关于二重马氏信源的一类极限定理

首次研究了二重马氏信源问题,得出了关于有限二重马氏信源的一类极限定理。     

离散加权信源与熵密度偏差的极限性质

利用熵密度偏差，研究了服从几分分布的离散加权信源的极限性质，其主要结果推广了离散信源Shannon－Mcmillan定理。     

《信息论与编码》课程信源熵内容的教学探索

讨论了《信息论与编码》信源熵内容的教学特点，提出了联系实际、概念对比的教学方法，并对实验教学方法进行了分析。     

基于HMM信源估计和LDPC的联合信源信道译码

在信源信道联合编译码中,利用信源冗余控制信道译码是一个关键的技术.利用Baum-Welch重估算法获取隐马尔可夫信源中的残留冗余,将其作为外信息提供给LDPC进行迭代译码.仿真结果验证了这一方法可以提高LDPC码的纠错性能.加快迭代收敛速度.     

基于平均熵的Turbo码迭代译码停止准则

本文首先阐述平均熵在Turbo码迭代译码过程的性质，从中可以观察到译码算法的收敛程度与平均熵的变化趋势一致。然后，我们基于平均熵提出一种新的Turbo码迭代译码停止准则。仿真结果表明，对比现有的其它准则，这种新的准则能够在保持译码的误比特率性能和算法的计算复杂度的同时，有效地减少迭代次数。     

关于齐次马氏信源二元函数的一类偏差定理

利用任意信源相对熵密度偏差的概念，使用分析的方法研究了齐次马氏信源的一类强偏差定理，得出了一个二元函数的一类强偏差定理和几个极限性质．     

空间平滑和盖氏半径变换的宽带相干信源数估计

采用空间平滑处理和不同信源数估计准则进行宽带相干信源数估计。该方法针对宽带相干信号,不需要聚焦处理,直接对宽带信号阵列采样输出分段并进行快速傅立叶变换(fast Fourier transform,FFT),得到不同频点处的窄带采样协方差矩阵,然后采用空间平滑处理技术进行解相干处理,接着利用信源估计准则进行信源数估计,对每个频点处的结果进行加权处理得到宽带信源数目。仿真结果表明,通过对信息论准则、基于盖氏半径的似然准则、盖氏圆估计准则的性能的对比,进而得到了一种在色噪声下估计宽带相干信源数的方法。     

关于循环马氏信源的渐进均分割性

首先引进循环马氏信源的概念, 然后利用非齐次马氏信源函数的极限性质, 得到关于循环马氏信源的渐进均分割性.     

任意信源与马氏信源的比较及若干极限性质

引入样本散度率概念,即h(P|Q)作为任意信源与马氏信源差异的一种度量,研究了h(P|Q)与频率的强大数定理之间的联系,在适当的条件下,得到h(P|Q)的下界.     

二阶微分方程极限圆型分类问题的进一步探讨

进一步研究二阶微分方程（ｒ（ｔ）ｘ’）’＋ｐ（ｔ）ｘ’＋（ｑ１（ｔ）＋ｑ２（ｔ）ｘ＝０极限圈圆型的分类问题，借助于辅助函数，得到了该方程是极限圆型的若干判别准则。     

Markov链系统的最小熵控制

本文研究一类重要的非线性随机系统——Markov链系统的最小熵控制问题。采用概率模型描述系统,并给出系统状态的条件概率分布之实时递推估计关系,又在此基础上设计最小熵意义下的控制作用。     

马尔科夫调制泊松点过程的熵率和相互信息率?

显示地导出了一类连续时间参数隐马尔科夫模型-马尔科夫调制泊松点过程(MMPP)的熵率和相互信息率.模拟研究表明这类隐马尔科夫模型参数的最大似然估计的精度和效与观测过程和隐过程之间的相互信息率密切相关.一般地,相互信息率可作为MMPP中各个混合分量广义距离(或差别性)的一个度量.     

基于Markov链使用模型的加速统计测试方法

为了提高软件统计测试的效率,使用较少的测试资源达到测试目的,提出了一种基于Markov链使用模型的软件加速统计测试方法.该方法通过均衡软件测试成本和软件投放后的失效风险,以软件平均总费用最小为目标,基于重要抽样技术的加速测试机理,采用交叉熵方法生成最优(或近优)测试剖面,同时给出了一种新的统计测试充分性判定准则,最后根据生成的最优测试剖面自动生成统计测试数据集.仿真实验结果表明,相对于传统的统计测试方法,使用交叉熵方法的加速统计测试方法能有效地降低软件总费用,显著增加关键操作的测试次数,是一种快速有效的加速统计测试方法.     

带状态依赖标值的马尔科夫调制泊松过程的熵率和相互信息率?

导出了带状态依赖标值的马尔科夫调制泊松点过程的熵率和相互信息率.模拟研究显示MLE的精度和效与隐马尔科夫过程的相互信息率有关.     

非齐次马氏链泛函变换的若干极限定理

设 { Xn,n≥ 0 }是一列非齐次马氏链 ,{ f (.,.) ,n≥ 1}是一列二元可测函数 ,{ Vn,n≥ 1}是一列可预报随机序列 .引入非齐次马氏链二元泛函停时变换的概念 ,即Γn =∑nk=1Vkfk(Xk-1,Xk) .利用鞅方法讨论了变换的强极限定理 ,得到 limn a-1n ∑nk=1Vk{ fk(Xk-1,Xk) - E[fk(Xk-1,Xk) | Xk-1]} =0 .作为特殊情形 ,将随机选择的概念拓展到非齐次马氏链中 ,得到了关于有限非齐次马氏链随机选择的若干极限定理     

关于隐马尔可夫模型的一个极限性质

隐马尔可夫模型是研究发音过程、神经生理学与生物遗传等问题的有力工具,并且在弱相依变量的建模上得到了广泛应用.本文假定隐藏的马氏链为非齐次的,从而导出了该模型泛函序列{fn(X0,...,Xn,Yn)}的强极限定理.     

一类隐非齐次马尔可夫模型的强极限定理

在假定隐藏的马氏链为非齐次且从隐藏链到观测链的转移矩阵列也与时刻n有关的情况下,对一类在发音过程中常用的隐马尔可夫模型进行研究.这类模型的主要特点是观测链不仅受当前状态的影响还与上一时刻的状态有关.先给出了该模型的强极限定律,然后得出了状态出现频率的强极根定理.     

关于非齐次马氏信源二元函数的一类偏差定理

引进任意信源相对熵密度偏差的概念,用此研究了一个二元函数的一类强偏差定理,随后引入平均随机条件熵的概念,得到了一个平均随机条件熵的极限定理,这个定理是马氏信源Shannon-McMillan定理的一个推广。