基于贝叶斯估计的神经信息流

判断神经网络之间的相互影响是一个重要的神经科学问题. 目前已提出了多种成熟的方法计算神经网络之间的耦合强度, 但是对于神经网络之间耦合方向(信息流)的研究还属于起步阶段. 一般的香农熵计算方法仅仅利用了样本重复概率的统计信息, 而贝叶斯估计则充分利用了整体先验知识和样本重复概率. 基于最小平方误差的贝叶斯估计提出了一种新的基于信息论的相位耦合方向指数计算方法. 经过集总参数神经网络模型所产生的仿真信号检验表明, 提出的方法能够准确地判断两个系统间的耦合方向, 并且减少了对数据长度的依赖性, 使分析短时高噪的复杂生物信号成为可能. 应用该新方法分析了癫痫病人临床信号, 结果表明该方法能判断出癫痫发作时各区域之间的影响方向, 并揭示了癫痫传播机制.     

多渠道分销库存系统成本模型

考虑由一个制造商、多个分销中心、多个零售商组成的多级分销系统。针对多渠道分销问题,在周期检查库存策略的前提下,分别建立分销中心持有库存和分销中心不持有库存两种情况下,零售商具有随机需求及相关需求的多级库存系统成本优化模型。最后,通过算例,从系统总成本最小的角度出发,给出了这两种条件下库存成本随需求相关系数的变化情况,证明了此模型可用于库存决策。     

基于多边约束的数据融合网络定位

无线传感网络定位方法近几年来受到广泛的关注。分布式算法是传感网络定位的一个主要要求,它不仅能减小计算和通信负载,同时对络的非连通性有很好的鲁棒性,对测量噪声克服也有一个很好的实现方案。虽然多种测量技术都能实现位置估计,但都存在某些不足。数据融合是一个很好的解决方案。提出了一个数据融合的结构和模糊优化数据融合算法。对每个节点的TOA和RSS数据进行融合。仿真表明位置估计的精度能够得到显著的改进,同时算法的复杂度也得到了降低。     

基于局部频率估计和有限元的相位展开方法

针对干涉数据质量不同的区域采取不同的展开策略,在最小二乘意义下利用有限元方法最小化不同的代价函数来实现。引入局部频率估计解决了相位展开的"坡度欠估计"问题,使用有限元方法利用了其可以适应任意不规则区域求解的特性。仿真和实测数据处理结果验证了本文方法的有效性,且与其它方法相比具有较高的精度。     

基于子空间法的空时分组码系统信道盲估计

结合多信道子空间理论,结合空时分组码的正交特性,提出了新的盲信道估计算法。首先,根据空时分组码结构特点,将原编码矩阵分解,并将接收矩阵合理地构造,把原信道矩阵重新构造成新的重构信道矩阵。然后求出重构信道矩阵的噪声子空间,之后利用信号子空间与噪声子空间正交特性,构造出信道矩阵作为变量的线性方程组,因而可以得到信道矩阵的闭式解。对三种典型的空时分组码进行仿真验证,仿真结果表明本算法的有效性。     

一种改进的外积分解(OPDA)算法

传统的外积分解(OPDA outer-product decomposition algorithm)算法虽然允许信道阶数被过估计,但该情况下的均衡结果不够理想。针对这一问题,提出一种改进的算法,即对过估计出的信道响应修正后再进行均衡。改进的算法较之原算法能更好的抑制剩余码间干扰,且在阶数估计上有更好的鲁棒性。通过计算机仿真证明了该算法的有效性。     

外汇风险的极值相关模型

研究在已知某一分量极值出现的情况下,通过多维随机向量的联合条件分布的近似分布,利用半参数方法,给出一个极值相关模型,估计多维随机向量的任意尾部事件概率.应用该方法估计加元和日元资产组合一天的99.9%,99.99%,99.999%VaR值分别为0.0321,0.0439,0.0598.     

循环平稳性与随机共振理论的非绝热描述

噪声背景中周期信号的循环平稳性是信号处理中一个重要的特征.本文利用随机循环平稳过程的有关理论研究复杂随机动态系统中的随机共振现象.依据系统输出的一维准稳态概率密度近似理论,本文推导了系统输出二维跃迁概率密度、稳态自相关函数和系统输出信噪比的公式.输出信噪比随着输入噪声强度增加而呈现的随机共振现象,理论分析和数值试验结果非常吻合.此理论为随机共振理论的一种非绝热描述,不仅能够解释经典随机共振现象,而且能够描述驻留随机共振现象,对于复杂随机动态系统的信息处理机制具有重要理论指导意义.     

基于自抗扰控制器的永磁同步电机速度估计

利用自抗扰控制器理论,提出了一种新颖的永磁同步电动机无位置传感器矢量控制系统的转速估计方法。将转速和d轴电流对转矩电流环的耦合作用以及转动惯量的变化看作转矩电流环的扰动量,由自抗扰控制器将其观测出来并加以补偿,从而估计出电机实际转速。仿真表明在0r/min到1500r/min的调速范围内,本方法都能将转速准确地估计出来,并且对负载和转动惯量的变化具有很强的鲁棒性,系统具有良好的动静态性能和抗干扰能力。     

基于最大间距准则(MMC)新的有效特征提取方法

基于最大间距准则(Maximum Margin Criterion,MMC)下,提出一组具有标准正交性的最佳鉴别矢量的计算方法和一组具有统计不相关性的最佳鉴别矢量的计算方法。这种方法的目的是寻求一组最佳鉴别矢量既要使投影变换后的特征空间的类间散度最大,而类内散度最小;又要减小最佳鉴别矢量间的统计相关性。与原MMC特征提取方法相比,新的特征提取方法降低了甚至消除了最佳鉴别矢量间的统计相关性,提高了识别率。通过分别在ORL人脸库和NUST603人脸库上实验结果表明提出的具有统计不相关性的MMC特征提取方法在识别率方面整体上好于原MMC特征提取方法和常用的主成分分析(PCA)法。另外,揭示了MMC准则特征提取与Fisher准则特征提取的内在关系。