盖氏圆准则信源数估计算法的分析与改进

为了减少盖氏圆准则信源数估计算法的运算量并且提高信源数估计的精度,根据噪声空间与阵列导向矩阵的正交性原理,设计了基于特征空间的信源数估计算法(Estimator Based on Eigenvectors,EBE).EBE构造时空相关矩阵,利用色噪声在时间上相关性比较弱的特点,实现对空间色噪声的抑制.在空间白噪声环境下和空间色噪声环境下测试了EBE信源数估计的性能并且与传统的盖氏圆准则和其它色噪声类信源数估计的一些算法比较,证明了EBE在空间白噪声和空间色噪声环境下的有效性.EBE不仅节省了盖氏圆准则信源数估计中一次特征分解的运算量,并且同时提高了信源数估计的性能.     

基于双尺度连续小波变换的二相编码信号识别

针对信号和噪声小波变换的模极大值在不同尺度上表现出截然不同的性质,提出一种利用粗细定位相结合的思想对二相编码信号奇异点实现精确定位的方法。该方法采用大尺度上的模极值点进行粗略定位奇异点出现的范围,并据此去除小尺度上的伪极值点,用小尺度上的模极值点精确定位奇异点出现的时刻。实验仿真比较了几种不同小波基函数下的算法性能,结果表明,该方法在采用db3小波基下对二相编码信号突变点的识别具有很好的效果。     

基于三维混沌猫映射图像加密算法的改进

针对基于三维混沌猫映射的图像钥加密算法,提出了一种有效的改进算法。该算法使用随机扫描进行加密预处理,并在扩散过程和密钥产生器中分别使用双密钥和组密钥的方式,而且采用混沌物理量进一步衡量该加密系统的性能。仿真结果表明,该方法具有高置乱程度、良好的扩散性能和足够大的密钥空间,可获得足够高的安全性,不仅能抵抗差分攻击、选择明文攻击、统计攻击等,而且取得了复杂度和速度的良好折中,适合应用于实时的按安全级别加密的网络图像加密中。     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

"已实现"双幂次变差与多幂次变差的有效性分析

近年来,基于金融高频数据的波动率研究成为金融学研究领域的热点,而有效性是衡量波动率估计量优劣的重要标准,本文对波动率估计量的新方法“已实现”双幂次变差和“已实现”多幂次变差的有效性进行了研究,得出“已实现”双幂次变差在一般条件下比“已实现”波动更有效的结论,并且证明了在一定条件下,“已实现”多幂次变差的幂次个数越多,该波动率估计量的有效性越高.这一结论为“已实现”多幂次变差的幂次个数选取提供了原则.     

多模式项目支付进度安排的优化模型及求解

研究了活动具有多种执行模式的项目支付进度安排问题,目的是寻求使项目收益最大化的支付进度包括支付事件,支付量以及与之相联系的活动执行模式和事件实现时间的安排.在对所研究问题进行界定的基础上,分别从承包商和业主两个角度构建了问题的非线性混合整数规划优化模型,并设计了由满意支付事件集合搜索模块和满意事件进度搜索模块构成的双模块模拟退火启发式求解算法.借助一个算例对研究进行了说明,结果表明:业主和承包商对支付进度安排的偏好差异明显;承包商的收益随着支付次数和支付比例的增加而上升,而业主正好相反;双方的收益均与折现率呈显著的负相关关系.     

基于ITAE准则的质量矩拦截弹鲁棒控制研究

以建立的质量矩拦截弹数学模型为基础,通过对模型合理简化,得到一个耦合的非线性动力学系统。利用微分几何的反馈线性化理论,得到一个解耦线性系统。考虑到拦截弹的鲁棒性要求和三个滑块的协调控制问题,提出基于误差的积分准则(ITAE准则),考虑混合灵敏度S/T问题,采用H∞控制理论对拦截弹进行姿态控制系统设计,仿真结果验证了这种方法的有效性。     

双渠道供应链中双向搭便车研究

基于消费者效用理论,考虑作为供应链领导者的制造商在传统零售渠道的基础上引入直销网络渠道,2个渠道都为消费者提供信息服务,2种渠道的信息服务是互补的,并且具有溢出效应。研究基于信息服务的双向搭便车行为对供应链各方的定价、服务水平、市场份额和利润的影响,探讨制造商愿意引进直销网络渠道的条件。研究结果表明:当直销网络渠道的服务成本系数较小时,制造商的最优策略是采用双渠道来销售产品;当直销网络渠道的服务成本系数较大时,直销网络渠道只提供信息服务,市场需求为零,制造商提供信息服务故意让零售商搭便车。制造商引入直销网络渠道可以扩大总市场需求,制造商的利润总是增大的;并且在制造商故意让零售商搭便车的情况下,供应链双方利润都得到改善。     

稠油油藏蒸汽驱开发蒸汽突破预测模型

稠油油藏蒸汽驱开发,只有提前预测出蒸汽突破井,及时采取防汽窜措施,才能避免产油量急剧下降,增大蒸汽波及体积及热利用率,提高油藏最终采收率.基于油田常规生产动态数据,将承载蒸汽突破信息的生产动态指标转化为评价标度的概率分布,计算其累积分布函数及期望,运用随机占优准则,对累积分布函数逐点进行两两比较,得到各指标之间的随机占优关系,然后建立总体优序度矩阵,计算出生产井蒸汽突破时机先后的排序值,并对所有生产井的蒸汽突破先后进行排序,最终建立了考虑多指标的蒸汽驱开发蒸汽突破预测模型.实例应用表明,模型预测结果与实际相符,为油藏蒸汽驱开发动态调控指明方向.     

LEARNING CAUSAL GRAPHS OF NONLINEAR STRUCTURAL VECTOR AUTOREGRESSIVE MODEL USING INFORMATION THEORY CRITERIA

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis. Traditional causality inference methods have a salient limitation that the model must be linear and with Gaussian noise. Although additive model regression can effectively infer the nonlinear causal relationships of additive nonlinear time series, it suffers from the limitation that contemporaneous causal relationships of variables must be linear and not always valid to test conditional independence relations. This paper provides a nonparametric method that employs both mutual information and conditional mutual information to identify causal structure of a class of nonlinear time series models, which extends the additive nonlinear times series to nonlinear structural vector autoregressive models. An algorithm is developed to learn the contemporaneous and the lagged causal relationships of variables. Simulations demonstrate the effectiveness of the nroosed method.