删失试验寿命的贝叶斯生存极值回归模型

针对删失寿命试验数据缺少随机变量尾部分布和常规删失数据分析对长寿命区高可靠度估计不准确的问题,构建了一个结构元件寿命分布的贝叶斯生存极值回归模型。运用MCMC方法与Gibbs抽样获得参数后验分布的基本原理,借助数据仿真说明了利用WinBUGS软件包进行建模分析的过程,证明了该模型在删失试验中的直观性和有效性。研究结果表明:利用Gibbs抽样进行模拟分析,能很方便地得到模型参数的相关估计。     

基于改进 HAF的线性调频雷达信号参数估计

针对多项式相位信号(PPS)中的线性调频(LFM)雷达信号参数估计,通过提出频谱方差极大值准则对PPS次优参数估计方法高阶模糊度函数(HAF)进行了改进,提出了适于单分量LFM参数估计的改进HAF。首先讨论了HAF对LFM参数的估计方法及其局限性,然后提出了分段频谱方差极大值法则下LFM调频斜率估计的方法,将其与HAF相结合提出了单分量LFM参数估计的改进HAF,克服了接收信号与实际信号起点不一致性对HAF带来的影响,降低了由于HAF局限性带来的调频斜率估计误差,改善了HAF的累积误差效应。MATLAB仿真验证了改进方法较HAF的优越性。     

Circular object recognition based on shape parameters

To recognize circular objects rapidly in satellite remote sensing imagery, an approach using their geometry properties is presented. The original image is segmented to be a binary one by one dimension maximum entropy threshold algorithm and the binary image is labeled with an algorithm based on recursion technique. Then, shape parameters of all labeled regions are calculated and those regions with shape parameters satisfying certain conditions are recognized as circular objects. The algorithm is described in detail, and comparison experiments with the randomized Hough transformation (RHT) are also provided. The experimental results on synthetic images and real images show that the proposed method has the merits of fast recognition rate, high recognition efficiency and the ability of anti-noise and anti-jamming. In addition, the method performs well when some circular objects are little deformed and partly misshapen.     

基于K-L变换的网络调制识别方法

针对BP网络进行通信信号调制样式识别的场合,在输入层和输出层节点数确定的条件下,提出在网络训练完成后应用K-L变换方法确定网络隐含层的节点数,对网络结构进行优化。利用K-L变换的正交性,去除了网络结构的冗余,给出了该算法的理论推导和具体应用步骤,通过仿真验证了算法的有效性和顽健性。利用BPSK、QPSK、16QAM等数字调制信号,选取了三个特征量,分别用优化前后的网络进行调制识别,实验表明优化前后网络的识别性能基本一致。     

MIMO系统的发射天线选择及自适应链路实现

针对多输入多输出(MIMO)系统信道低秩引起信道容量下降的问题,提出了一种依据信道状态信息进行发射天线选择的算法,并给出了以此算法为基础的VBLAST自适应链路的实现方法。发射天线的选择依据权系数的范数大小进行,该方法可以有效降低天线选择的运算量。仿真结果表明,该方法的选择效果逼近最大容量法的选择效果。自适应链路实现方法将发射天线数的确定和天线选择并行进行,保证了在所处通信环境下达到最大的空间复用系数。     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

基于BP神经网络的避洪安置区选址研究

为了解决洪水灾害应急管理中避洪安置区的选址问题,在总结前人研究成果的基础上,从自然环境、可行性、生活条件、社会环境、实用性等5个方面出发,通过17个具体指标,构建了避洪安置区选址评价体系;在安置区的选址分析中引入BP神经网络,构建了基于BP神经网络的安置区选址模型,根据选址评价体系及相关经验确定网络模型各层次的神经元节点数量,并采用样本对模型进行训练分析,建立了稳定的网络结构,最终实例验证了该模型在避洪安置区选址问题中的有效性及可行性。     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力,使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度,提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先,对跳频信号进行短时傅里叶变换获取谱图。然后,从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明,此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

Forecasting under model uncertainty: Non-homogeneous hidden Markov models with Pòlya-Gamma data augmentation

We consider finite state-space non-homogeneous hidden Markov models for forecasting univariate time series. Given a set of predictors, the time series are modeled via predictive regressions with state-dependent coefficients and time-varying transition probabilities that depend on the predictors via a logistic/multinomial function. In a hidden Markov setting, inference for logistic regression coefficients becomes complicated and in some cases impossible due to convergence issues. In this paper, we aim to address this problem utilizing the recently proposed Pólya-Gamma latent variable scheme. Also, we allow for model uncertainty regarding the predictors that affect the series both linearly — in the mean — and non-linearly — in the transition matrix. Predictor selection and inference on the model parameters are based on an automatic Markov chain Monte Carlo scheme with reversible jump steps. Hence the proposed methodology can be used as a black box for predicting time series. Using simulation experiments, we illustrate the performance of our algorithm in various setups, in terms of mixing properties, model selection and predictive ability. An empirical study on realized volatility data shows that our methodology gives improved forecasts compared to benchmark models.     

一类随机非线性系统的输出反馈全局镇定

将基于增益观测器的非线性系统输出反馈全局镇定控制器设计方法推广到随机情形,使之适用于一般的随机非线性系统.与已有基于反步法设计的镇定控制器相比,该方法不要求该随机非线性系统满足严格反馈条件,对其噪声向量函数也不要求满足光滑性条件.基于李亚普诺夫第二方法,讨论了所设计的控制器稳定的条件.一个二阶仿真算例表明该控制器设计方法是有效的.