杂波概率分布特性的建模

现代战争中,各种杂波干扰严重影响了雷达发现目标的能力,为了更好地发挥雷达的功用,必须对杂波的特性作深入的了解.从高斯分布统计模型和非高斯分布统计模型两方面分析了杂波的概率分布特性,并进行了建模与仿真.     

广义高斯分布及其在图像去噪中的应用

指出了图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.研究了用广义高斯分布(GGD)对图像子带小波系数进行建模以及GGD模型的参数估计问题,在此基础上设计了一种基于贝叶斯估计的子带自适应阈值去噪算法,通过仿真实验对该算法和经典的小波阈值去噪方法进行了去噪性能的比较和讨论.     

SiGe异质结双极晶体管基区渡越时间分析

对SiGe异质结双极晶体管(HBT)的基区渡越时间进行了计算和分析,考虑了基区掺杂和Ge组分分布对本征载流子浓度和电子迁移率的影响,以及大电流密度下产生的感应基区(CIB)的渡越时间.结果表明,Ge组分为转折点X1/Wb≈0.12的矩形-三角形分布时,可得到最小的基区渡越时间;Ge分布对SiGe和Si的有效态密度之比的影响很小,但对迁移率的影响较大;基区掺杂为指数分布或高斯分布对基区渡越时间影响很小.     

推广形式的自适应算法:理论分析及应用

提出一种广义的最陡梯度下降自适应算法（ＬＭＫ），它可使误差的任意次范数达最 小，分析了算法的收敛性和收敛结果，给出了步长范围估计及据噪声分布形式合理选择 目标函数的公式．在合成数据上做了试验，理论分析和试验结果表明，当噪声是非高斯 分布时．选择非二次范数作为目标函数可获得较好的效果，用于地震信号的反褶积也得 到比最小平方反褶积更好的结果。     

多分量混合高斯密度的一种参数估计算法

根据有噪图像数据处理的需要,提出了一种分级矩估计与最大似然估计的综合算法来估计多分量混合高斯密度函数的参数.该算法首先利用分级矩估计法求出混合密度函数的初始参数估计值,然后利用最大似然估计法进行迭代运算,以求得这些参数的最终估计值.这种算法可以对具有2~m 或3×2~m(m 为正整数)个高斯分量的混合密度函数进行参数估值,给出了4,6,8分量混合高斯密度函数的参数估值实例.     

基于Griddy-Gibbs抽样的混合高斯AR-GJR-GARCH模型的贝叶斯估计

综合考虑波动率的尖峰厚尾性、杠杆效应等特点,作者提出了混合高斯AR-GJRGARCH模型,并用基于Griddy-Gibbs抽样的MCMC方法对模型的参数进行了贝叶斯估计,然后以新东方的股票数据为例用Matlab和R软件对模型进行了实现与检验.结果表明:模型对波动率的各种特性都有一定的体现,并且估计方法的收敛速度较快、自相关性弱、算法复杂度低、稳定性良好.     

基于MGGD 和上下文模型的小波域图像去噪

考虑到自然图像小波系数分布的两个统计特性,用多元广义高斯分布（MGGD）模型描述小波系数的统计分布,采用基于上下文模型的自适应协方差矩阵估计,再利用最大后验概率估计原始图像的小波系数。实验表明,该方法在直观视觉上去噪效果明显,在信噪比方面也要优于其他的一些小波去噪方法。     

基于小波的图像检索方法

结合小波系数统计特性的方法进行图像检索。由于小波系数提供了重要的方向信息,图像的小波系数的统计分布具有广义高斯分布特性。利用小波变换系数的统计特性,描述图像子带小波系数统计的特征矢量。结果表明,色度矩和小波系数统计特性相结合是一种有效的图像检索方法。     

2012-12 科技期刊亮点

风吹雪粒速度与高斯分布函数相关兰州大学土木工程与力学学院黄宁等对新雪和老雪(沉积时间为12h)的起动风速及其形成的风吹雪在经过平坦床面和路基两种地表时的垂向廓线和速度分布进行了风洞实验研究。相关研究成果发表在4月5日出版的《中国科学E辑》杂志上。据悉,风洞实验通常采用的人造     

逐步增加I型混合截尾试验下B-S部件的可靠性分析

在逐步增加I型混合截尾试验下,利用最大期望(expectation maximization, EM)算法讨论了Birnbaum-Saunders(B-S)部件的参数及可靠度的估计问题。将B-S分布复杂的分布形式转换成较为简单的逆高斯分布和逆高斯分布倒数的等加权和形式,推导出逐步增加I型混合截尾中隐藏变量的后验密度,进而获得部件寿命参数和可靠度的极大似然估计和渐近置信区间。蒙特卡罗数值算例表明,简化后的B-S分布在逐步增加I型混合截尾试验方案中,EM算法经过较少迭代即达到收敛。同时,通过对数据情形I和情形Ⅱ下的估计结果分析,给出了较一般截尾试验方式更为丰富的结论,使得相应的统计结果更加全面和精确。