有色观测噪声下的多变量设置调整策略

针对存在初始设置偏差的离散的多变量生产制造过程，研究了观测噪声服从Auto-Rgressive （AR）模型的情况下，考虑调整花费成本为二次型函数时的设置调整问题，在建立过程状态空间方程的基础上，利用卡尔曼滤波方法在线估计过程的状态变量，根据随机二次型最优控制理论，得到了使过程质量损失最小的最优调整策略. 通过算例解释了最优调整策略的实现方法，并进行了仿真验证，结果表明，得到的调整策略与观测噪声为白噪声时的质量调整策略相比，能更好地减少过程总体质量损失.     

0.18μm CMOS高集成度可编程分频器的设计

采用标准0.18 μm CMOS工艺,提出了一种高集成度可编程分频器.该电路所采用技术的新颖之处在于：基于基本分频单元的特殊结构,对除2/除3单元级联式可编程分频器的关键模块进行改进,将普通的CML型锁存器集成为包含与门的锁存器,从而大大提高了电路的集成度,有效地降低了电路功耗,提升了整体电路速度,并使版图更紧凑.仿真结果表明,在1.8V电压、输入频率Fin=1 GHz的情况下,可实现任意整数且步长为1的分频比,相位噪声为-173.1 dBc/Hz@1 MHz,电路功耗仅为9 mW.     

论表征形式与教育背景对于概率推断准确性的影响

在本研究中,实验人员就上述两种因素对于一例医疗诊断问题的影响进行了调查,997名不同专业背景的本科学生对于妇女是否患有乳腺癌进行了概率推断.研究所用的诊断题目采用了一种概率格式(probabilistic format)和三种频率格式(frequency format).调查结果显示,具有理科背景的学生综合表现优于文科背景的学生;相比于概率格式,两种频率格式(树状图和表格频率)改善了所有学生的表现,而标准频率格式只提高了理科学生的表现.此次研究为今后概率推断的教育工作提供了更广阔的思路.     

A Neuro‐wavelet Model for the Short‐Term Forecasting of High‐Frequency Time Series of Stock Returns

We propose a wavelet neural network (neuro‐wavelet) model for the short‐term forecast of stock returns from high‐frequency financial data. The proposed hybrid model combines the capability of wavelets and neural networks to capture non‐stationary nonlinear attributes embedded in financial time series. A comparison study was performed on the predictive power of two econometric models and four recurrent neural network topologies. Several statistical measures were applied to the predictions and standard errors to evaluate the performance of all models. A Jordan net that used as input the coefficients resulting from a non‐decimated wavelet‐based multi‐resolution decomposition of an exogenous signal showed a consistent superior forecasting performance. Reasonable forecasting accuracy for the one‐, three‐ and five step‐ahead horizons was achieved by the proposed model. The procedure used to build the neuro‐wavelet model is reusable and can be applied to any high‐frequency financial series to specify the model characteristics associated with that particular series. Copyright © 2013 John Wiley & Sons, Ltd.     

基于信道多普勒特征的外辐射源雷达杂波抑制方法

利用数字广播信号的正交频分复用(orthogonal frequency division multiplex, OFDM)调制特性,提出一种基于信道多普勒特征的外辐射源雷达杂波抑制方法。首先,在子载波域获取每个OFDM符号的频域信道响应值,然后将该信道响应值变换到时域,并在时域利用信道多普勒特征构造杂波子空间项,用于抑制零频和非零频杂波。所提方法杂波子空间构造与发射信号无关,可离线生成,简化了信号处理流程,降低了计算复杂度。仿真和实测数据均验证了所提方法的有效性。     

基于CRC的ASM信号维特比纠错算法

为提高甚高频数据交换系统(very high frequency data exchange system, VDES)中应用特定消息(application-specific messages, ASM)的解码性能, 提出一种基于循环冗余校验(cyclic redundancy check, CRC)的改进维特比纠错算法。通过合理降低符号状态数和使用部分CRC参与纠错, 使该算法平衡了纠错性能和计算量, 同时提出了新的分支度量以解决过于理想化的传统分支度量导致的性能损失。仿真表明, 新分支度量相比传统分支度量提升了1 dB的误帧率(packet error rate, PER)性能, 在用12个CRC寄存器参与纠错的条件下，该方法比相干解调算法提升了1 dB的PER性能, 同时通过合理的符号状态数降低策略将计算量降为传统算法的1/4。     

排气消声器模态分析及降噪性能优化

汽车排气系统的振动和噪声是影响乘坐舒适性的因素之一。为研究排气消声器结构模态和声腔模态对消声器降噪性能的影响规律,建立声学有限元模型计算壳体结构模态和声腔模态,并分析各自振型模态和固有频率之间的关系。结果表明:在低频率范围内,壳体结构模态和声腔模态的固有频率发生耦合共振,导致降噪效果不佳;增加消声器外壳壁厚可提升结构固有频率,降低排气系统振动和辐射噪声水平。     

对称非经典阻尼系统动力响应精确解算法比较

分别采用频响函数法和复频率响应法对同一个数值算例进行了稳态响应、使用条件和范围以及误差来源分析,阐述了两种算法在工程执行过程中的特点及效率。     

不同频域地震动下混合被动控制体系的减隔震效果

以高层框架结构为对象,提出一种结合分段隔震和相邻建筑物连接阻尼器耗能的新型混合被动控制体系,能有效应对宽频地面运动,具有较高的鲁棒性和冗余度.通过对同一高层建筑结构分别采用无隔震形式、分段隔震形式和混合被动控制形式进行数值模拟,考察短周期波、含滑冲效应脉冲波和长周期波作用下分段隔震体系和混合被动控制体系的减隔震效果.研究表明,短周期波作用下分段隔震体系控制效果较好,但在含滑冲效应脉冲波和长周期波作用下分段隔震效果不佳,基础隔震层和中间隔震层的位移较大,存在超出支座位移限值的可能,而采用混合被动控制体系能有效减小隔震层的位移,显著提高结构减隔震效果,且当中间隔震层设置在结构中部时混合被动控制体系的减隔震效果较好.     

An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.