基于径向基函数的海杂波时间序列预测方法

介绍基于混沌理论的海杂波分析方法,依据加拿大McMaster大学IPIX雷达实测海杂波数据,按照TAKENS的嵌入定理,设计了混沌预测器.预测器采用径向基函数神经网络重建海杂波的混沌动力系统,即建立海杂波的精确预测模型.实验表明,基于径向基函数的混沌时间序列预测器精度完全能够实现单步预测功能.学习误差为0.0232,预测误差为0.0277.     

基于WL-MF海面弱目标检测算法

为有效检测海杂波背景下的弱目标,研究一种基于小波领袖多重分形(WL-MF)分析的目标检测方法.该方法采用小波领袖法分析海杂波的多重分形特性,利用海杂波与目标的多重分形参数差异实现目标检测.采用IPIX雷达实测海杂波数据对该方法进行验证,结果表明:尺度函数与多重分形谱在不同海情下对海杂波和目标均具有良好的区分能力,且与传统的多重分形去势波动分析法相比,WL-MF计算量小,更便于检测.     

基于RBF神经网络的混沌背景下瞬态弱信号检测

针对海杂波背景下瞬态弱信号检测的问题,采用海杂波混沌模型,基于神经网络重构混沌序列相空间,提出了基于RBF神经网络预测混沌时间序列和瞬态弱信号检测方案。理论分析和仿真结果表明这种方法能够有效实现混沌背景噪声中瞬态弱信号的检测。     

基于LS-SVM的海杂波混沌预测

首先引入分形Brown运动模型，基于S波段雷达实测海杂波数据，计算得到了该分形模型的海杂波Hurst指数，进而求得了S波段雷达实测海杂波的分形维数.然后利用经典的Rosenstein方法，计算得到了S波段实测海杂波的最大Lyapunov指数，从而证实了S波段雷达海洋回波信号具有混沌分形特性.在此基础上，提出了一种基于LS-SVM的海杂波混沌序列预测方法.最后进行了计算机实验，仿真结果证明了该方法具有较高的预测精度.     

基于组合神经网络的雷达弱信号检测

本文提出了一种基于组合RBF神经网络与混沌理论的弱目标检测算法。运用RBF神经网络的特点,将非线性预测模型的建立归结为预测误差的最小化问题,再对误差的控制建立合适的非线性预测模型。经仿真研究表明了所提出算法的可行性和有效性。     

经验模式分解后海杂波的分形特性

针对实测海杂波数据信号进行分析,判定海杂波信号具有多重分形的特性.鉴于海杂波是一种非线性非平稳性的雷达回波信号,充分发挥经验模式分解(EMD)的优势,并结合多重分形的特性,提出一种新的海杂波背景下的目标检测方法.首先,使用EMD方法将海杂波信号分解为若干个固有模态函数分量(IMF);然后,利用多重分形趋势起伏分析法(MF-DFA)求主IMF分量的广义Hurst指数;最后,通过实测的海杂波数据进行训练和测试.研究结果表明,该方法可有效实现海杂波下的目标探测,且性能优于经典时域和分数阶傅里叶变换(FRFT)域下的广义Hurst指数的目标检测方法.     

基于空间分形特征差异的目标检测

为有效检测海杂波中的弱小目标,针对海杂波的分形特征随大时空变化的特点,提出使用短时间内空间分形特征差异来检测海面弱小目标的方法.该法充分利用短时间和局部海域上海杂波的分形维具有稳定性,目标区域和海杂波间存在较大空间Hurst参数差异的特点,克服传统分形维检测法使用固定门限检测效果不佳的缺陷.经理论分析和IPIX雷达实际数据检测,目标和海杂波的特征量均值差异约为3,优于原方法分形维的均值差异小于0.8的检测效果.     

基于分形和粗集理论的云杂波背景下序列图像弱目标检测

提出了云杂波背景下序列图像中弱目标检测新方法.基于粗糙集理论建立了云杂波背景下弱目标检测模型,使之符合两种不同图像边缘的局部分形维的奇异值改变,根据目标和背景的时域特征完成目标检测.实验及仿真结果表明,该算法能够抑制空间和时间相关性强的云杂波背景,且算法简单.     

基于BP神经网络的海上目标检测

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响,提高MUSIC算法的检测性能,用BP神经网络实现海杂波预测和对消.利用神经网络的可对任意非线性函数模拟的特性,对展宽的海杂波进行模拟.用模拟后的结果实现一阶海杂波的对消,来满足MUSIC算法的应用条件.最后,用MUSIC算法分辨海上目标的方位信息.实验结果表明,对消前后目标背景噪声子空间特征值发生改变,对消后更接近于MUSIC算法的假设条件,提高了MUSIC算法的检测性能,扩大了MU-SIC算法的应用范围,实现在非高斯噪声背景条件下应用MUSIC算法检测目标.     

复合高斯海杂波模型下最优相干检测进展

 不同于噪声背景下的目标检测,增加雷达发射功率对海杂波背景下的目标检测性能并不能带来重大的改善,因此海杂波的精细化建模和海杂波特性的充分利用成为改善目标检测性能的最重要途径。复合高斯模型是目前广泛使用的海杂波模型,为海杂波特性的精细描述提供了有力工具,而相应的最优检测理论和方法为目标检测性能改善提供了技术支持。本文综述复合高斯海杂波模型下最优及近最优相干检测理论和方法。首先,对K分布、广义Pareto分布及逆高斯纹理3种复合高斯模型进行了概述,并介绍了3种模型下已有的最优及近最优检测方法;然后,对目前复合高斯杂波加噪声混合模型下相干检测方法的进展和应用瓶颈进行了分析;最后,针对未来该方面研究的进一步完善,探讨了几种计算可实现近最优检测方法的研究思路。     

BP-神经网络算法在分布式VOD系统流量预测中的应用

在分布式VOD系统中,网络流量是一组非线性的、复杂的、难以预测的数据.而为了实现系统中数据流量的负载均衡,需要对网络流量进行准确预测.提出了基于BP-神经网络的预测算法,对网络流量进行分析、预测.研究结果表明,该方法具有一定的预测能力,基本接近于网络流量的真实数据.     

基于模糊神经网络的城市排水预测

海绵城市的建设具有重要意义,如何更好地预测城市排水量成为一个关键点。针对城市排水的波动性和非线性特征,提出一种基于模糊神经网络预测的城市水量预测算法。首先,采用灰色模型构建城市排水预测模型,并基于海绵城市的概念建立客观预测回归函数。其次,通过设置断点来构建滑动窗口,并实时分割灰色模型的数据,以获得数据的实时统计特征,通过构造序列误差预测和压缩比之间的函数,并使用误差预测序列来确定分割点,以提高检测过程的鲁棒性。最后,通过城市排水预测模拟实验,表明所提出的算法能够有效提高城市排水的预测精度和预测效率,更好地反映了整体趋势。     

船舶横摇非线性阻尼系数识别

根据自由横摇曲线估算船舶横摇非线性阻尼系数,用于预报船舶海浪中的运动．提出了能量衰减函数的概念,并由实际能量衰减函数与估算能量衰减函数之间的方差最小来确定非线性阻尼系数．由船模的自由横摇试验曲线,分别估算了平方阻尼模型及立方阻尼模型的非线性阻尼系数,并与试验数据进行了比较.结果表明,在考虑了试验测量误差的情况之下,计算结果同试验结果很接近,可用于预报实船非线性横摇运动．该方法不需要事先确定阻尼的准确形式,并且可以满足大角度横摇回复力矩强非线性的要求．     

综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用

桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性。由于不同位置处相同类型传感器的相关性较强,首先利用岭回归（Ridge Regression,RR）解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据。接着引入季节性差分自回归滑动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA) 方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据。然后,通过设立预警值实现健康状况预警,以保证桥梁健康运行。最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了一个有效的预测模型。     

基于地图信息的机载雷达对海探测目标检测算法

机载雷达在对临近陆地的海面目标进行探测时会受到很强的陆地杂波干扰,海面附近的强陆地杂波会导致探测范围内虚警概率升高,严重影响雷达的对海探测性能. 针对该问题本文提出了一种基于地图信息的机载雷达对海探测目标检测算法,所提算法通过载机惯导系统提供的载机姿态及天线指向等信息计算天线波束照射区域的经纬度,并将其与地图数据匹配实现海陆分割,进而剔除陆地虚警,输出海面目标. 基于X波段雷达探测实验数据的实验结果表明,本文所提算法能够快速准确判断目标的海陆位置,通过海陆目标的筛选与剔除,提高机载雷达在陆地杂波较强的情况下对海探测性能.      

大涵道比涡扇发动机风扇部件边线噪声预测

随着现代民用航空发动机涵道比的不断增大,风扇噪声在发动机整机噪声中所占比重也越来越突出,因此对适航条件下的风扇噪声进行预测对发动机的降噪设计和飞机噪声适航验证工作具有重要意义。通过对涡扇发动机风扇部件噪声产生机理和影响其传播的环境因素的研究,并结合飞机起飞程序,建立了涡扇发动机风扇部件边线噪声预测模型。通过编程计算后与实测噪声进行数据对比,基于涡扇发动机风扇部件静态噪声预测值进行动态修正后的涡扇发动机风扇部件边线噪声预测模型可以较好地预测实际情况。     

基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型

对用户的Web浏览行为进行分析,既可以使用户减少等待时间,同时也能减轻网络负载.依据Web网站的层次结构特点,首先设计了基于Hash表的反向索引结构来提高数据的预处理速度;在此基础上,利用分层思想构建了基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型.给出了模型的设计思想、相关定义、模型框架以及模型中所涉及的关键构建方法等.最后,对模型进行了实验分析,结果表明在适当的预测准确率前提下,模型能够有效减少在预测时所需的候选网页数量,并大幅提升预测效率.     

基于GEP的多数据流预测算法

针对传统的基于线性回归预测建模方法只能适应简单的预测建模和只能预测未来窗口平均值的不足,提出了基于基因表达式编程(gene expression programming,GEP)的多数据流预测方法。在多数据流环境中使用滑动窗口对多数据流的划分方法,给出了多数据流环境中的数据流名称的定义,揭示了这些数据流之间存在的映射关系;进而提出了对多数据流进行预处理的方法,并建立了基于GEP的多数据流的自适应预测模型。使用真实数据进行实验,验证了算法的有效性。     

基于卡尔曼滤波的需求预

针对客户订单与市场真实需求之间的差异,建立了基于卡尔曼滤波原理的社会需求预测模型,并利用某烟草公司的卷烟销售数据对模型进行验证分析,实证数据表明,该模型在一定程度上比较有效.