基于分数低阶统计量的水下目标定向新方法

针对传统方法对阵列信号处理所研究的噪声采用高斯分布的模型来进行描述,当噪声存在显著的尖峰时,不能得到满意结果的问题。利用稳定分布对实际中所遇到的具有较大脉冲特性的随机噪声进行建模,分析了共变在阵列信号处理中的不足,利用已有的矢量水听器模型建立一种水下目标定向系统,提出了一种基于分数阶相关的水下目标定向算法。仿真表明这种算法是一种在高斯和分数低阶α-稳定分布噪声条件下具有良好韧性的水下目标定向算法,相对共变而言,分数阶相关具有更宽的噪声特征指数范围,更适用于实际应用。     

基于变分推断的一般噪声自适应卡尔曼滤波

线性高斯状态空间模型中假设噪声为已知的白噪声过于苛刻。认为过程噪声与观测噪声均未知且二者的解析关系确定,假设观测噪声的均值非零且服从高斯分布,方差服从逆威沙特分布,从而构成了层次式贝叶斯模型。利用变分推断将均值与方差和系统状态一起作为随机变量进行迭代估计,在得到观测噪声的均值与方差的估计值后,利用其与过程噪声的关系进一步更新未知过程噪声的均值与方差,从而动态地得到每一时刻过程噪声与观测噪声的一、二阶统计矩信息,即使在噪声统计信息动态变化的情况下也有较满意的滤波精度。实验证明了该算法的有效性。     

角闪烁噪声下的高斯和容积卡尔曼滤波算法

开展角闪烁噪声下的目标跟踪问题研究对提高传感器的探测性能具有重要意义,其中角闪烁噪声具有的非高斯特性是一个长期困扰研究者的难点。针对该问题,首先通过理论分析指出了容积粒子滤波(cubature particle filter,CPF)在角闪烁噪声下的性能缺陷。其次,基于高斯和滤波(Gaussian sum filter,GSF)框架和容积卡尔曼滤波(cubature Kalman filter,CKF)算法,提出了适用于角闪烁下的高斯和容积卡尔曼滤波(Gaussian sum cubature Kalman filter,GSCKF)算法,该算法将目标后验概率密度用高斯密度加权求和近似,通过多路并行的CKF实现状态预测与量测更新,同时利用模型降阶算法限制高斯分量数目的增长,能应用于非线性、非高斯条件的状态估计。最后,设计了仿真实验对GSCKF和CPF的跟踪精度、鲁棒性和计算复杂度进行了对比。     

一种弱相关非高斯信道下的伪码捕获方法

针对弱相关非高斯噪声环境提出了一种伪码捕获方法,将伪码捕获等价为假设检验问题,将弱相关非高斯噪声建模为一阶滑动平均SαS噪声模型,利用局部最佳检测算法推导出弱相关非高斯噪声环境下的伪码捕获检测统计量,得到弱相关噪声模型下伪码二维捕获结构及其简化形式,进行了性能仿真并与传统的伪码捕获方法对比。仿真结果表明该捕获方法在相关非高斯噪声环境下检测性能有较大幅度的提高。     

基于高斯噪声模型的马尔可夫网络构建算法

针对小样本集构建稀疏马尔可夫网络计算量大和求解精度不高的问题，提出一种基于高斯噪声模型的迭代噪声消减（iterative noise reduction，INR）算法。该算法首先利用回归误差的高斯特性筛选相关变量，然后通过boosting方法的自回归更新策略逐步改进学习能力，最后采用赤池信息准则（Akaike information criterion，AIC）避免出现过拟合。此外，给出了自回归更新公式，实现了可控的学习错误率并分析了计算复杂度。实验结果表明，INR能有效构建高维稀疏网络，在学习效率和精度方面具有明显优势。     

基于稳定分布模型的自适应阵列信号处理新方法

传统方法常对阵列信号处理所研究的噪声采用高斯分布的模型进行描述,但当噪声存在显著的尖峰时,往往不能得到满意的结果。利用稳定分布建模实际中所遇到的具有较大脉冲特性的随机噪声,综述了稳定分布模型下的信源定位、波达方向估计、波束形成等阵列信号处理方法,并利用分数低阶统计量提出了几种较有韧性的阵列信号处理新方法。仿真表明它们在高斯和低阶α稳定分布噪声条件下,具有良好韧性与有效性。     

基于EM算法的水下目标辐射噪声模型参数估计

对水下目标辐射噪声的混合高斯模型进行参数估计时,针对极大似然函数很难求解的问题,研究了一种使用海洋环境噪声统计信息的期望值最大算法(EM算法).在对Bouvet和Schwartz水下目标辐射噪声信号和海洋环境噪声模型研究的基础上,修正了传统的EM统计算法,以降低计算的复杂度,提高迭代收敛速度.仿真结果和实船信号实验数据的一致性,表明基于EM算法的混合模型参数估计方法,使得参数估计复杂度降低,运算量明显减少,估计性能较好,具有很好的应用价值.     

闪烁噪声下的改进粒子滤波跟踪算法

在实际雷达目标跟踪系统中,雷达量测常受到闪烁噪声干扰,传统的滤波算法在闪烁噪声下,滤波性能急剧下降甚至发散。提出了一种改进的粒子滤波(particle filter, PF)算法,按照高斯牛顿迭代方法对迭代扩展卡尔曼滤波(iterated extended Kalman filter, IEKF)中的测量更新进行修正,利用修正的IEKF来产生PF的重要性密度函数。进一步,采用马尔科夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法来消除重采样引起的粒子贫化问题。在给出的闪烁噪声统计模型基础上,将所提算法与PF及MCMCPF算法进行了仿真比较,结果表明该算法具有更好的跟踪性能。     

基于高斯Cost-Reference粒子滤波器的WSN目标跟踪算法

提出了一种新的高斯Cost-Reference粒子滤波器算法及多传感器动态协同策略用于无线传感器网络目标跟踪问题.该算法的显著特点是:(1)鲁棒性,不需要事先对系统过程噪声和测量噪声的分布进行精确建模,具有较好的噪声自适应能力,非常适用于无线传感器网络未知的、复杂的应用场景;(2)能量有效性,该算法采用高斯分布来近似状态的后验概率分布,节点间交互时只需要传输高斯分布的均值和方差,而不需要传输所有的粒子及其权值,极大地减轻了网络通信负载,能有效延长网络的寿命.     

自适应高斯模型与多基地雷达机动目标跟踪

为改善多基地雷达系统对高机动目标的跟踪性能,提出了基于自适应高斯模型和扩展卡尔曼滤波(EKF)的机动目标跟踪算法.将目标加速度的概率密度特性描述为一具有均值和方差的高斯分布,建立了系统的离散状态方程和非线性观测方程进行EKF滤波,并在每个采样周期实现对输入控制信号及过程噪声协方差的更新,使加速度符合目标的实际变化情况.Monte Carlo仿真结果显示,对目标的变加速轨迹,该算法在位置和加速度上的均方根误差均比Singer模型小,且误差曲线平滑,表明了该算法能对机动目标实现准确跟踪.     

New statistical model for radar HRRP target recognition

The mixture of factor analyzers (MFA) can accurately describe high resolution range profile (HRRP) statistical characteristics.But how to determine the proper number of the models is a problem.This paper develops a variational Bayesian mixture of factor analyzers (VBMFA) model.This procedure can obtain a lower bound on the Bayesian integral using the Jensen's inequality. An analytical solution of the Bayesian integral could be obtained by a hypothesis that latent variables in the model are independent.During computing the parameters of the model,birth-death moves are utilized to determine the optimal number of model automatically.Experimental results for measured data show that the VBMFA method has better recognition performance than FA and MFA method.     

全息穿透雷达非平整表面杂波抑制算法研究

针对全息穿透雷达应用于无损探测时非平整表面杂波干扰难题, 提出一种基于双频对消的非平整表面杂波抑制方法。该方法首先在设定条件下获取高低两种频率下的雷达回波数据, 并建立相应回波信号模型。通过分析不同频率雷达回波中目标信号与非平整表面信号特点, 结合理论推导估算模型中的各项参数, 并拟合出表面回波的近似值, 最后与原回波对消以抑制雷达图像中的非平整表面杂波。通过仿真与实测数据实验, 验证了所提方法的有效性。     

基于高斯混合模型图像局部自适应去噪算法

针对传统阈值小波去噪方法未考虑小波域尺度内和尺度间系数相关性的问题,采用基于小波域统计模型的新型去噪方法,图像小波域的先验统计模型采用高斯混合尺度模型。在计算信号的协方差矩阵时,对图像分块并用椭圆窗滑动求局部协方差矩阵,以达到局部自适应的去噪目的。实验表明,该方法与在子带内求协方差矩阵的方法相比,去噪效果有所提高。     

Empirical likelihood for longitudinal partially linear model with α-mixing errors

This paper considers large sample inference for the regression parameter in a partially linear regression model with longitudinal data and α-mixing errors. The authors introduce an estimated empirical likelihood for the regression parameter and show that its limiting distribution is a mixture of central chi-squared distributions. Also, the authors derive an adjusted empirical likelihood method which is shown to have a central chi-square limiting distribution. A simulation study is carried out to assess the performance of the empirical likelihood method.     

基于约束正则化的生成聚类分析

基于现有的硬约束高斯混合模型不能处理约束违反情形,而软约束高斯混合模型又没有封闭的参数估计表达式,提出了一种基于约束正则化的生成聚类方法。该方法将约束一致正则化算子引入高斯混合模型,通过惩罚似然来处理约束违反,使满足正约束的成对样本的后验概率尽可能相似,满足负约束的成对样本的后验概率尽可能不相似;同时封闭的参数估计迭代公式降低了参数估计的计算复杂度。在一组真实数据集上的实验表明,与现有的相关方法相比,该方法能有效改善聚类性能,并对噪音约束有着更好的适应性。     

陀螺稳定平台中速度环的非线性实验建模

在阐述两轴四框架陀螺稳定平台的结构和工作原理的基础上,具体分析了从实际实验装置中获取数据的方法。通过对内环中速度稳定环的机理分析,得到了简化的线性模型。针对平台在低频工作环境下所表现出的严重非线性特性,将线性模型与非线性的Stribeck摩擦力模型相结合,建立了系统的数学模型。利用遗传算法和所获得的实际系统数据对模型参数进行了辨识;通过在所辨识出的系统模型上进行扰动隔离的系统仿真实验,并将其结果与实际系统的性能进行对比,验证了所建模型的精度;通过对模型残差的分析,进一步地改进和提高了所建系统模型的精度。为研究两轴四框架陀螺稳定平台模型与误差补偿提供了实用的高精度的数学模型。     

基于BSO-ELM的涡轴发动机加速过程性能参数预测

建立精度和实时性均满足要求的航空发动机性能参数预测模型是实现发动机性能优化和实时监控的基础。极限学习机(extreme learning machine, ELM)对复杂的非线性航空发动机系统具有良好的适应性, 本文提出了利用头脑风暴优化算法(brain storm optimization, BSO)优化ELM的网络参数以提高其性能。并提出以发动机的台架试车加速过程数据为训练和验证样本, 利用BSO-ELM算法回归辨识得到涡轴发动机加速过程性能参数预测模型。结果表明预测参数燃气发生器转速n_g、燃气发生器出口温度T₄和增压比π_c的两项精度指标均优于BSO算法优化的反向传播神经网络和粒子群优化算法优化的ELM方法得到的预测模型, 表明了BSO-ELM预测模型的可行性与优越性; 在相同仿真环境下, BSO-ELM算法可大幅提高计算效率使预测模型的实时性更优。     

基于混合生存分析的动态信用评分方法

当今国内外经济形势复杂多变,不确定因素增多,金融市场中信用风险的动态性显著增强,动态信用风险评价成为金融机构迫切需要解决的问题.为此,本文提出了一种基于混合生存分析的动态信用评分方法.该方法由三部分组成:首先,构建基于混合生存分析的动态信用评分模型,包括违约状态判别模型和违约时间估计模型,用于预测评价对象"是否违约"以及"何时违约";其次,利用面板数据构建多重生存状态向量,用于表征信用特征和生存时间的动态关联;最后,基于生成的多重生存状态向量,利用期望最大算法迭代估计模型参数.实验研究表明该方法的预测效果显著优于基于单分类、基于集成学习以及基于生存分析的信用评分方法.     

基于HGERT网络模型的退化型失效可靠性评估

针对退化型失效的复杂装备系统,提出基于隐图解评审技术(hidden graphic evaluation and review technique,HGERT)网络模型来进行系统可靠性预计和评估的方法。图解评审法(graphic evaluation and review technique,GERT)网络中的节点代表装备失效过程中正常状态到失效状态的转移,通过传感器将反映系统隐性状态的性能特征参数进行量化输入,从而将GERT网络中的各个劣化状态节点进行展开。应用Viterbi算法对模型参数进行解码和学习,确定退化型失效系统状态转移概率。将装备运行中所处的工作应力、环境载荷等影响性能衰退的因素作为输入,将关键性能指标退化量作为输出,建立装备性能退化的一般控制模型并将其作为GERT网络活动传递的随机变量。借助于信号流图理论对参数进行解析,监测系统处于不同状态时的性能退化水平,为故障预测和装备健康管理提供支持。案例通过对铣床性能退化量的分析,证明所构模型的可行性和合理性。     

基于克隆选择算法的航空发动机性能衰退研究

针对航空发动机关键部件的性能衰退难以定量计算的问题,提出一种部件性能衰退值的计算方法。对表征部件的性能参数进行敏感性分析,筛选出对测量参数最敏感的性能参数定义为部件健康因子。建立航空发动机性能衰退模型,将健康因子求解问题转化为有边界约束的非线性优化问题。利用免疫克隆选择算法解决了测量参数少于目标部件性能参数的优化求解问题,得到表征发动机部件性能的健康因子的变化趋势,实现对现役典型发动机部件性能健康状态的准确评价。经验证,计算结果与测量数据吻合较好,为制定航空发动机健康监控的性能衰退标准提供理论依据。