一种基于周期图解调2FSK信号的新算法

提出一种基于周期图解调2FSK信号的新算法.它将功率谱估计的周期图法与离散短时傅里叶变换相结合来求取接收信号的时频关系,在时频域对2FSK信号进行检测.研究了周期图解调算法的解调原理,并对关键参数进行了数学建模和理论推导,建立理论公式.实验结果表明,解调算法优于传统解调方法.另外,还通过对几种窗函数解调性能的仿真实验得出矩形窗的解调性能最差,汉宁窗解调性能最好的结论.     

颈动脉搏动波的谱分析

采用周期图法和AR参数模型法分别对颈动脉搏动波进行了功率谱分析．分析结果表明，从脉搏波功率谱的主峰及谱分布稳定性的角度来说，周期图法比AR参数模型法具有更优越的性能．     

基于HMM的算法和功率谱算法的基因预测对比研究

基于隐马尔科夫模型的算法和基于傅里叶变换的功率谱算法是常用的基因预测方法且准确度较高．对这两种算法加以论述,并做实验比较．结果表明,基于功率谱的算法在灵敏度和特异性方面都略高于其他基于隐马尔科夫模型的算法．     

基于MATLAB实现经典功率谱估计

功率谱估计(power spectrum estimation,PSE)是利用有限长的数据估计信号的功率谱,广泛应用于雷达、声纳、通信、地质勘探、天文、生物医学工程等众多领域.功率谱估计可分为经典谱估计和现代谱估计,文章主要研究经典谱估计中的修正算法.目前经典谱估计中主要采用对2种方法进行估计,分别足周期图法和自相关法...     

周期图法的功率谱估计

功率谱估计是数字信号处理的重要研究内容之一。对目前用得较多且最具代表性的周期图法进行研究,并针对它谱分辨率比较低等缺点,利用Matlab实现了几种改进的周期图法。     

如何在Matlab中优化基本周期图法对随机信号进行的功率谱估计

对于一个随机信号,自相关函数往往最能完整地表征它的统计平均值.我们可以用功率谱密度(Power spectraldensity,PSD)来表征它的统计平均谱特性.此外功率谱估计在测量噪声频谱、最优化线性滤波等其他应用中也有着非常重要的作用,因此对功率谱估计如何进行优化显得更加重要.本文就如何在Matlab中优化基本周期图法对随机信号进行的功率谱估计进行了简单讨论.     

基于多项式拟合的高速铁路高低轨道不平顺功率谱分析

根据某高速铁路轨道的高低轨道不平顺实测数据,基于改进的welch周期图法计算原始高低轨道不平顺功率谱密度,从波长角度提出了功率谱密度的7阶多项式拟合谱模型.通过谱密度反演算法对高低轨道不平顺序列进行数值模拟.提出了基于上、下界限谱的轨道质量评判标准.实验结果表明,提出的拟合谱模型比高速铁路无砟轨道幂函数分段拟合模型更适合于该线路的谱分析.通过本文拟合谱与时速200 km/h等级提速线路拟合谱的比较,表明该线路在波长3.3～5 m波长范围内有不平顺的趋势.为轨道不平顺的评判和线路维修提供了建议.     

小波包分解Welch平均法在焊接电弧声功率谱估计中的应用

对试验系统采集到的焊接电弧声进行了小波包多层分解 ,并利用周期图法、Welch平均法及AR模型法 ,对各频段信号进行功率谱估计 .根据不同谱估计方法的对比结果 ,提出小波包分解结合Welch平均法对焊接电弧声进行功率谱估计的新方法 .通过对几种规范与飞溅率下的电弧声功率谱的初步分析 ,发现其功率谱分布具有一定的规律性 ,并且不同频段谱峰值及其对应频率与焊接飞溅具有相关性     

基于信息功率谱的微博热点挖掘模型

微博信息具有传播速度快、数据量大、噪声大的特点,因而难以有效监测与控制.针对这些问题,提出了基于信息功率谱的微博热点挖掘模型,给出了该模型的框架结构、运作流程以及关键子算法.该模型根据微博信息流的功率谱密度变化趋势动态调整信息采集窗口,通过对信息功率谱计算对微博中的热点进行挖掘和预测,并抽取微博中的相关描述特征.仿真实验证明,该模型具有较高的预测准确度和特征覆盖度,且占用系统资源较少.     

基于支持向量机递归特征消除和特征聚类的致癌基因选择方法

癌症通常由基因发生突变引起,因此从大量基因中有效地识别出少量致癌基因具有重要意义.针对基因表达谱数据高维小样本的特点,将支持向量机递归特征消除(SVM-RFE)和特征聚类算法相结合,提出一种新的基因选择方法:K类别SVM-RFE(K-SVM-RFE).该算法通过特征排序算法去除大量无关基因,利用K均值聚类算法将相似基因聚为一类,并通过两次SVM-RFE算法精选致癌基因.随后将K-SVM-RFE算法应用于多个基因表达谱数据集,并对其中的关键参数设置进行了讨论.实验结果表明K-SVM-RFE算法所选基因较已有方法在分类准确率上有显著提高,特别是在选择少量致癌基因上效果提升更为明显.     

求解线性运输问题的新型进化算法

运输问题自提出后,人们因其在各个领域的广泛应用进行了大量研究。线性运输问题是其核心和基础问题,以它为基础可以扩展为其他更复杂的运输模型。针对实数线性运输问题,提出了一种新型进化算法(newEA),在遗传算法(GA)的基础上引进了差异进化的思想,设计出具有全局搜索能力的重组算子,重组算子能够从理论上保证约束条件的满足。仿真实例显示了该算法的可行性和有效性。     

基于改进黑洞算法优化ESN的网络流量短期预测

网络流量数据序列具有混沌特性.相空间重构后,采用一种改进黑洞算法优化回声状态网络的非线性模型对网络流量进行预测.改进黑洞算法是在现有工作的基础上提出一种新的新解生成机制,可以提高算法的收敛速度和精度;相比于遗传算法、和声搜索算法等其他优化算法,所提出的改进黑洞算法不依赖自身相关参数的准确设定;将其应用于回声状态网络4个重要参数的优化选取,使得预测模型具有较好的预测稳定性.通过Mackey-Glass混沌时间序列和网络流量公共数据集的仿真实验,结果表明所提出的方法具有较好的预测性能.     

融合时间和类型特征加权的矩阵分解推荐算法

针对推荐算法的信息过期问题,结合遗忘函数和信息保持期的改进时间权重引入矩阵分解模型,提出一种基于改进时间权重的矩阵分解协同过滤算法(MFTWCF,MF-based and improved time weighted collabora tive filtering),相比前人提出的基于改进时间权重的邻域协同过滤算法(NTWCF,neighborhood-based and improved time weighted collaboratire filering algorithm),准确性显著提升了26.58%。由于过去的信息所包含的特征在随后的时间里可能被用户持续关注,从而增强过期信息对推荐的影响力,所以提出了融合时间权重和类型影响力加强权重的改进算法(MFTTWCF,MF-bosed and imporved time and type weighteel collaborative filtering)修正上述时间权重。电影数据集的实验证明,MFTTWCF算法预测的准确性比MFTWCF算法提高了3.58%,能够取得更好的推荐效果,适用于通过预测评分进行推荐的系统。     

漏缺数据平稳时间序列下的谱密度估计

在天文学和医学领域,非均匀抽样数据的谱什计已获得广泛研究.这些研究通常是在周期性的探测和决定性的信号环境里进行的.本文从另外的角度考虑估计漏缺数据平稳时间序列的谱密度,提出了一种渐近无偏的估计方法.使用模拟方法把它与古典周期图、LOMB周期图以及基于SVD的周期图进行对比,结果显示这种新方法很大程度上降低了偏差.     

基于聚类的神经网络及其在预测中的应用

提出了一种基于聚类的神经网络算法，可以很好解决大样本情况引起的网络结构复杂、收敛性和泛化能力差等神经网络的固有问题．算法采用聚类算法为分类器，进行模式空间分解，以分类后的模式子空间为各样本集合，用神经网络集学习，最后根据重力模型计算检测样本对各样本子集的隶属度，整合各子空间的输出结果．通过实验对比表明该算法精度较高，容错性好．     

一种无延迟的水文时间序列预测方法

为解决水文时间序列预测中,序列连续值间存在着高度的自相关性,而引起峰值点的预测时间落后于真实时间的问题,提出一种基于CSVMD-LSTM-ELM的无延迟预测方法。首先,将变分模态分解算法(variational mode decomposition,VMD)与布谷鸟搜索算法(cuckoo search algorithm,CS)相结合,其中,VMD用于削弱时间序列间的相关性,CS用于全局搜索VMD参数的最优解,并重点关注预测延迟的问题,为此,定义了一种新的适应度函数;其次,为分解得到的子序列建立了长短期记忆神经网络(long and short-term memory neural network,LSTM)和极限学习机(extreme learning machine,ELM)两种网络结构,分别讨论了单一网络和组合网络预测效果的优劣;最后,在秦淮河流域数据集上进行实验验证,与原有的LSTM和VMD-LSTM-ELM方法进行比较。结果表明,所提方法相较于其他方法,预测的峰值时间延迟更小,预测误差更低。可见,所提方法能够解决预测的延迟问题。     

基于PSO-BP的钻井机械钻速预测模型

机械钻速预测是优化钻进过程、提高钻井效率的关键技术,现有的计算模型主要建立在物理实验和理论分析的基础上,缺少对钻井工程实测数据的应用,导致计算精度难以满足复杂的现场需求.基于此,提出一种人工智能算法与BP(back propagation)神经网络相结合的钻井机械钻速预测模型.首先,利用小波滤波方法对实测数据进行降噪处理,并依据互信息关联分析优选输入参数降低模型冗余.其次,利用粒子群优化(particle swarm optimization,PSO)算法实现对BP神经网络初始权值、阈值的优化,建立机械钻速预测新模型,并将PSO-BP新模型与标准BP、BAS(Beetle Antennae Search,天牛须算法)-BP及GA(genetic algorithm,遗传算法)-BP等三种模型进行对比分析.最后,根据实际工况对PSO-BP钻井机械钻速预测模型进行模型评价.结果表明,PSO-BP机械钻速预测模型不仅具有良好的预测精度,而且为钻进过程中提高机械钻速提供科学的参考.     

基于混沌的协作型协进化方法

在协作型协进化算法的基础上,提出了基于混沌的协作型协进化方法。该算法加入了进化是否发生停滞的判断,并在发生停滞时进行混沌映射。用经典的函数优化问题进行仿真实验,其结果表明了该算法的有效性。     

Ad-Hoc网络中一种可靠的节点不相交多路径路由算法

提出了一种可靠的节点不相交多路径路由算法(RNDMRA). 结合预测模型和能量模型,利用网格中节点的地理信息,有效减少路由发现泛洪的频率. 同时为了选择与最短路径相似的稳定多路由,RNDMRA应用相似性因子选择相似的稳定节点不相交多路径路由. 模拟结果显示,与AODV和NDMR相比,RNDMRA有更高的投递率,更小的路由延迟和路由负载.     

基于线性搜索的快速运动估计算法

为了减小快速运动估计算法的计算复杂度和提高运动补偿的准确性,提出了一种新的块匹配运动估计算法,称为线性正方形搜索算法.该算法采用运动估计的线性搜索策略,对于不重要的搜索区域利用线性搜索技术进行快速搜索以减小算法的计算复杂度,而对于重要搜索区域,即最佳点所在区域,用9点的正方形模块进行精细搜索以提高算法的搜索精度.实验结果证明,该算法与菱形算法相比不仅计算复杂度减小了10%以上,而且视频编码效率可以提高约0 1dB.