类高斯噪声中已知信号的Robust M-检测

本文论述了类高斯噪声中已知信号的Robust M-检测的一般原理,并对4种不同的噪声模型给出了Robust M-检测器.     

噪声中已知信号的有限样本Robust检测

本文采用了一个新的噪声模型■与经典的噪声模型相比,该模型能更客观、全面地反映实际噪声的分布情况。针对该模型求得了噪声中己知信号的有限样本Robust检测器,研究了它的应用范围,分析了它的性能。结果表明,它在总体上比参数检测器更优越。     

计数型序贯网图检验

针对序贯概率比检验(SPRT)无法控制抽取样本量等不足之处,提出了一种改进的抽样检验方法-----序贯网图检验. 该方法的要点是在原SPRT问题中插入一系列检验点,将单个检验问题拆分为若干对假设检验的问题. 计算表明,新方法比SPRT有明显的改进; 与国际公认的抽样标准IEC 1123所建议的截尾序贯概率比检验方法比较,其改进是全方位的.     

概率比检验中的时间序贯方法

在概率比检验中加入时间序贯的考虑,对指数模型有随机进入时间及有截断数据的情形提出了时间序贯检验的方法,并对概率比 有无时间序贯考虑的两种情况下的检验结果进行民比较,给出了计算机模拟结果。     

二项分布参数序贯概率比检验操作特性的计算

研究了二项分布贯概率比检验的基本原理,提出一种计算接收概率的新方法,在此基础上可计算ＳＰＲＴ操作特性,计算机运算证明了这种新算法的正确性。     

截尾序贯设计的若干改进方案

考虑检验边界为动点的截尾序贯设计方案,其具有较序贯概率比检验等方法更多的选择,对2类风险也有公式进行计算.在已有序贯检验方案的基础上,利用穷举的方法,改进了部分截尾序贯检验方案.     

基于序贯概率比检验的爆炸物检测系统

设计一种基于标记中子方法的爆炸物检测系统, 采用ING-27型中子发生器与硅酸钇镥闪烁晶体（LYSO）γ探测器进行探测, 并基于序贯概率比检验（SPRT）方法判别爆炸物. 通过[KG*8]对干奶粉、 硝铵(AMM)和TNT模拟物进行检测, 分析计算测量γ能谱数据中C,N,O三种元素的特征峰, 将所得概率比结果与相应的设定阈值ln A和ln B进行比较. 结果表明, SPRT方法可应用于爆炸物检测.     

基于Unscented卡尔曼滤波新息的多变量序贯概率比检验故障检测方法

针对非线性多变量过程监控问题,提出一种基于预测新息的多变量序贯概率比检验(SPRT)方法.首先利用Unscented卡尔曼滤波(UKF)基于正常过程模型预测输出值,将预测输出值与过程测量得到的实际输出值对比产生预测新息,然后引入多变苣SPRT方法分析多元新息的统计特性,构造对数概率似然比判决函数和判决规则,监控过程的运行状态并对故障状态进行报警.在连续搅拌反应器上的仿真应用结果表明,所提出的故障检测方法能够有效实现过程监控,比传统的残差加权平方和方法误报率低、检测速度快.     

序贯检验的构造及原理

序贯检验是根据一定的规则逐个抽样,以较少的不定的抽验量推断拒绝或接受零假设的检验法.本文阐述了序贯检验的数学模塑和构造、给出了以概率1终止的条件,概率比序贯过程是随机变量z=log(f(x;θ_1)/(f(x;θ_0)),是非退化的,文章之末用近似方法给出了在犯两类错误的概率之和不增加的条件下,构成该检验的边界常数.     

噪声中已知信号的Robust-M检测

本文针对噪声模型 F={f(x)|∫_(-∞)~(+∞)|f(x)-p(x)|dx≤ε,f(x)=f(-x)}求得了噪声中已知信号的又一种Robust检测器——Robust-M检测器。该检测器克服了有限样本检测器不能检测微弱信号的局限。理论分析表明,只要样本客量N足够大,它可用于检测任意微弱的信号。本文通过计算机模拟对Robust-M检测器与参数检测器的性能进行了比较,结果表明,当噪声变化时,Robust-M检测器稳定性更好,性能更可靠。     

基于序贯与能量联合检测的频谱感知技术研究

认知无线电(CR)技术是一种提高频谱资源利用率的有效方法,频谱感知是其实现的前提和关键技术。针对序贯检测在个别情况下所需要的采样点数过多,达不到次级用户(SU)要求的问题,提出了一种序贯与能量联合检测(SEJD)的算法。首先同时用序贯与能量检测两统计量进行采样统计,先使用序贯检测进行判决,若当采样点数超过次级用户的要求,则直接用能量检测算法进行判决,得出判决结果。仿真结果表明:在相同的检测条件前提下,相比于能量检测(ED)算法和截断型序贯检测(truncated SD)算法,所提出的算法在检测概率和最大采样点数上有很大的提升,为确保频谱感知技术在信号检测上的快速性和准确性提供了理论依据。     

序列图像（亚）像素级点目标检测的DP算法

提出了一种用于序列图像（亚）像素级点目标检测与跟踪的ＤＰ算法。该算法基于弹道积分原理和动态规划最优化原理，将序列图像（亚）像素级点目标检测问题转化为一系列的一维最优化过程，功效上完全等价于究举法。同时具有算法简单，运算量小、易于实现的特点。该算法有别于其他算法的显著优点是具有低信噪比处理功能，特别适用于弱而小的点目标运动轨检测，文中还针对多（亚）像素级点目标情况进行了专门讨论。     

一种自适应检测瞬态信号的新方法

研究ＡＲ 模型参数特征用于瞬态信号自适应检测的问题－ 依据ＡＲ 模型参数矢量长度为特征检测信号的思想, 提出了一种具有良好的自适应抑制噪声扰动的参数估计方法－ 理论分析和实验结果表明, 本方法具有很好的ＡＲ 模型参数估计和瞬态信号检测性能     

强噪声中周期信号的数字重相关检测

提出了一种从强噪声中检测周期信号的新的数字相关检测方法。理论分析与模拟试验结果表明,这种新的检测方法的性能优于一般的数字相关检测。     

基于行车声音端点检测的交通量统计

基于传统特征的行车声音端点检测法存在重叠有车段识别率低、双门限阈值较难确定的问题,针对这两个问题,探索性地将梅尔频率倒谱系数(Mel frequency cepstral coefficients,MFCC)倒谱距离特征和短时能量特征进行了融合并应用于交通量检测。首先选取了周围环境较为安静的一个双车道路段,并采集了该路段上包含重叠有车段的行车声音;其次提取了行车声音的短时能量特征和MFCC倒谱距离特征,并对它们在端点检测中的优劣进行了分析对比;再次提出了一种融合短时能量特征和MFCC倒谱距离特征的新特征,并基于新特征将传统的双门限判决思路改进成了单门限判决思路;最后利用新特征对有车段进行端点检测并统计交通量。实验结果表明:基于融合特征的端点检测方法能有效解决重叠有车段识别率低和双门限阈值较难确定的问题。     

有色噪声中随机相位信号的检测研究

提出了一种在有色噪声背景下检测随机相位信号的一种新方法．将有色噪声背景下含噪观测量的功率谱化为白噪声背景下的含噪观测量的功率谱,从而构造出与原被测信号具有相同频率的白噪声背景下的信号,然后利用现有的白噪声背景下的方法进行随机相位信号的检测．     

具有随机输入信号的系统仿真及其应用

本文建立了一个具有随机输入信号的系统仿真模型,应用于动态称重技术中,可对动态称重过程中现场实测的传感器输出信号进行计算机模似,具有巨大的经济效益.