基于ARSαS模型参数估计的雷达目标检测方法

由于杂波非高斯特性和相关特性的影响,传统的动目标检测(moving target detection,MTD)技术的检测性能严重下降,针对该问题,基于对称α稳定分布(symmetric α stable, SαS)杂波模型和自回归(auto regressive,AR)模型理论,提出了一种基于ARSαS模型参数估计的雷达目标检测方法。该方法基于SαS模型,通过幂变换抑制杂波的非高斯特性,以及通过基于广义尤拉〖CD*2〗沃克方程参数估计的AR模型白化杂波,应用快速傅里叶变换实现对目标信号的积累,以提高信杂比。仿真实验和实测数据验证表明,所提方法在非高斯相关杂波背景下的检测性能明显优于传统的MTD方法。     

立方功率谱相关高斯随机过程模拟

在雷达回波信号模拟中，杂波随机过程功率谱数学模型的建立是影响最终模拟效果的关键。立方功率谱是目前国际上普遍采用的地杂波功率谱模型。通过建立随机过程的AR模型，利用Levis on -Durbin算法和MDL定阶准则，提出了一种基于现代信号理论的立方功率谱特性相关高斯随机过程模拟方法，与现有谱估计方法做了比较，并给出了模拟结果。获得的随机存列能够满足立方谱杂波雷达模拟的要求。     

基于RBF神经网络的高斯混合近似算法

在分析RBF神经网络基本结构的基础上,提出一种基于RBF神经网络求解非高斯概率密度近似为高斯概率密度和的方法.该方法通过选取高斯函数作为神经网络的径向基函数,提取训练好的网络参数,运用这些参数构建混合成分的函数模型.理论分析与仿真证明,与传统采用EM近似算法相比,该算法具有求解跟初值的选取无关、能避免发散、收敛快的特点.     

基于改进高斯混合模型的热工过程异常值检测

热工过程异常数据检测是进行系统建模、控制、优化的基础，也是数据处理的重要组成部分。提出一种基于改进高斯混合模型的无监督热工过程异常值检测算法，利用每一维高斯分量捕获一类特定工况数据集群，通过添加惩罚约束因子修正传统模型的后验概率密度，对误检、漏检项加以惩罚，并根据与集群的相关性差异实现异常数据的识别。仿真实验结果表明，模型在多种误差条件下均可准确定位异常数据位置，具有很强的泛化性能，同时相较于传统高斯混合模型，误检、漏检点的检测效果总体提升了37.8%和15%，反映出模型改进的有效性。     

指定功率谱密度、偏斜度和峭度值下的非高斯随机过程数字模拟

无记忆非线性变换是传统非高斯随机过程模拟中经常使用的方法,然而,用于模拟同时具有指定功率谱密度、偏斜度和峭度值的非高斯随机过程时迭代过程复杂耗时,且精度也难以保证。通过理论推导,分析并得到了一种新的基于IFFT和时域随机化的非高斯随机过程模拟算法,能够方便快捷地模拟具有指定功率谱密度、偏斜度和峭度值的平稳非高斯信号。在此基础上进行了数值仿真实验,数值仿真结果与理论分析结果相一致,显示了该方法的有效性。     

基于约束正则化的生成聚类分析

基于现有的硬约束高斯混合模型不能处理约束违反情形,而软约束高斯混合模型又没有封闭的参数估计表达式,提出了一种基于约束正则化的生成聚类方法。该方法将约束一致正则化算子引入高斯混合模型,通过惩罚似然来处理约束违反,使满足正约束的成对样本的后验概率尽可能相似,满足负约束的成对样本的后验概率尽可能不相似;同时封闭的参数估计迭代公式降低了参数估计的计算复杂度。在一组真实数据集上的实验表明,与现有的相关方法相比,该方法能有效改善聚类性能,并对噪音约束有着更好的适应性。     

Jelinski-Moranda模型的一种新的NLS估计法

提出了一种新的基于非线性最小二乘法的软件可靠性Jelinski-Moranda(J-M)模型参数估计方法(LogLSE).给出了一种与经典的J-M模型最小二乘法等价的曲线拟合函数,推导了J-M模型的新的非线性最小二乘(NLS)参数估计公式.在标准的软件可靠性失效数据一海军战术数据系统(NTDS)和三组J-D.Musa软件可靠性数据上,利用牛顿迭代法求解参数估计的实例分析,说明了LogLSE估计优于传统的基于最大似然估计(MLE)和最小二乘估计(LsE)的J-M模型参数估计.     

基于EM算法的水下目标辐射噪声模型参数估计

对水下目标辐射噪声的混合高斯模型进行参数估计时,针对极大似然函数很难求解的问题,研究了一种使用海洋环境噪声统计信息的期望值最大算法(EM算法).在对Bouvet和Schwartz水下目标辐射噪声信号和海洋环境噪声模型研究的基础上,修正了传统的EM统计算法,以降低计算的复杂度,提高迭代收敛速度.仿真结果和实船信号实验数据的一致性,表明基于EM算法的混合模型参数估计方法,使得参数估计复杂度降低,运算量明显减少,估计性能较好,具有很好的应用价值.     

大气低频噪声混合模型的MCMC参数估计

大气噪声是低频通信中的主要干扰,且具有严重非高斯分布特性,对非高斯噪声模型的参数估计对于提高低频接收机的性能具有重要意义。设计了估计非高斯混合模型参数的马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)算法,该算法通过构建贝叶斯层次模型,利用Gibbs抽样和M-H抽样更新迭代参数。利用乘积特性,将稳定分布作为等价的高斯分布来处理,并在层次模型中设置多个额外参数,以增强其灵活性。仿真实验与实测数据表明,该算法迭代收敛快、精度高,有很高的实用价值。     

燃料电池混合汽车建模及仿真研究

面向控制系统设计的目的建立了一种燃料电池汽车动力系统的动态数学模型,其中包括燃料电池发动机、DC/DC(直流/直流变换器)、电机驱动系统、动力蓄电池组.采用最小二乘法实现了模型参数估计.基于数学模型及模型参数估计的结果开发了燃料电池混合动力汽车的计算机仿真模型,并应用该模型进行了仿真分析,离线仿真与实测数据的对比证明,所建立的模型具有很高的精度,能够用于控制系统设计及仿真分析.     

面向协同过滤的真实偏好高斯混合模型

针对协同过滤问题,提出了一种基于高斯混合的概率模型,称为真实偏好高斯混合模型.用户对项目的评分由三个因素决定:用户对项目主题和内容的真实偏好,用户的评分习惯,以及项目的公众评价.引入了两个隐含变量,分别用于描述用户类和项目类,用户和项目依概率可以同时属于多个类.模型包括离线建模过程和在线预测过程,在线预测可以在常数时间内完成.实验表明新模型的预测结果明显优于其他几种协同过滤算法.     

不同环境应力下可靠性增长单调模型的数据分析

以加速寿命方程作为应力模型,解决利用不同环境应力下可靠性增长试验数据,求试验结束时设备可靠度的置信下限问题.并以逆幂率模型为例,给出了模型参数的极大似然估计,进而求出可靠度的置信下限.模拟研究结果表明,上述方法效果良好.     

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。     

考虑随机失效阈值的设备剩余寿命在线预测

退化失效阈值是影响设备剩余寿命预测的重要因素。针对现有剩余寿命预测方法忽略失效阈值随机性影响的问题,提出考虑随机失效阈值的设备剩余寿命在线预测方法。首先,基于带测量误差与随机效应的非线性Wiener过程构建设备退化模型;其次,采用极大似然估计(maximum likelihood estimation, MLE)算法估计退化模型参数与随机失效阈值分布系数;然后,在考虑随机失效阈值的基础上推导出设备剩余寿命的概率密度函数(probability density function, PDF),并基于Bayesian原理实时更新退化模型参数,实现对剩余寿命的在线预测。最后,将该方法应用于陀螺仪剩余寿命在线预测分析,结果表明该方法能够有效提高剩余寿命预测的精度与准确性。     

雷达与ESM综合多目标检测、跟踪与识别

为在预警监视系统中对多目标的检测、跟踪、识别过程进行统一处理,提出一种基于跳转马尔可夫系统模型高斯混合概率假设密度滤波(jump Markov system model Gaussian mixture probability hypothesis density filtering,JMS-GMPHDF)算法的雷达、电子支援措施（electronic support measures,ESM）综合多目标检测、跟踪与识别方法。该方法首先根据不同类别目标设计各自的多目标多模型高斯混合概率假设密度滤波器,并在各滤波器处理过程中同时对高斯项进行编号;然后,根据目标速度与加速度模型信息进行高斯项综合与类别判决,同时根据ESM测量信息进行型号判决;最后,通过航迹综合管理,形成具有运动状态信息以及类别、型号、航迹编号信息的确定航迹。仿真实验验证了该方法能够有效综合雷达、ESM测量数据,在进行多目标检测、跟踪的同时进行正确的类别、型号判决,并形成确定航迹。     

ARMA模型辨识及其在光纤陀螺漂移建模中的应用

针对含有噪声的时间序列模型辨识精度低的问题,采用自回归函数的衰减正弦曲线方法估计含有噪声的ARMA模型系统参数,AR参数从衰减正弦曲线直接获得,MA参数估计采用相关匹配技术.仿真结果表明,时于具有不同信噪比噪声干扰的系统,该算法具有良好的收敛性和准确性.在此基础上,将该方法应用到光纤陀螺漂移误差建模中,实验结果表明,采用该算法所确定的模型能够精确的反应光纤陀螺的漂移趋势.     

考虑收入因素的旅行时间价值模型研究

时间价值在分析交通行为、定量地评价交通项目的经济效益中都起到十分重要的作用.在随机效用函数理论的基础上对旅客的时间价值进行了深入研究,提出了一种新的效用函数的构建方法和模型参数标定算法,其不仅考虑了传统的旅行费用和旅行时间,而且进一步考虑了旅客收入这一因素.其次运用极大似然估计方法对模型的参数进行标定.最后针对京沪通道相关数据进行了简单的实证分析.     

大地坐标系下目标运动预测:一种基于高斯分布的求解方法

目标运动参数未知给移动目标优化搜索问题带来不确定性,制约了优化搜索计划的制定、降低了侦察监视资源的使用效益.为了降低目标运动引入的不确定性影响和辅助目标优化搜索计划的制定,针对大地坐标系下目标运动预测问题,首先在平面笛卡尔坐标系下对目标的运动进行分析,推导出一种基于高斯分布的目标转移概率密度函数;然后在三维笛卡尔坐标系内进行扩展,得到地球表面上目标运动转移概率的数学描述;接下来借助坐标转换原理和曲面积分方法,提出了大地坐标系下基于高斯分布的目标转移概率计算方法;最后针对卫星对地移动目标搜索中的目标运动预测问题,采用高可信的卫星轨道数据建立了仿真场景进行验证.仿真统计结果显示:文章提出的目标运动预测方法是有效的,在移动目标优化搜索计划的制定过程中,能够降低系统的不确定性和搜索的盲目性.     

一种新的基于峰度的盲源分离开关算法

盲源分离(BSS)算法通常需预先假设源信号的概率密度函数(PDF)，并由此获得关键的激活函数(AF)，进而从混合信号中分离出源信号。但若假设的概率密度函数与真实概率密度函数差异较大，源信号将不能被正确分离。基于峰度的盲源分离开关算法无需假设源信号的概率密度函数，可直接对独立分量分析(ICA)中的激活函数进行自适应学习。计算机仿真证明，该算法可有效进行盲源分离。