非高斯型互相关随机数的发生技术

在用蒙特卡罗法进行仿真研究（例如进行测量不确定度评定）时,常常需要发生多个非高斯型互相关的随机数.就这一问题,给出完整的解决方案：用Hermite展开式生成近似的非高斯变量,借助Cholesky分解建立各变量之间的相关性.方法的关键在于对互相关系数矩阵进行“预变形”,使Cholesky分解也适用于非高斯变量.此外,还利用Cholesky分解式下三角矩阵的特点,对矩调整和建立相关性两个过程进行解耦.给出了详细的算法说明.     

基于高阶累积量方法的非高斯非最小相位ARMA模型辨识

从利用高阶累积量对加性高斯噪声有色中非高斯过程辨识的基本理论出发,对近年来基于高阶统计量方法辨识非高斯、非最小相位ARMA模型的算法进行了分析和综述,阐明了借助高阶统计量方法可以克服传统的基于2阶统计量方法在解决此类问题中的缺陷,有效地解决非高斯、非最小相位系统的辨识问题。     

基于非高斯信息的JITL软测量模型

为了有效监控具有非高斯数据特性的工业过程,提出了一种新的基于非高斯信息的JITL(Just-In-Time Learning)软测量模型.首先通过非高斯非相似度测量选择JITL局部建模样本;然后建立局部ICA-PLS回归模型实现工业过程质量变量监控.该方法从局部建模样本选择到局部回归模型建立能够有效处理工业过程数据的非高斯特性,并且保留了JITL建模的优点,能够有效地处理工业过程时变特性以及非线性.通过硫回收处理过程的应用,验证了方法的有效性.     

非高斯脉动风压的分形模拟研究

基于风洞试验中采集的厦门沿海某高层建筑模型的表面风压时程,计算各测点脉动风压的分形维数,偏度系数和峰度系数,找出脉动风压呈现较明显的非高斯特性的4个测点.考虑脉动风时程具有分形的特性,结合相关性变形法,采用具有分形特性的Weierstrass-Mandelbrot函数对非高斯特性明显的4个测点的脉动风压进行了模拟.结果表明,模拟得到的4个测点的非高斯脉动风压时程与风洞试验的非高斯脉动风压时程的概率分布曲线吻合较好,功率谱图形比较相似,分形维数,偏度系数和峰度系数均比较接近.说明本文所提出的用分形方法模拟具有非高斯特性的脉动风压是可行的,弥补了传统的线性滤波器法和谐波叠加法模拟结果均不具有分形特性的缺点,对非高斯脉动风压的数值模拟有一定的参考价值.     

一类非高斯噪声的统计特性及其去噪研究

首先利用多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声--双模噪声的统计特性进行研究;其次,详细研究了利用小波包变换和随机共振来消除信号中夹杂的双模噪声.理论分析和仿真表明:此方法具有计算量小、算法比较简单和实时性较强的特点,不仅实现了将非高斯噪声--双模噪声转化为简单的高斯噪声来处理,而且比传统的高阶统计量的处理方法要优越.     

基于LPZ谱分析法的非高斯脉动风压模拟

提出一种基于线性预测和Z转换(linear prediction and Z-transform,LPZ)谱分析法的非高斯脉动风压模拟算法.运用Johnson变换系统实现高斯随机过程到非高斯白噪声的转换;再使用LPZ对其进行数字滤波,进而得到所需的非高斯脉动风压.采用基于LPZ谱分析法对单变量非高斯随机信号和非高斯脉动风压进行了数值模拟.通过对模拟的非高斯信号和脉动风压的统计参数(峰度和偏度)与目标统计参数,以及模拟的功率谱与目标功率谱进行比较,验证了基于LPZ谱分析法的非高斯脉动风压模拟算法的有效性.     

一种适于非线性非高斯目标跟踪的MRIMMPF算法

为解决粒子滤波应用到IMM算法时计算量过大的问题,融合交互式多模型和粒子滤波,提出了一种采用多速率方法的交互式多模型粒子滤波(multirate interacting multiple model particle filter,MRIMMPF)算法.该算法采用多模型结构来跟踪任意机动的目标;使用一种3模型、one-third速率/全速率跟踪算法,一个one-third速率模型处理非机动或微弱机动,2个全速率模型用于机动模式,以处理非线性、非高斯问题.仿真结果表明,MRIMMPF算法在性能上并不低于交互多模型粒子滤波(IMMPF)算法,但是计算量明显减小.     

基于FRICA算法的非高斯过程故障检测方法

独立元分析(ICA)是一种有效的非高斯过程故障检测方法,但其建模过程仅仅使用正常工况数据,忽视了对先验故障工况数据的利用.针对此问题,提出了一种基于故障相关ICA(FRICA)算法的故障检测方法.该方法使用ICA算法提取正常工况数据中的非高斯特征成分;再将正常工况数据集和先验故障工况数据集融合在一起构成多工况数据集,利用非局部保持投影进行二次特征提取,获得故障判别成分;在两种特征成分的基础上构造新的监控统计量,并利用核密度估计得到相应的置信限,完成对实时数据的监控.连续搅拌反应釜(CSTR)系统的监控仿真结果表明:与基本ICA方法相比,FRICA方法能更有效地检测出过程故障.     

一种双模噪声模型的统计特性及其去噪研究

利用多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声--双模噪声的统计特性进行研究.理论分析和仿真表明,小波包检测具有计算量小、算法比较简单和实时性较强的特点,不仅实现了将非高斯噪声--双模噪声转化为简单的高斯噪声来处理,而且比传统的高阶统计量和经典检测的检测性能都优越.     

基于改进无迹卡尔曼滤波的多径估计算法

【目的】在导航定位系统中，基于卡尔曼滤波框架的多径误差抑制算法是提高定位精度的有效方法。但是，在算法的过程噪声和观测噪声协方差初值的选取不当时，会导致估计结果误差很大甚至发散。另外，由于此类算法是基于最小均方误差准则，算法在受到非高斯噪声干扰时尤其是重尾非高斯噪声，会出现估计精度显著下降的问题。【方法】为了在高斯噪声和非高斯噪声下都能够保持较好的多径估计结果提高定位精度，本文提出一种自适应最大相关熵无迹卡尔曼滤波(adaptive maximum correntropy unscented kalman filter, AMCUKF)多径估计算法，算法在观测更新过程中引入最大相关熵作为优化准则，以解决在非高斯噪声下的估计精度下降的问题，在噪声协方差更新过程中用观测量的残差序列对噪声协方差矩阵进行递归更新，取代过程噪声和观测噪声协方差初值的选取。【结果】在高斯噪声和非高斯噪声下分别进行了仿真实验，通过与两种基于卡尔曼滤波框架的估计算法进行对比表明，AMCUKF多径算法不仅能够在高斯噪声下保持较好的多径估计结果，而且在非高斯噪声下也能够保持更高的多径估计精度，有效抑制非高斯噪声的干扰。     

非高斯有色噪声中基于四阶累积量的谐波恢复方法

讨论了线性非高斯有色噪声中的谐波恢复问题。已有的方法中假设非高斯有色噪声是非对称分布的且谐波中不存在二次相位耦合。本文利用特殊定义的四阶累积量，给出两种非高斯有色噪声中的谐波恢复方法，克服了原有方法的局限性。     

方形高层建筑风压脉动非高斯特性分析

通过风洞刚性模型动态测压试验对单体方形高层建筑脉动风压非高斯特性进行了研究.首先依据测点偏度和峰度及其概率密度函数图给出了高层建筑风压脉动非高斯特性的描述方式,然后分析了高层方形建筑脉动风压非高斯特性,最后给出了不同风向角下的非高斯区域.结果表明,风向角对结构非高斯特性的影响较大,对于直接受来流风作用的立面,其会同时出现正偏和负偏,而峰度值也相对较小,其主要以高斯区域为主,而受分离流和尾流综合作用的立面,该面均为负偏且峰度值相对较大,其主要以非高斯区域为主,当出现流体再附时,相应区域的负偏值会增大而峰度值则减小,导致非高斯区域过渡到高斯区域.     

非平稳随机过程非线性组合的首次超越可靠度

针对非平稳随机过程非线性组合的首次超越可靠度问题，提出了一种数值解法．该法将所考察时段离散化，以数值计算手段克服复杂的数学处理上的困难．所得公式可以方便地退化为平稳随机过程甚至随机变量非线性组合的问题，因而具有普遍的实用价值．     

线性调频信号增强的自适应滤波算法研究

在对基本 LMS算法进行修改的基础上 ,提出了基于高阶累积量极性 -动量迭代的自适应线性调频 ( Linear Frequency Modulation,LFM)信号增强新算法。该算法有抑制高斯噪声效果好 ,计算量小 ,收敛快且输出信号平稳等特点。仿真结果证实了该算法的有效性和可靠性。因此 ,具有较强的实用性和较好的应用前景。     

状态加权合成的CGHMM训练算法

为了克服训练数据不足的问题,提出了一种新的方法——基于状态加权合成的连续高斯混合密度隐马尔可夫模型(continuous Gaussian mixture hidden Markov model,CGHMM)训练算法.首先对每一个待合并模型中的每个状态都选定一个权值,当对多个训练样本进行CGHMM参数重估时,每一次迭代过程都分别对每一个训练样本获取CGHMM参数,再使用仅仅取决于状态数的权值加以合并.最后,将此新算法应用于轴承故障诊断,并与经典CGHMM算法进行了比较.实验结果表明,新算法的诊断精度更高,输出概率更好,获得了更优的训练模板.     

一类非最小相位对象的内模预测控制:SISO情形

针对一非最小相位对象,在内模控制结构下,根据预测控制机理来直接优化设计一非因果FIR(有限脉冲响应)型控制器,提出了基于奇异值分解(SVD)的控制器系数估计算法.该控制方法既保留了预测控制滚动优化的特点,又保持了内模控制对偶稳定性的特性,是一种稳定化的预测控制新策略.     

基于LDPC的分布式信源编码算法

分布式信源编码是一种新的编码方式,它实现相关信源的独立编码和联合解码。在保证解码输出质量的基础上有效降低信源编码复杂度。本文提出了一种基于LDPC的分布式信源编码算法,该算法针对高斯信源,基于陪集分割原理,采用LDPC码来实现。实验结果表明：相对于采用网格码和Turbo码实现的分布式信源编码,该算法直观简单且更具良好的性能。     

非可加平衡交通分配问题的列生成算法

为求解非可加平衡交通分配问题,基于列生成算法基本框架,采用K最短路算法生成需要的路径,采用幂罚函数法求解平衡路径流问题,提出一种新的算法,并进行数值模拟,将算法用于求解含路径特定行驶费用和路段容量随机降级下的路径行驶预算2类非可加费用情形。结果表明,所提出的算法能有效求解非可加平衡交通分配问题,并获得高精度的满足 Wardrop用户平衡准则的平衡路径流(误差E≤10-9),即对于每一个O D对,流量大于0的路径的行驶费用几乎都相等,且等于最小行驶费用。     

基于改进的高斯混合模型牙齿图像分割研究

针对边界模糊和对比度低的口腔CT图像中牙齿目标区域提取难的问题,提出了一种基于高斯混合模型与K-均值的改进聚类分割算法.该算法首先通过各向异性滤波对图像预处理,实现去噪平滑的同时增强图像的细节;然后利用K-均值完成初始划分,并根据分类后的像素值给出EM算法迭代的初始值,加快算法迭代到最优解,从而大大降低算法迭代次数,有效解决EM算法求解参数时随机选取初值点易导致GMM陷入局部最优解的问题,进而使分割区域完整;最后利用EM算法学习GMM,完成ML分割.实验结果表明:改进方法降低了计算复杂度,对噪声具有较强的鲁棒性,可获得更为理想的分割结果.