基于克隆选择算法和马尔可夫链蒙特卡尔方法融合隐马尔可夫随机场的脑部核磁共振自动分割研究

针对脑部磁共振(MR)图像分割问题,提出了一种基于克隆选择算法(CSA)和隐马尔可夫随机场(HMRF)的融合方法。首先,采用马尔可夫链蒙特卡尔(MCMC)算法对类标签进行估计,进行体素分类;然后,对分割结果进行偏场校正;最后,利用CSA的统计学进行HMRF模型参数估计,并利用迭代优化算法获得最终的分割结果。由于MCMC和CSA都是全局优化技术,所以HMRF-CSA算法能够克服传统HMRF方法的局部收敛以及较低分割精度的缺点。在仿真脑部MR图像集BrainWeb上的实验结果表明,对于主要脑部结构,算法的分割精度高于其他几种算法;且对图像伪影具有鲁棒性。     

基于意图辨识的线控汽车紧急转向控制方法

针对线控转向汽车在紧急转向时,按理想转向传动比控制得到的横摆角速度动态响应慢、超调量大、稳定时间长的问题,提出了一种基于驾驶员转向意图辨识的横摆角速度反馈控制方法.该方法在正常转向时,车辆按照理想转向传动比控制;在紧急转向时,在理想转向传动比控制基础上,叠加横摆角速度反馈控制.车辆紧急转向引入驾驶员转向意图辨识环节,以判定何时叠加横摆角速度反馈控制.转向意图辨识利用多维高斯隐马尔可夫模型建模,通过离线训练参数、在线辨识识别的方式实现.实验验证结果表明:该方法能够有效降低线控汽车瞬态转向响应的超调量、减少稳定时间.     

基于纯不连续马尔可夫过程的频谱感知研究

为解决在连续时间观测条件下认知无线电(CR: Cognitive Radio)频谱感知的问题, 提出一种在纯不连续马尔可夫过程中的频谱感知方法。信道状态在任意时刻可分为空闲和忙碌两种状态, 同时借助纯不连续马尔可夫过程在任意时刻停留的时间服从指数分布性质和富克 普朗克方程, 导出此类过程的状态转移矩阵, 主用户的累计占用时间和主用户在时间域上的分布情况。仿真结果表明, 该方法能较好地完成对信道状态进行预测和对主用户状态进行跟踪的任务。     

LTE-A/WLAN中基于马尔可夫过程的接入选择算法研究

在LTE-A/WLAN融合的异构网络中,为了随时随地为用户提供最好的连接,文中提出了一种基于马尔可夫过程的接入选择算法.当不同业务类型的用户到达这两个网络重叠覆盖的区域时,该算法根据当前各接入网的网络状态和用户业务类型做出相应的接纳控制决策,包括是否接纳该用户以及接纳到何种网络,通过仿真和采用马尔可夫过程分析该异构网络的系统性能,证明了该算法能够有效提高该异构网络系统的吞吐量,降低阻塞概率,改善异构网络中无线资源的利用率.     

基于跳点搜索算法的网格地图寻路

等价网格环境下的寻路问题普遍存在于机器人、电子游戏等应用领域.其中,最先进的技术都被分层寻路算法所主导,这些算法速度快且内存开销较小,但通常返回的路径都是次优的.本文提出了一个新颖的、特定于网格的搜索策略,该策略速度快、最优且无需内存开销,其算法可以描述为一个宏算符,该宏算符识别和有选择地扩展网格地图上的仅仅某些节点,我们称之为跳点,连接两个跳点的路径上的中间节点将不再被扩展.我们将证明该方法计算出的解总是优解的;然后,进行了深入的实证分析,并将我们的方法与其他文献上的相关工作做对比.我们发现利用跳点进行搜索能将A＊算法的速度提高一个数量级甚至更多;同时,我们报告了跳点搜索相对于当前最先进的技术而言有明显的改进.     

DTMSN中一种多分组代码分发模型

现有的容延迟移动传感器网络的代码分发模型都是以实现单个分组分发为前提的,针对这一问题,提出了一种多分组代码分发模型.在该模型中,汇聚节点将代码分为l(l≥2)个相等大小的分组,并随机选择l个不同普通移动节点分别作为这l个分组的第一个分发节点;然后利用随机理论和接触率矩阵分别为各个分组建立马尔科夫过程,从而计算出各分组的分发延迟;最后得到所有分组都完成分发所需时间T的取值范围.通过仿真证明了该模型的正确性.     

基于齐次马尔科夫链的机场业务统一运行视图模型研究

由于国内外大部分机场的指挥调度系统无法及时预知机场的复杂事件,致使机场无法适时对保障资源做出科学合理的调度分配,造成机场运行效率低下。为了提升机场运行效率,提出了基于齐次马尔科夫链的机场业务统一运行视图模型。利用马尔科夫建模机场复杂事件的关系,实现机场业务统一运行视图,进而提前预警机场将会发生的事件。研究成果有助于我国机场研发新一代的高度智能化的指挥调度系统,以促进"民航强国"战略的实施。     

谐波小波样本熵与HMM模型的轴承故障模式识别

根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点.     

塔板液体停留时间分布的模拟

利用马尔可夫过程的理论和方法,模拟多级塔板上的液体随机流动现象,通过建立包含马尔可夫过程的多级塔板液体流动的数学模型,及对该模型进行数学推导,得到描述各级塔板出口液体停留时间分布数学解析式。     

Modelling of gear stochastic vibration considering non-white noise errors

A model to simulate the non-Gaussian non-white-noise random errors of gears is developed with the influence of rotational speed considered. The gear transmission errors is first decomposed into harmonic and random components based on the spectral analysis. Then, a second-order Markov process with time-variant parameters is used to simulate the non-Gaussian non-white-noise random component of gears. The second-order Markov process is used as a shaping filter. The input of the filter is a white Gaussian noise process, and the output is the random erros of gears. Furthermore, a new dynamic and stochastic simulation model for the rotational bivration of gear transmission system is proposed. The influences of the random errors on vibration acceleration are examined by use of the developed simulation system.