基于复高斯混合模型的鲁棒VAD算法

针对语音激活检测的鲁棒性问题,提出在非平稳噪声环境下使用基于复高斯混合模型的鲁棒语音激活检测算法.算法中假设纯净语音谱满足复高斯混合模型,先验信噪比利用预先训练好的复高斯混合模型计算得到.复高斯混合模型的引入一方面提高了语音激活检测的性能,另一方面避免了使用基于最小均方误差语音增强的先验信噪比估计过程.实验中使用NOISEX-92噪声库来验证系统在噪声环境下的性能.结果表明,该种算法在非平稳噪声环境下具有良好的检测性能.     

混合非参数回归的贝叶斯推断

针对混合非参数回归问题, 给出了一种基于贝叶斯框架的推断方法. 在该方法中对每一个非参数混合成分用一个随机过程的有限维分布族作为先验, 同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计, 并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo, MCMC) 法抽样来进行后验推断. 数值模拟分别从样本量、回归曲线的相对位置和多分类情况 3 个角度进行. 模拟结果表明, 相较于全局期望最大化(global expectation maximalization)算法, 混合非参数回归的贝叶斯推断方法能够有效利用先验信息来提高模型的拟合和预测能力. 最后将混合非参数回归的贝叶斯推断方法应用于蚜虫与受感染烟草植物的实验, 同时解决了数据的聚类与回归拟合问题, 其有效性和适用性得证.     

混合高斯分布的变分贝叶斯学习参数估计

针对常用于非高斯信号或系统建模的包含隐变量的混合高斯分布模型,提出利用一种变分贝叶斯学习算法进行模型的参数估计.该方法采用一个形式较为简单的自由分布,通过不断最大化边缘似然函数的下界,迭代地更新变分参数,直至近似分布足够逼近参数真实的后验分布,从而实现混合高斯分布的参数估计.文中推导了该方法对混合高斯模型参数学习过程.实验表明,变分贝叶斯学习可以有效实现高斯混合模型的多参数估计,相比采样方法更有工程应用前景.     

混合高斯过程回归模型在铁水硅含量预报中的应用

为了提高基于高斯过程回归的软测量模型的预测精度,提出了一种混合高斯过程回归模型。该模型将高斯过程回归模型预测输出值的方差及其分布作为主要考虑因素,对多个高斯过程回归模型的输出值进行组合输出,获得了比单个高斯过程回归模型更高的预测精度和更强的模型鲁棒性。将该模型实用于高炉铁水硅含量预报模型的建模,获得了比使用单个高斯过程回归模型建模时更好的应用效果。     

基于弯曲高斯过程组合方法的光伏出力预测研究

针对光伏发电功率受多种天气因素影响造成预测难度大的现状,提出了一种基于弯曲高斯过程的混合模型,可以实现一天内任意时刻的光伏出力的概率预测,获得置信区间预测值和点预测值.该算法先由多元自适应回归样条模型实现对多维输入变量的约减,同时得到待预测值的先验数据,然后利用模糊C均值算法按天气类型对训练集数据和测试集的先验数据进行聚类,得到相似样本,再利用弯曲高斯过程模型对测试集数据进行估计,最后利用Bagging算法实现对子混合模型的集成学习,得到待预测值的区间估计和点估计.仿真及试验结果验证了该混合模型的有效性和可靠性.与高斯过程估计和BP神经网络分位数估计相比,该混合模型精度更高,实用性更强.     

基于中国餐馆过程的语音增强

针对有色噪声中的语音增强问题,通过引入中国餐馆过程混合模型（Chinese Restaurant Process Mixture Model,CRPMM）,其潜变量满足中国餐馆过程,能够较方便地获得马尔科夫链式样本的展开.建立了参变量与潜变量基于块采样的后验更新形式,结合卡尔曼滤波技术,能够在分布空间上更精确地逼近噪声的后验分布.仿真算例及实际语音信号增强算例表明,较之传统的参数化卡尔曼滤波算法及变分贝叶斯滤波算法,基于数据驱动的无穷维的块采样技术能够更好地适应新模态,并取得较好的语音增强效果.     

多模态过程过渡初期与末期的监测方法

针对多模态过程中的过渡模态监测问题,提出了一种基于高斯混合模型的多模型过程监测方法.在过渡初期与末期时,利用高斯混合模型,采用稳定模态与过渡模态联合监测的思路对其进行监测.通过仿真发现,此方法对于过渡模态尤其在过渡初期与末期,监测效果较好,具有一定的实用价值.     

基于MCMC的混合α稳定分布参数贝叶斯推理

为解决非高斯信号较难描述这一难点问题,提出一种基于马尔科夫链蒙特卡罗方法的混合α稳定分布参数的贝叶斯推理方法.构建了混合稳定分布分层的贝叶斯图模型,利用Gibbs抽样实现了混合权值和分配参数z的估计,基于Metropolis算法完成了每个分布元中4个参数的估计.仿真结果表明,该方法能够准确地估计出混合α稳定分布中的各个参数,具有很好的鲁棒性和灵活性,可用于对非高斯信号或数据进行建模.     

非高斯噪声下的参数自适应高斯混合CQKF算法

研究非高斯噪声环境下的高斯混合滤波方法,进行纯方位跟踪系统的目标跟踪。利用改进的参数自适应方法,调整位移参数的大小,从而修正了高斯混合模型,提出了在非高斯噪声下的参数自适应高斯混合CQKF算法;基于非高斯噪声下的离散系统模型,分析了高斯混合CQKF算法中建模过程的局限性,并结合初值优化方法,提出了利用参数自适应方法修正高斯混合滤波模型的方法,从而克服了高斯混合滤波的局限性,提高了滤波精度。仿真实验表明在非高斯噪声下参数自适应高斯混合CQKF算法比原算法有更高的滤波精度。      

基于双高斯先验的低秩矩阵分解模型

为了更好地拟合复杂噪声,增强低秩矩阵分解模型的鲁棒性,将双高斯先验引入到传统的高斯混合模型中,提出了基于双高斯先验的低秩矩阵分解(low-rank matrix factorization with double Gaussian prior, DGP-LRMF)模型,通过模型分解得到的2个矩阵均服从高斯先验,从而实现对噪声的有效建模,并在贝叶斯理论框架下利用EM算法实现模型参数的推断。实验结果验证了所提模型能够有效地处理含有复杂噪声的数据,取得了更优且更具稳定性的去噪效果。     

基于分级规划的工艺决策推理与知识管理策略

论述了基于分级规划的工艺决策推理控制策略、混合式推理策略以及工艺决策知识和数据管理策略．推理控制策略将复杂的工艺决策推理机分解成性质不同的三个子推理机,简化了推理机的结构．混合式推理策略综合了变异法、创成法以及人机交互法的优点,便于解决复杂多变的工艺决策问题．工艺决策知识管理策略使工艺决策知识和数据按三个子推理机分类存储,从而便于规则的搜索、存储、管理与维护．     

超临界流体萃取过程混合模型的建立

采用混合建模技术,通过集成人工神经网络模型与单元过程机理模型建立了超临界流体萃取过程的混合模型,较好地解决了超临界过程的模拟计算、经济评价、设计和运行优化问题.通过软件集成的方法实现了商业模拟软件Aspenplus与ANN的集成,大大降低了模型的实现难度和实施时间.     

动态服务流程模型混合分割方法及应用

为统一跨组织之间的服务流程定制问题,提出了基于高级Petri网的动态服务流程模型混合分割方法,将一个全局的BPEL模型分割为若干个完备的执行分片,根据组织的不同,分别放置在多个BPEL引擎上协同执行,在此基础上进行了模型混合分割的正确性验证.通过示例验证了BPEL流程模型混合分割执行的可行性,最后结合示例给出了支持模型混合分割的原型系统.仿真结果表明:动态服务流程模型混合分割方法支持下的多个BPEL引擎分布式执行比集中式BPEL引擎的集中编制有明显的优势,从而提高了服务流程引擎的吞吐率,也减少了服务响应时间的花费.     

混合状态Petri网及其在过程控制混杂系统中的应用

为了处理混杂系统的建模问题，提出了一种称为混合状态Petri网(HSPN)的混合Petri网，给出了HSPN的定义及其变迁规则。采用一个实际化工过程为例建立了HSPN模型，该模型可以用于混合控制器的设计，仿真结果表明了其有效性。本文还简要地讨论了HSPN的一些性质。     

基于MVA的半导体生产过程质量分析方法

针对半导体晶圆生产中存在着位置间变异、晶圆间变异及批次间变异,提出了基于多变异分析(MVA)的工序质量分析方法.该方法通过建立基于方差分析晶圆生产工序质量的多变异分析模型,研究了晶圆生产过程中3种变异与总变异之间的定量关系.由定量关系推导出晶圆生产中的抽样规则,并提出了3种常用过程能力指数Cp,Cpk和Cpm的改进计算方法.通过在晶圆生产中的实际应用,证明了该方法中的抽样规则能捕获加工过程中主要随机变异,该方法计算获得的过程能力指数可较为真实地反映生产过程质量状况.     

过程信号的盲分离

添加采集通道,应用文中提出的基于盲分离原理的简约ＨＪ神经网络（ＲＨＪＮＮ）,可有效地去除混杂在过程信号中噪声,是控制工程中一种新型的去噪手段。对多类控制系统与不同信号的组合仿真表明,该方法是有效的,网络性能是稳定的。     

磨矿破裂过程的蒙特卡洛仿真方法研究

研究了磨矿破裂过程的蒙特卡洛仿真方法.蒙特卡洛仿真的误差反比于其计算区域内颗粒数量,导致该方法存在计算精度和计算代价难以协调的矛盾.主要研究目标是在不降低精度的条件下提高仿真速度.首先给出了事件驱动的磨矿过程蒙特卡洛仿真的主要步骤.通过提出一种新的包络函数改进仿真抽样效率.设计了批次磨矿的仿真实验.仿真结果表明:所提出的改进算法能够显著降低无效抽样,提高仿真速度,而且保持仿真精度符合要求.     

过程计算机控制系统中的软件滤波对策

本提出了用软件实现过程计算机控制系统中抗干扰问题的方法,并介绍了各种数字滤波的算法思想。考虑到采样周期对滤波算法的影响,本又对系统信号输入过程中的采样问题进行了简要探讨。     

混合神经网络模型用于煤焦气化过程的模拟

以煤焦气化反应模型为基础,结合BP神经网络参数估计器,建立了用于模拟煤焦气化过程的混合神经网络模型。结果表明该混合神经网络模型能很好地描述煤焦的气化过程,可以得到在实验过程中无法测得的2个参数,即:在煤焦中具有活性的碳与总碳的比值A和具有活性碳的单位质量反应速率Rr。