长时延和丢包的网络控制系统保性能控制

为了研究具有长时延和丢包的网络控制系统保性能控制问题,假设传感器由时钟驱动,控制器和执行器由事件驱动,网络时延在两个采样周期之间,丢包具有马尔科夫跳变特性,利用状态增广的方法,把具有长时延和丢包的网络控制系统建模为具有两种运行模式的离散时间马尔可夫跳变系统,把网络时延转化为系统参数矩阵的不确定性.在此基础上,利用马尔可夫线性跳变系统理论和线性矩阵不等式方法,推导出使网络控制系统随机稳定的保性能控制律存在的充分条件,并给出了设计方法.数例仿真说明了所用方法的有效性.     

能量参数解码端HMM估计算法

在低速率语音编码算法中,如何对特征参数进行有效的量化表示是影响声码器合成语音质量的关键因素。该文提出一种能量参数解码端恢复算法,它利用线谱频率(linespectral frequency,LSF)和清浊音判决参数(unvoiced/voiced decision,U/V)估计能量参数的变化轨迹。该算法利用特征参数之间的相关性,采用隐Markov模型(hiddenMarkov model,HMM)描述LSF、U/V和能量参数之间的统计特性,通过对能量进行解码端恢复,省去量化所需的比特数,从而提高特征参数的整体量化性能。测试结果表明:能量参数解码端恢复算法能够将150b/s混合激励线性预测编码算法(mixed excitation linear prediction,MELP)的合成语音平均意见得分(mean opinion score,MOS)提高0.042。该算法应用于超低速率声码器参数量化是可行的。     

基于MDT特征补偿的噪声鲁棒语音识别算法

针对噪声环境下语音识别系统性能下降的问题,提出一种基于语音时频相关性的Mel特征矢量聚类补偿算法。该算法首先实现掩码估计,利用纯净语音信号时域和频域的相关性,实现了时频块的有效划分和基于时频块的语音特征聚类。在此基础上,对带噪语音的Mel语谱进行特征补偿。采用HTK工具和TIDIGITS数据库加入不同类别噪声的语音测试结果表明:该算法在不同信噪比条件下,获得了较基于频域相关性聚类特征补偿算法更好的性能。     

一类基于双通道网络的离散Markov跳跃系统的鲁棒H_∞控制

研究了一类离散时间Markov跳跃系统在单边双通道通信网络下的鲁棒H∞控制问题.网络仅存在于传感器至控制器端,同时Markov被控对象的状态和模态信息经由不同网络特性的信道传递给控制器.随机丢包和时延分别建模为二值分布的Bernoulli过程和有限状态的Markov过程.通过采用扩维技术和Lyapunov方法,构建了依赖系统模态和网络情况的状态反馈控制器以确保系统的鲁棒稳定性,并满足给定的H∞性能指标.最后通过仿真算例验证所提出结论的有效性.     

水资源控制系统的Markov分析

利用随机过程的Markov链分析水资源系统的污染控制问题,阐述了水资源系统的内在规律,在理论上对控制水污染提供了有效的方法。     

Markov Clustering-Based Placement Algorithm for Hierarchical FPGAs

Divide-and-conquer methods for FPGA placement algorithms including partition-based and cluster-based algorithms have shown the importance of good quality-runtime trade-off.This paper describes a cluster-based FPGA placement algorithm targeted to a new commercial hierarchical FPGA device.The algorithm is based on a Markov clustering algorithm that defines a sequence of stochastic matrices operating on a generating matrix from the input FPGA circuit netlist.The core of the algorithm tightly couples a Markov clustering process with a multilevel placement process.Tests show its excellent adaptability to hierarchical FPGAs.The average wirelength results produced by the algorithm are 22.3% shorter than the results produced by the current hierarchical FPGA placer.     

保险资金投资模型及其Markov链模拟

针对保险资金投资的特殊性建立了投资决策的动态模型,并利用近似Markov链计算了数值解. 与经典的Merton模型不同,保险资金投于风险证券的量仅在增资区域中随财富而递增,在控制区域内不会显著增加, 甚至反而可能递减.最后就降息、保险资金现金流与风险证券的相关性、保险公司业绩对最优投资策略的影响进行了敏感性分析.     

非饱和情况下基于802.11 DCF的改进协议DIDD

DIDD(double increase double decrease)协议是一种无线局域网介质访问控制802.11DCF(distributed coordination function)协议的改进。为分析DIDD协议在非饱和情况下的性能,该文使用三维Markov链模型,分析DIDD协议的回退过程求解节点的稳态发包概率;使用一维Markov链模型,求解起始回退阶段数的稳态分布;使用排队理论,计算了网络的非饱和吞吐量和数据包延迟。结果表明:在各种数据速率下,理论分析结果与仿真结果一致。     

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为：乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM（1,5）预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM（1,5）模型的残差进行修正,以便改善预测精度。实例结果：事后检验阶段GM（1,5）模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。     

基于广义骑士巡游的比特位平面间图像置乱算法

将骑士巡游与图像加密相结合,用数学的方法证明了骑士巡游过程在限定条件下是一种离散参数Markov过程,得出了几个指导性的结论．在此基础上,提出了一种新的图像加密置乱算法,其基本思想是：首先将原图像按比特位平面分解为三维空间的广义棋盘,然后寻找广义棋盘上的骑士巡游路径,最后将比特位平面的值按骑士巡游路径的方式进行置乱,从而到达图像加密的目的．实验结果表明了算法能够以较少的置乱次数达到更好的置换效果．