有关传销群体的数学描述

本文仅就传销群体服从齐次生灭过程,线性增灭过程的情形作了讨论。     

实时交通数据的噪声识别和消噪方法

以常用的交通数据———交通量时间序列的实测数据为例,给出多个噪声识别及消噪预处理的实验结果.为提高建模的准确度,采用模糊减法聚类对交叉口实测交通量进行噪声识别.对实测交通量采用奇异值分解的滤波方法进行除噪预处理,并通过训练径向基函数网络进行预测.与数据未经滤波直接训练网络相比,预测结果的平均绝对相对误差降低了3.31%.用小波变换对交通量数据进行消噪处理,即通过多分辨率的小波分解和重构来实现消噪.实验表明,若对原始交通量时间序列消噪后再建立预测模型,将获得更好的预测结果,这说明研究的噪声识别和消噪方法的可行性和有效性.     

BP神经网络算法探讨

BP神经网络算法是在BP神经网络现有算法的基础上提出的,是通过任意选定一组权值,将给定的目标输出直接作为线性方程的代数和来建立线性方程组,解得待求权,不存在传统方法的局部极小及收敛速度慢的问题,且更易理解。     

二代小波消噪在数字信号处理器中的实时实现

以数字信号处理器(DSP)为开发平台，提出了基于二代小波的一种新的信号消噪算法．它只需把信号分解一层，然后把分解后的高频系数和低频系数同时进行软阈值量化处理，再进行小波重构，就可以有效地消除信号中的噪声．相对于传统的一代小波，该算法计算简单，可有效节约内存，因此非常适合于DSP的实时实现．同时，为了提高计算效率，对程序的处理流程进行了并行优化，用仿真信号对该算法进行了验证，并应用于对实测信号的消噪中．研究结果表明，该算法可以有效地提高信噪比，降低原始信号中所含有的噪声．     

小波去噪在电能质量检测中的应用

在电能质量检测领域,测量信号通常叠加着随机噪声,因此在噪声污染比较严重的场合,对检测到的信号一般要进行去噪处理.针对此类噪声问题,利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,提出了基于小波变换的阈值去噪法.     

自适应卡尔曼滤波器渐消因子选取方法研究

分析了通过改变噪声和初始条件抑制Kalman滤波发散的方法,指出了造成Kalman滤波发散的原因和控制Kalman滤波发散的机理。推导了衰减记忆滤波方程并研究了衰减记忆滤波噪声阵和滤波初值的选取条件,分析了衰减记忆滤波条件下量测噪声阵遗忘因子权重变化的物理意义。给出了衰减记忆滤波不发散的自适应遗忘因子的新算法,仿真结果证明了所述方法的有效性。     

基于小波包及隐式马尔科夫模型的局放信号去噪

将基于小波变换的隐式马尔科夫模型(HMM)方法改进并扩展至小波包域，用于去除发电机局部放电信号中的白噪声．采用实测的局部放电信号验证了方法的有效性．结果表明，对比传统的门限去噪算法，基于小波包的HMM方法有更好的去噪效果；而与基于小波变换的HMM方法相比，所建立的模型更能体现信号的特征，对于信号分析乃至进一步的模式识别有着更大的价值．     

基于独立成分分析的强背景噪声去噪方法

由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效，提出应用独立成分分析(ICA)方法对声音信号进行特征提取，并证明了这种ICA变换能增强语音和音乐信号的超高斯性．在此基础上，应用ICA基函数作为滤波器，通过阈值化的去噪方法对含有强高斯背景噪声的声音信号进行去噪仿真实验．结果表明，本方法明显优于传统的均值滤波和小波去噪方法，为强背景噪声下弱信号的检测提供了新的途径．     

二维数值造波水槽不规则波之数值研究

利用边界元素法所建立数值造波水槽探讨不规则波浪之造波与传递问题，以Lagrange法描述水粒子之运动并利用前进差分处理时间项之微分项。水槽一端为活塞推拉式造波板，运动方式以Mitsuyasu-Bretschneider之波谱造波，另一侧设有一段消波区以减少计算结果受波浪反射之影响。水面上选定若干个测点量取水位变化之历时，利用波谱分析水面上各测点之波谱并与原入射波波谱比较来探讨本模式之准确性。