全相位Hv频响函数估计在MIMO随机振动

首先选用对噪声抑制效果较好的Hv估计方法,然后引入对泄露有明显抑制效果的全相位FFT频谱分析方法,构成全相位Hv频响函数估计方法,改善了频响函数估计效果,减小了频响估计误差对MIMO随机振动试验控制效果的影响.最后在钢质悬臂梁上做两输入两输的Hv估计和全相位Hv估计的对比试验以及两种估计结果在MIMO随机振动试验控制的应用效果,试验结果验证了全相位Hv频响函数估计对改善了随机振动试验控制效果的有效性.     

逐步增加Ⅱ型截尾下Weibull分布的Bayes估计

基于逐步增加的Ⅱ型截尾,讨论了Weibull分布的Bayes估计。在平方损失和LINEX损失下,利用LindelyBayes近似算法得到了形状参数,尺度参数,失效率函数以及可靠度函数的极大似然估计和Bayes估计。最后运用Monte Carlo方法对各估计结果的RMSE,进行了模拟比较。表明了LINEX损失下的结果更有效。     

q-对称熵损失函数下Gamma分布的尺度参数的估计

本文在对称熵损失函数的基础上定义了q-对称熵损失函数,并用参数估计的方法研究了在q-对称熵损失函数下Gamma分布的尺度参数的最小风险同变估计(MRE)、贝叶斯(Bayes)估计、最小最大(Mininax)估计等。我们还对这些估计量的可容许性和不可容许性进行了讨论,最后分别对指数分布和Gamma分布在两种损失函数下的估计结果进行了数值比较。     

两类投影指标的小波核估计

投影寻踪的关键问题是优化一个投影寻踪指标的准则函数.本文提出了Cook指标和PPDA指标的小波核估计,给出了这两类投影指标小波核估计的渐近无偏性和均方收敛性,并对投影指标小波核估计与高斯核估计的结果进行了对比,结果验证了小波核估计方法的有效性.     

MIMO随机振动试验频响估计中激励和响应的同步方法

频响函数估计是多输入多输出随机振动试验控制算法中的必要环节。在振动环境试验中,通常不采集振动台的实际激励信号,而用实测的响应信号和计算机内存中的激励信号来进行系统频响函数估计。由于计算机内存中的激励信号与实际振动台上的激励信号之间在相位上存在着差异,从而导致实测的响应信号和计算机内存中的激励信号不同步。这给系统频响函数的估计带来了较大困难。为此,根据线性系统中激励和响应之间的关系,结合随机减量法,提出了一种二次相关法用于系统频响函数的估计。用该方法进行频响函数估计只需要采集响应信号。在三轴振动台上进行了对比试验,结果验证了本文所提出的二次相关法的正确性。     

基于有理样条函数的局部均值分解方法及其应用

局部均值分解(Local mean decomposition,简称LMD)方法通过滑动平均方法平滑局部均值线段和局部幅值线段得到局部均值函数和包络估计函数,从而实现信号的分解.但滑动平均方法会产生相位差以及平滑步长的选择具有一定的主观性,这样会使分解结果不理想.对LMD方法进行了改进,采用有理样条插值函数(Rational spline)求取信号的上下包络线,然后通过上下包络线计算信号的局部均值函数和包络估计函数,克服了原LMD方法中采用滑动平均方法带来的缺陷.通过对仿真信号以及滚动轴承故障振动信号的分析,表明改进后的LMD方法优于原LMD方法.     

基于卷积神经网络的水下多目标方位估计方法

针对水下多目标方位估计问题,提出了一种利用卷积神经网络模型对目标声源进行方位估计的方法。该方法使用不等强度的声源数据进行训练并使用焦点损失函数作为训练损失函数。通过对阵列接收到的信号进行特征提取,使用焦点损失函数指导卷积神经网络训练,最终利用训练好的卷积神经网络模型进行目标方位估计。对不同模型参数的训练进行对比,结果表明所训练的卷积神经网络模型在较低信噪比条件下也能正确估计弱目标的方位。试验结果表明,与采用二元交叉熵损失函数的卷积神经网络模型相比,该方法对弱目标的方位估计能力更强,提高了方位估计的准确率。     

半变系数模型的M估计

本文讨论半变系数模型的稳健M估计.先用局部线性方法给出未知可测函数的一步估计,并讨论其弱一致性和渐近正态性;通过Back-fitting技巧,给出未知参数向量的一般M估计,然后再通过局部M方法给出未知函数的两步估计,并讨论它们的渐近正态性.     

基于相似性函数的稀疏成分分析混合矩阵估计方法

稀疏成分分析是信号处理中解决欠定盲源分离问题的新方法,本文研究了稀疏成分分析中的混合矩阵估计问题,提出了无需预知源个数利用一种相似性函数估计混合矩阵的方法。首先,估计相似性函数中的核参数,使得算法适应不同的稀疏信号。然后,给出了估计混合矩阵的不动点算法。最后,实验结果表明提出的算法通过适当地选取参数,能够准确有效地估计出具有不同源个数的混合矩阵,对不太稀疏的源也有令人满意的结果。     

关于贝叶斯估计的进一步讨论

文章则从绝对差损失函数与相对差损失函数出发 ,先导出两种新的贝叶斯解——中值估计和积分比估计 ;然后再对实际问题进行具体应用 ;在选定同类先验分布条件下将以上结果与传统的条件期望估计、最大后验估计相比较 ,探讨了各类贝叶斯解的优良性 .