基于平稳小波域GSM模型的SAR图像去噪

为解决SAR图像处理中传统方法存在的图像边缘模糊、失真等问题,将平稳小波变换和高斯混合尺度模型（GSM）相结合,建立了基于平稳小波分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪,最后对各个方法的滤波结果用评估参数进行客观评价。实验结果表明,该方法具有比空域滤波及标准小波方法更优的去噪性能。     

基于小波和小波包的信号消噪方法分析

在实际的工程应用中,采集的数据信号存在着大量的电子线路热噪声、环境噪声等系统噪声,小波及小波包对除去噪声信号是非常有效的。采用多种方法对平稳、非平稳信号进行消噪处理,在Matlab环境下比较分析结果,从而找到检测信号的最佳手段。     

对M/M/1抢占优先权排队的一些注记

讨论M/M/1抢占优先权排队模型,该模型可以用一个具有可数位相的拟生灭过程来描述.对该过程,得到了其率算子元素的母函数,在此基础上,还得到了联合平稳分布算子几何解的母函数形式.另外,给出了平稳状态时低优先权顾客数分布的概率母函数,结果表明它不是一个有理函数.     

正态吸引场非平稳NA列部分和的精确渐近性

令{Xi:i≥1}是正态吸引场非平稳NA序列,Sπ=∑πi-1Xi,得到了正态吸引场非平稳NA列部分和Sπ的精确渐近性的结果,揭示了拟权函数和边界函数之间的密切联系.同时将已有的一些结果包含成为特殊情形.     

时变AR模型阶数确定与系数估计的方法

研究了用时变自回归(TVAR)模型对非平稳信号建模的方法.对该模型进行详细分析,探讨了参数模型辨识存在的2大问题:模型阶数的确定和基函数的选择.基于现定阶准则只适用于短时平稳信号的分析,所以利用具有时变特性的信息理论准则(information theoretic criteriaI,TC)来确定模型的阶数.通过引入基函数,利用最小二乘算法对模型系数进行估计,从而将非平稳信号的时变模型转化为线性时不变模型,并比较了几种基函数的拟合性能.证明了由于墨西哥草帽小波基函数具有良好的时频特性并且在使用时无需预知信号的先验信息,从而优于其他传统的基函数.     

基于小波分解和残差GM(1,1)-AR的非平稳时间序列预测

提出基于二进正交小波变换和残差GM(1,1)-AR方法的非平稳时间序列预测方案.首先利用Mallat算法对非平稳时间序列进行分解和重构,分离出非平稳时间序列中的低频信息和高频信息;然后对高频信息构建自回归模型,对低频信息则用灰色残差模型进行拟合;最后将各模型的预测结果进行叠加,从而得到原始序列的预测值.该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.实验结果表明,这种方法比传统的非平稳时间序列预测方法具有更高的预测精度.     

随机SIQS传染病系统的灭绝性和遍历性

考虑在环境白噪声干扰下建立的随机SIQS传染病系统, 当基本再生数不大于1时, 利用随机Lyapunov分析方法给出了随机系统围绕确定性系统无病平衡点的渐近行为. 结果表明, 当白噪声较小时, 疾病将灭绝. 当基本再生数大于1时, 利用Hasminskii的遍历性证明了随机系统存在平稳分布, 且是遍历的, 反映了在一定条件下, 疾病将流行.     

关于拓扑链遍历映射

证明了拓扑链遍历映射的拓扑共轭不变性;研究了fk与f1×f2×…×fn的拓扑链遍历性,并给出了f的拓扑链遍历性与fk的拓扑链遍历性等价的条件,以及fi,i=1,2,…,n的拓扑链遍历性与f1×f2×…×fn的拓扑链遍历性等价的条件;给出了系统(X,f)拓扑链遍历与其提升系统(X珘,珓f)的拓扑链遍历的相互蕴涵性。     

Lyapunov函数在一类随机扰动的SIS-VS传染病系统中的应用#br#

考虑一类具有随机扰动的SIS VS传染病系统, 应用新的Lyapunov函数研究该系统的遍历性, 得到了该随机传染病系统平稳分布存在 性和遍历性的充分条件. 结果表明, Lyapunov函数的构造方法改进了依赖于确定性模型的地方病平衡点和疾病致死率限制的已有结果, 得到了更适用的条件.     

基于小波标架算法的非平稳信号去噪方法

针对传统小波去噪算法存在的时频分辨率低、去噪效果不佳等问题,提出基于小波标架算法的非平稳信号去噪方法.首先,对含噪非平稳信号采样并计算Hilbert矩阵对应的对偶标架,然后以对偶标架作为小波基,对含噪非平稳信号进行小波分解与重构. ricker子波合成非平稳信号的去噪实验表明:该算法能有效去除非平稳信号中混入的随机噪声.与传统小波变化算法对比,该算法的误差更小,去噪效果更好.