一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题，由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量，这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低．为此，本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件，并在此基础上用高斯混合模型来估计信号的概率分布，提高了信号概率密度估计的精度；同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法，提高了算法的收敛速度．通过对船舶辐射噪声信号的盲分离实验，证明了此分离算法是有效的．     

一种含噪混合信号的盲分离方法

基于信息极大化和自然梯度原理,提出了一种超高斯与亚高斯混合信号的盲分离方法。该方法联合利用高斯函数与双曲正割函数平方的乘积和两个高斯函数的组合对源信号概率密度函数进行估计,放宽了约束条件,并采用峰度信息作为参数来选择概率密度模型及相应的非线性函数,对超高斯和亚高斯混合信号有较好的分离效果。并且,用小波变换与此方法相结合对含有加性噪声的混合信号进行分离。实验仿真证明了算法的有效性。     

基于一类SVM的贝叶斯分类算法

提出一种基于一类支持向量机(one-class SVM)的贝叶斯分类算法,该算法用一类SVM对类条件概率密度进行估计以构造贝叶斯分类器. 证明采用高斯核的一类SVM,其解可以归一化为密度函数,并把该密度函数看作类条件概率密度的平滑估计,构造贝叶斯分类器. 实际数据集上的实验结果表明,提出的分类算法测试准确率高于简单贝叶斯分类器与贝叶斯网络分类器,不低于传统二类SVM;比传统二类SVM需要计算的核矩阵规模更小,训练时间更短.     

基于提升小波包的往复压缩机活塞-缸套磨损故障诊断

针对往复压缩机活塞-缸套磨损故障微弱信号特征识别问题,提出一种识别该类信号微弱特征的自适应非抽样提升小波包方法(AULSP)。该方法以分解层信号所有样本的预测差值平方和最小为目标函数,算出与信号特征自适应匹配的初始算子,并构造非抽样算子算出下一层各频带信号。对各层细节信号进行阈值处理并重构,对降噪后的信号再进行小波包分解。各分解频带信号长度与原始信号的长度相同,无须重构即可识别时域故障微弱信号特征。用这种方法成功提取了某往复压缩机活塞与缸壁发生碰磨故障时产生的弱周期性冲击信号。     

基于小波包散布熵与Meanshift概率 密度估计的轴承故障识别方法研究

为提升轴承故障特征提取精度和运行状态评估准确性,提出一种基于小波包散布熵与Meanshift概率密度估计的诊断方法.首先,采用小波包变换对轴承振动信号数据进行升维,通过计算每个子带的散布熵构建特征矩阵;然后,利用PCA对多维矩阵进行可视化降维,采用Meanshift无参估计得到训练样本的概率密度最大位置作为聚类中心;最后,通过计算测试样本散布熵坐标与各聚类中心的欧式距离判定测试样本类别归属.采用CWRU和QPZZ-II轴承实验台不同故障类型和故障程度样本数据对所提方法进行验证,结果表明,得益于小波包完备的理论模型和信号频带分解稀疏性,结合散布熵指标对数据样本良好的鲁棒性,所构造的特征矩阵具有较好的类内聚集性和较大的类间距离,同时,Meanshift以概率密度最大化为目标自适应迭代聚类中心和隶属度,可以有效实现对不同数据样本的分类识别.     

基于条件生成对抗网络的稀疏样本回归预测模型

自生成对抗网络提出以来，基于生成对抗网络的拓展模型在图像处理等领域均有显著成效，但其在回归预测问题上的应用较少.在概率回归过程中，通过构建条件概率分布模拟特征与实际目标之间的潜在关系是一种常用方法，但在实际问题中条件概率分布过于复杂，似然估计难以捕捉.为此，首先分析高斯过程回归在稀疏样本回归预测中的预测精度，将其作为稀疏样本回归预测的基准线.通过分析条件生成对抗网络的构造，提出利用条件生成对抗网络解决稀疏样本回归预测问题.最终通过对比分析4种非线性模拟数据回归预测结果，发现提出的条件生成对抗网络模型相较基于Matern32核函数的高斯过程回归具有更好的预测精度.     

基于深度学习的视觉目标跟踪算法

提出一种基于深度学习的视觉单目标跟踪方法.该方法在统一的网络框架下处理在线视觉单目标跟踪问题,在获取输入视频帧的基础上,通过结合贝叶斯损耗层的深度卷积神经网络来估计正负样本集的概率密度分布并计算出所有目标候选位置的得分,继而利用贝叶斯分类确认目标位置.针对正样本集个数有限的问题,该网络采用先对通用的目标特征进行预离线训练,然后通过多个步骤进行微调,在线微调主要是对每一帧中的图像外形特征进行学习.此外,该方法采用两级迭代算法自适应地更新网络参数并保持目标/非目标地区的概率密度.仿真实验表明了所提算法的有效性和可靠性.     

基于估计概率密度函数的独立分量分析方法

利用混合高斯模型，给出了估计概率密度函数算法，并利用高斯混合模型法获得了对分离矩阵的梯度学习算法，给出了一种迭代概率密度估计的独立分量分析学习算法．这种块处理方法可实现超、亚高斯混合信源的情况．最后在仿真实验过程中验证了该算法具有较高的稳定度和精确度。     

基于局域波分解的非参数概率密度估计

局域波分解在提取信号趋势方面具有异乎寻常的效果.根据局域波缓变趋势提取算法,在小波概率密度估计思路的基础上,结合密度估计的直方图法,建立了局域波概率密度估计新方法.此方法能有效去除样本数据直方图中的高频成分,获得低频趋势,即概率密度.在混合高斯概率密度估计中的应用表明,对于无断点的密度函数,其具有计算简单、精度较高的优点.     

一种基于Bagging算法的高斯过程集成建模方法

针对单一高斯过程在化工过程软测量建模中存在估计精度不高的问题,利用Bagging和高斯过程回归算法,提出一种基于Bagging算法的集成高斯过程软测量建模方法.该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成多个高斯过程模型,并通过加权组合方式进行集成,得到最终的模型输出.将该方法应用...     

具有指定功率谱伪随机信号发生器的分析

在所有离散系统的模拟中,提供合适的概率密度函数的伪随机信号发生器是必不可少的.在某些情况下,还要求产生的伪随机信号不仅服从某一非高斯概率密度函数,而且具有某一指定的功率谱密度函数.针对这种情况,本文分析和讨论了一种伪随机信号发生器,利用它可以产生具有指定概率密度函数和功率谱密度函数的非高斯平稳随机信号,并给出了几组采用这种方法模拟的结果.     

电力线双向中继通信中基于估计转发和门限近似的PLNC算法

编码协作技术可提高电力线远距离通信的性能。为了满足非对称电力线双向中继系统的要求,论文针对中继脉冲噪声,提出了一种基于中继概率密度函数的估计转发和门限近似的物理层网络编码算法。首先分析了中继信号的概率密度分布,推导了中继编码信号的均值和方差公式;接着分析了不同信道参数下中继概率密度函数的平层特性,利用门限法对多维信号进行了简化近似。最后针对提出的算法进行了算法仿真,仿真结果验证了所提算法的有效性和可靠性,并存在最优化的功率分配因子。     

基于容积原则的概率假设密度滤波算法

为改善多目标跟踪问题中概率假设密度滤波精度与算法运行时间之间的关系,提高目标状态和数目的实时估计性能,提出了基于容积原则的概率假设密度滤波算法. 该算法在高斯混合粒子概率假设密度的框架下,利用容积数值积分原则直接计算非线性随机函数的均值和方差, 产生粒子滤波算法的重要性函数,实现高精度粒子的重构,来近似目标状态和数目的概率分布,并且在高斯混合概率假设密度滤波算法中进行采样和更新. 仿真验证了所提出算法的有效性,其Wasserstein误差距离优化了17.32%,目标数估计均值也提高了23.72%.      

移动衰减信道确定性的仿真模型

莱斯的正弦信号总和可以有效地近似高斯色噪声过程,对移动衰减信道模型的软硬件认识极为重要。主要对仿真模型的幅度和相位的概率密度函数进行了研究。由于仿真模型的确定性,可以求出幅度和相位的概率密度函数、自相关函数、互相关函数。对于给定多普勒功率谱特性的高斯、瑞利、莱斯过程,提出了用一定数量的正弦信号来近似的优化办法。     

陆地移动卫星通信信道确定性仿真模型分析

以莱斯正弦和为基础 ,建立了陆地移动卫星信道的确定性仿真模型 ,并给出了仿真模型参数的确定方法。通过对仿真模型的自相关函数的分析比较 ,说明了模型的可行性。该模型克服了传统滤波器方法由于采样频率和带宽带来的困难 ,还给出了仿真模型的误码率表达式 ,并推导了当正弦函数的数目为无穷大时 ,仿真模型的概率密度分布函数     

基于偏度-峰度检验的WLAN位置指纹室内定位算法

目前,无线局域网（Wireless Local Area Networks,简称WLAN）技术因其成本低、配置简单、精度高等特点,被认为是室内定位的最佳选择之一。虽然WLAN接收信号强度指标(Received Signal Strength Indicator,简称RSSI)指纹法是最精确的定位方法,但由于其无线电地图(Radio Map,简称RM)在发生环境变化时已经过时,具有很大的缺陷,且重新校准RM是一个耗时的过程。因此,本文提出基于偏度-峰度检验进行WLAN位置指纹室内定位算法改进。在离线阶段,通过偏度-峰度检验样本总体是否服从高斯分布,对于严重偏离高斯分布的样本直接舍去,而对于与高斯分布接近的样本,利用核函数估计其概率密度。在线阶段,利用K最近邻(K-Nearest Neighbor,简称KNN）,将移动终端设备接收到的RSSI与建立的指纹数据库中的RSSI,通过欧几里得公式计算样本点到观测点的欧氏距离,并从中选择欧氏距离最短的样本点的位置作为研究位置的无偏估计。通过实验结果,本文提出的算法比传统定位算法的精度提高了11%,证明了该算法具有更高的定位精度和更少的离线工作量等优点,而且在RSS(Received Signal Strength)信号容量较小时该算法的定位误差比其他算法更小,具有显著的稳定性。     

基于小波及Hilbert-Huang变换提取壁湍流相干结构

为了研究壁湍流中的相干结构,在直流抽吸式低（变）湍流度风洞的实验段中,应用恒温热线风速仪IFA-300精确测量平板湍流边界层不同法向位置的流向速度信号.分析壁湍流脉动速度的概率密度分布,并与高斯分布比较,验证了壁湍流中相干结构引起的猝发现象的统计规律.提出了一种利用小波变换和Hilbert-Huang（HHT）变换相结合来提取相干结构的方法.对壁湍流脉动速度进行HHT变换,通过变换后各模态的能量分析,分离出主要含能模态对应的相干结构.利用小波重构法继续提取未分离的小尺度相干结构.对剩余湍流信号进行概率统计,并比较提取的全部相干结构与原始湍流信号的波形和HHT边际谱,验证了湍流信号既包含非随机的相干结构信号也包含随机的非相干信号.     

无线传感器网络中极大极小设置的分布式检测研究

在分布式检测系统中,无线传感信道普遍存在未知的噪声,而基于最大似然函数的融合在有未知的噪声时性能表现较差.为了提高信号检测的准确性,提出一种基于极大极小方法设置的鲁棒融合规则.该规则采用最大似然函数的融合算法的结构形式和Huber极小极大的方法,得到虚警概率和检测概率表达式,适用于信道噪声为非衰减噪声分布、有界方差的噪声分布和混合高斯噪声分布.对多传感器并行分布式检测系统的仿真与分析,表明了该融合算法可提高信号检测的准确性,同时也具有一定的鲁棒性.