩阵对角化变换代替标准CKF中的Cholesky 分解以改善数值计算的稳定性。结合搭建的视觉和惯性融合姿态测量系统平台,实验结果表明与标准CKF算法相比,具有更高的准确度、鲁棒性以及稳定性。     

基于支持向量机元模型的随机鲁棒设计

随机鲁棒设计是一种基于蒙特卡洛仿真的优化设计方法.通常情况下,对于复杂仿真模型的随机鲁棒设计时间开销很大.为减小随机鲁棒设计过程中的时间开销,使用参数最优的最小二乘支持向量机替代仿真模型进行随机鲁棒设计.使用标准粒子群优化算法搜索支持向量机参擞和控制器参数的寻优.通过一个基准测试问题证明了该方法的可行性.     

一种新型鲁棒制导律的研究与仿真

针对导弹与目标相对运动被控模型,应用Lyapunov第二法设计了一种基于L2增益性能指标的鲁棒制导律.在目标机动和制导参数变化时,这种制导律显出较强的鲁棒性,并不需要精确的测量目标加速度,只需得到视线转率测量值,容易在工程中实现.仿真中,分析比较了相同初始条件下鲁棒导引律与比例导引律的抗干扰性能和终端制导精度.仿真结果表明,当存在目标机动和制导误差、角测量噪声时,鲁棒导引律的性能和精度明显优于比例导引律.当仅存在目标机动时,鲁棒导引律不占优势.部分仿真情况下,制导系统的性能和精度可能低于比例导引律.     

基于线性矩阵不等式的动态投资组合鲁棒策略

考虑证券市场股票期望收益和协方差矩阵的不确定性,研究了基于线性矩阵不等式的动态投资组合鲁棒策略问题.在跟踪误差投资组合模型和鲁棒优化方法的基础上,提出了一种动态投资组合鲁棒策略和求解算法,采用上海证券市场交易数据,运用线性矩阵不等式进行了实证分析.结果表明,基于线性矩阵不等式的动态投资组合鲁棒策略是有效、可行的.     

基于偏t分布realized GARCH模型的尾部风险估计

借助偏t分布realized GARCH模型,提出同时考虑高频和低频信息的尾部风险估计方法,分别纳入RV、RRV和BPV构成尾部风险估计的对比模型,并利用上证综指高频数据进行实证分析.实证结果表明:相比EGARCH模型,realized GARCH模型能够提供更准确的VaR和ES估计;纳入对微观结构噪声和跳跃稳健的已实现测度有助于提高VaR和ES估计的准确性;realized GARCH模型在尾部风险估计中的表现对次贷危机前和次贷危机后两个不同的样本期间稳健.     

异常值和未知观测噪声鲁棒的卡尔曼滤波器

给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器.分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l2范数时,就构造了一个新的准则.由于Huber损失函数可同时描述l1和l2范数,因此由这个新准则推导的卡尔曼滤波器,在具有传统卡尔曼滤波器性质的同时,也有了l1范数对异常值鲁棒的特性.而当含...     

基于改进ziggurat算法的高斯白噪声发生器

经典的ziggurat算法在楔形区域和截尾区域的判决计算包含非线性运算,存在计算量大、资源消耗多的缺点。针对该问题提出了一种改进的ziggurat算法。该算法利用分段线性近似原理拟合了判决模型,优化了楔形区域和截尾区域的判决算法,将判决过程改为线性运算。新算法的效率进一步提高,相对原算法,资源消耗减少了44%以上,且经过仿真验证,算法的性能没有明显的损失。基于新算法设计并实现了一个高斯白噪声发生器,仿真和实测结果表明,该高斯白噪声发生器资源利用率高,数据吞吐率大,生成的高斯白噪声正态特性良好,功率谱平稳。     

基于分数低阶统计量的水下目标定向新方法

针对传统方法对阵列信号处理所研究的噪声采用高斯分布的模型来进行描述,当噪声存在显著的尖峰时,不能得到满意结果的问题。利用稳定分布对实际中所遇到的具有较大脉冲特性的随机噪声进行建模,分析了共变在阵列信号处理中的不足,利用已有的矢量水听器模型建立一种水下目标定向系统,提出了一种基于分数阶相关的水下目标定向算法。仿真表明这种算法是一种在高斯和分数低阶α-稳定分布噪声条件下具有良好韧性的水下目标定向算法,相对共变而言,分数阶相关具有更宽的噪声特征指数范围,更适用于实际应用。     

Blind source separation of ship-radiated noise based on generalized Gaussian model

1 .INTRODUCTIONBlind source separation (BSS) in signal processinghas received considerable attention from many re-searchers .It is a fundamental problem in signalprocessing with a large number of extremely di-verse applications such as multi-user communica-tions ,speech signal processing, array processingand medical signal processing including ECG,MEGand EEG. The general goal of blind sourceseparation (BSS) is to separate the statistically in-dependent , unknown source signals from t…     

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping, FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。     

角闪烁噪声下的高斯和容积卡尔曼滤波算法

开展角闪烁噪声下的目标跟踪问题研究对提高传感器的探测性能具有重要意义,其中角闪烁噪声具有的非高斯特性是一个长期困扰研究者的难点。针对该问题,首先通过理论分析指出了容积粒子滤波(cubature particle filter,CPF)在角闪烁噪声下的性能缺陷。其次,基于高斯和滤波(Gaussian sum filter,GSF)框架和容积卡尔曼滤波(cubature Kalman filter,CKF)算法,提出了适用于角闪烁下的高斯和容积卡尔曼滤波(Gaussian sum cubature Kalman filter,GSCKF)算法,该算法将目标后验概率密度用高斯密度加权求和近似,通过多路并行的CKF实现状态预测与量测更新,同时利用模型降阶算法限制高斯分量数目的增长,能应用于非线性、非高斯条件的状态估计。最后,设计了仿真实验对GSCKF和CPF的跟踪精度、鲁棒性和计算复杂度进行了对比。     

Latent ancestral graph of structure vector autoregressive models

A class of latent ancestral graph for modelling the dependence structure of structural vector autoregressive (VAR) model affected by latent variables is proposed.The graphs are mixed graphs with possibly two kind of edges,namely directed and bidirected edges.The vertex set denotes random variables at difforent times.In Gaussian case,the latent ancestral graph leads to a simple parameterization model.A modified iterative conditional fitting algorithm is presented to obtain maximum likelihood estimation of the parameters.Furthermore,a log-likelihood criterion is used to select the most appropriate models.Simulations are performed using illustrative examples and results are provided to demonstrate the validity of the methods.     

恒虚警检测信源数的方法

提出了一种恒虚警检测信源数的方法,该方法通过定义一个由观测协方差矩阵相邻特征值之差统计量构成的五维矢量序列,并利用K均值(K-means)聚类算法将所定义的五维矢量序列分成两类,且视为信号和噪声子空间.当将噪声予空间所对应的特征值序列描述成一个统计分布,并通过期望最大(expectation maximization,...     

基于高斯混合模型的光纤罗经误差概率分布建模

针对船用光纤罗经误差的概率分布不完全符合高斯分布的情况, 提出了一种基于高斯混合模型(Gaussian mixture model, GMM)的光纤罗经误差概率分布函数(probability distribution function, PDF)建模方法。该方法使用多个高斯分布的线性叠加来拟合光纤罗经误差的概率分布, 并结合一种鲁棒性的期望最大化(expectation maximization, EM)算法来估计GMM中的参数。仿真分析和实测数据验证, 相比于使用单一的高斯分布, 基于所提方法建立的光纤罗经误差概率分布更加符合该导航设备误差的实际概率分布。