一种基于再生核的经验模态分解算法研究

经验模态分解(EMD)算法是Hilbert-Huang变换(HHT)的核心算法,它的分解效果依赖于包络线的生成算法和端点延拓算法。采用再生核算法求包络线,得到了一种新的EMD算法。分析了再生核函数的局部逼近及收敛,从数学角度解释了选择该算法的原因,最后针对两种非线性信号给出了仿真结果,表明该算法的有效性。     

基于改进的经验模态分解的时间序列匹配算法

针对经验模态分解（EMD）的不足之处,对原有EMD方法中利用上下包络的乎均值得到平均包络进行了改进,采用三次样条对连续极值点的平均值进行插值获得乎均包络。通过这种方式,增加了近似极值点,在“筛”过程的每次循环中,只需要一次而不是两次祥务插值,缓解了“逆冲”和“欠冲”现象,改进了EMD方法,然后引用改进的EMD方法降低序列的维度,并用K均值算法实现模式匹配．实验结果表明,提出的在对EMD进行改进的基础上实现模式匹配的方法,优于传统的基于小波的模式匹配方法。     

水声矢量信号的希尔伯特黄变换仿真研究

将希尔伯特黄变换应用于水声矢量信号处理之中,提出了矢量希尔伯特黄变换法(矢量HHT).新方法先对水声矢量信号进行经验模态分解(EMD),再对各阶本征模态函数(IMF)信号作希尔伯特变换和矢量信号处理.经理论推导和仿真研究,矢量HHT不仅继承了矢量信号处理和希尔伯特黄变换二者原有的优点,而且比常规方法有着更高的处理增益.     

基于平均包络线匹配算法的EMD端点效应分析及在股价趋势分解中的应用

经验模式分解(EMD)能够有效获得非平稳非线性信号的时频特征,但传统的EMD分解算法存在严重的端点效应. 在深入研究和分析EMD算法的基础上,提出了一种基于波形匹配的端点效应处理方案,通过计算波形匹配度, 在平均包络线内部寻找与其端部变化趋势最为接近的子波,并用这段子波代替平均包络线的边缘部分, 使处理后的平均包络线极大地接近真实包络线,并把这种端点效应处理方案的EMD分解算法应用到实际的股票市场价格趋势分解中.实验结果表明,与经典的EMD边界延拓算法相比,本文提出的算法能更有效地抑制EMD分解时的边界效应, 分解得到的固有模式函数更能体现模拟信号真实的频率、幅值信息.应用实验表明:与现有方法相比,该方法更能提高预测精度.     

基于多惩罚因子优化VMD的滚动轴承故障特征提取方法

针对变分模态分解(variational mode decomposition, VMD)在提取滚动轴承故障特征时预先设置多惩罚因子具有不确定性的问题,结合灰狼优化(grey wolf optimization, GWO)算法提出一种基于多惩罚因子优化VMD的滚动轴承故障特征提取方法。首先利用GWO算法实现VMD的多惩罚因子自适应优化,再利用优化得到的参数将滚动轴承的振动信号分解为多个本征模态函数(intrinsic mode function, IMF),最后对各个IMF分量作包络解调提取滚动轴承的故障频率特征。研究结果表明,在优化VMD参数时,该方法相对其他方法优化效率有了明显提高,并且提取滚动轴承故障特征效果显著,得到特征频率幅值为其他方法的2～4倍,证明了该方法的有效性和优越性。     

融合经验模态分解与深度时序模型的股价预测

对股票价格的建模和预测是金融研究领域中一项重要而富有挑战性的工作,它对于投资者降低决策风险,提高投资收益具有重要意义.股票价格序列的非线性、高噪声、强时变性等复杂特性,使得现有的方法无法有效提高预测准确性.为了解决这个问题,本文提出一种基于技术因子经验模态分解与嵌入时间注意力网络(EAN)的股票价格涨跌预测模型TE-EAN.该模型利用经验模态分解对传统技术因子进行分解去噪,得到高频和低频的特征序列.然后将这些具有明显趋势特征的序列映射到新的表示空间中,同时利用深层门控循环单元学习依赖于时间的隐藏嵌入.最后通过时间注意力自适应地聚合时间维度信息以降低信息冗余,实现对股票价格涨跌的预测.同时,针对股票价格序列强时变性的特点采用顺序参数迭代更新的训练方法,进一步提高了预测的准确性.在随机抽取的25只沪深300指数成分股上的实验结果表明,该模型可以有效预测股票价格的涨跌,模型AUC最高达0.732.     

基于极值域均值模式分解的语音增强方法

增强低信噪比(signal to noise ratio, SNR)下的语音质量是语音识别需要解决的问题。在众多增强方法中,经验模态分解(empirical mode decomposition, EMD)是目前应用最为广泛的一种方法。针对EMD在对语音进行增强时存在端点效应的问题,研究了极值域均值模式分解(extremum field mean mode decomposition, EMMD)方法。该方法改变了EMD只利用信号的极值点信息的单一做法,充分考虑输入信号所有信息,计算信号极值点间所有数据的均值,可以有效解决EMD中的端点效应问题。因此,提出了基于EMMD的语音增强方法,实验结果表明EMMD方法的引入,消除局部数据中隐含的支流分量,避免了EMD方法的端点效应问题,明显提高了带噪语音的SNR,改善了语音的质量。     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题,提出一种基于熵评价模态分解和双谱特征提取的识别方法.利用双谱可以抑制高斯噪声的特点,分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项.由于噪声项的干扰,双谱在0 dB以下时,噪声抑制效果变差,提出了基于信息熵评价的经验模态化分解对信号进行预处理,提高信噪...     

基于频谱聚类分割的粒子群最优模态分解仿真研究

在两种有力措施的基础上提出了粒子群最优模态参数识别算法.一是提出了一种性能稳定的模态参数初始值估计算法,引入模态聚类的思路来估计出各个模态参数的上下限范围.该算法把幅谱曲线看成是局部波峰的集合,按聚类分割思路来构造聚类距离函数,使用k-means算法把振动信号频谱自动聚类成多个单模态类,然后运用单模态分解算法估计出每个模态类的模态参数的上下限范围,给出粒子属性值的上下界,极大地减少粒子群算法的搜索空间,减少最优搜索时间提高搜索结果的稳定性.二是采用了混合变异粒子群算法来提高最优化搜索的效率,有效避免陷入局部最优,提高模态参数的准确性.从仿真信号的大量实验研究结果看,与经典的正交多项式拟合算法相比,该算法的噪声抵抗能力更强、更稳定.     

一种基于曲率信息的太空帆板空间曲面拟合算法分析

大型空间柔性结构如太阳能帆板,在轨运行期间必须保证很高的运行精度,因此对结构的振动水平和控制要求及其严格。如能实现其振动响应形态的实时感知与重构,将对其振动响应的主动控制具有重要意义。以太阳能帆板为实验结构模型,通过分布植入光纤光栅传感阵列,利用空分复用和波分复用技术精确检测多点的曲率信息,以柔性帆板结构的振动形态感知和可视化为目标,深入探讨了基于曲率信息的插值方法和曲面的拟合算法,并利用计算机软件技术和计算机图像处理技术对算法进行了仿真,实现了空间曲面的拟合和可视化显示。仿真结果表明,所采取的插值方法及拟合算法比较精确地反映了帆板结构的振动形态,为进一步的振动主动控制研究打下了良好的基础。     

上证指数和恒生指数的copula尾部相关性分析

通过分析连接函数（copula）的尾部相关性揭示上证指数和恒生指数的相关性。实证表明，在众多具有非对称尾部相关特性的Archimedean copula函数中，用Gumbel—Hougard copula对上证指数和恒生指数进行尾部相关性分析是最优的，两者具有较好的上尾相关性，且量化后的相关性能够预测股票市场的变化。     

混合Flow Shop的调度仿真系统及其算法分析

研究了混合Flow Shop的调度问题，调度目标为最小化工件的最大完成时间。文中给出了调度仿真系统的设计，系统由数据库、算法和控制中心用户接口三个模块组成；在算法模块中，排序算法包括了由Flow Shop扩展到混合Flow Shop的多数算法，设备分配采用最先可用机器优先规则。另外，基于CDS虚拟机和Palmer斜度指标的启发式算法，提出了一种改进的CDS算法用于工件排序。在正在开发的混合Flow Shop调度仿真系统中实现了上述所有算法，仿真分析表明改进的CDS算法优于其他启发式算法。     

基于特征值的频谱感知算法仿真研究

频谱感知是认知无线网络中的一个重要功能,是实现其他功能的基础。研究了新型的基于特征值的感知算法,充分利用随机矩阵的渐近谱分布特性和特征值的收敛特性来设置判决门限,提高感知性能。理论分析和仿真结果均表明,新型算法性能明显优于典型的能量检测算法,克服了能量检测算法的噪声不确定性问题。

Abstract：

Spectrum Sensing is an important function in the cognitive radio networks.A new eigenvalue-based detection scheme for spectrum sensing was studied,and decision thresholds were set to have good performance by using the property of asymptotic spectrum distribution and convergence of maximum eigenvalue of random matrices.Theoretical analysis and simulations results show that the new detection scheme can obviously outperform the classical energy detection,and overcome the noise uncertainty problem.     

实时数值仿真几类并行与串行算法的特性分析

针对动力学系统实时数值仿真,分析了实时数值仿真的特点,概述了实时数值仿真算法的一般的构造思想.重点讨论和分析了几类实时数值仿真的并行算法的具体构造思想、方法,收敛阶、数值稳定性、加速比、并行效率、应用的特性.类似地分析了几类实时数值仿真的串行算法的构造特点、快速性、数值稳定性和计算复杂性等.并指出了进一步的研究方向.     

A Class of Fast Algorithms in Real-Time Simulation

1.INTRODUCTIONThepartofthesystemisoftenreplacedbyamathematicalmodelinareal-timesimulationsystem.Inordertoimplementtheclassofsimulation,everystepofthesimulationproceduremustbedonequicklysothatitsatisfiesphysicalsubsystems'sexecution11].Withrequestsofthedevelopmentofscienceresearchandlargeprojects'design,real-timesimulationhasbeenappliedextensivelyinaviation,aerospace,nuclearindustry,electronicindustry,andsoon,suchasreal-timesimulationofthecontrolsystemofaircrafts,real--timesimulationofmissi…     

一类快速实时仿真算法的稳定性和收敛性

构造了一类非整点步右函数求值的快速实时的数字仿真混合算法。该类算法在每个积分步内只需进行了一次右函数的求值,且与相同工作量的方法相比数值稳定性区域大,方法的误差小,数值试验也表明算法是有效的。本文主要对这类算法进行了收敛性和稳定性分析。     

准同步信道访问控制协议失步性能仿真分析

论文针对准同步信道访问控制协议MIL-STD-188-220C信道接入方式在多跳情况下出现失步的情况，建立了仿真模型，在不同比例站点失步的情况下进行了仿真，并对仿真结果进行了分析，得出了20％以下结点位于一跳范围外对于协议性能影响可以接受的结论。     

实时仿真的数学模型及实时Runge-Kutta算法的收敛性分析

本文讨论了实时仿真的数学模型,和实时Runge—Kutta算法的收敛性分析,给出了补尝阶与实时算法收敛阶之间关系的理论证明。     

A Mathematical Model of Real-Time Simulation and the Convergence Analysis on Real-Time Runge-Kutta Algorithms

In this paper, a mathematical model of real-time simulation is given, and the problem of convergence on real-time Runge-Kutta algorithms is analysed. At last a theorem on the relation between the order of compensation and the convergent order of real-time algorithm is proved.     

动力学系统数值仿真并行算法的发展

本文主要综述动力学系统仿真的非刚性、刚性系统和微分代数系统并行数值方法的一些最近发展。