基于多流隐马尔可夫模型的网络信号传输过程建模

网络输入信号进入网络后,会不可避免地被网络延时污染,所以接收端得到的网络输出信号与发送端的输入信号间存在着误差,这种误差在接收端分别为事件驱动(Event-Driven)节点触发方式和时间骄动(Time-Driven)节点触发方式时分别由不同原因造成;基于多流隐马尔可夫模型(MS-HMMs)对接收端分别工作在两种节点触发方式时的网络信号传输过程进行建模,采用Viterbi算法对网络输入信号进行估计;实验结果表明该模型能够有效地实现对网络输入信号的估计.     

电子通信网络弱信号捕获系统设计

传统电子通信网络弱信号捕获系统的信号处理能力较差,导致信号捕获过程耗时较长,为此设计新型电子通信网络弱信号捕获系统。首先,根据优化后的弱信号捕捉系统硬件框架,对信号放大电路进行优化,并根据此优化结果完成中央控制信号选型;其次,构建电子通信网络原始信号模型,并分析电子通信网络信号的周期;最后,根据分析结果设定信号捕捉方案,完成通信网络弱信号捕捉。系统测试结果表明,此系统可有效控制信号捕捉时间,提升信号捕捉速度。     

基于电路系统网络的IIC并行信号转化方法研究

介绍如何利用电路系统网络对非应答模式的IIC串行信号解码转换为并行信号以实现微机接收。在信号传输的过程中实现在不改变原信息和传输时间的情况下尽可能地减少微机接收IIC信号所需消耗的工作时间，以节约微机资源，提高工作效率。     

地震微观前兆预报网络系统设计研究（3）——信号处理技术

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型,基岩传感器网络和数据融合、信号处理技术.本文介绍信号处理技术,包括:(p)混合噪声中弱信号的极大-极小探测方法,噪声中随机信号的振幅和时间分析测量系统最佳化、含噪声随机信号无存储器最佳近似探测方法、干涉信号抑制和相干处理自适应陷波滤波器、有限态马尔可夫速率分立时间点过程最佳非线性平滑算法.     

一种深度小波过程神经网络及在时变信号分类中的应用

针对多通道非线性时变信号分类问题,提出一种基于稀疏自编码器的深度小波过程神经网络(SAE-DWPNN)。通过构建一种多输入/多输出的小波过程神经网络(WPNN),实现对时变信号的多尺度分解和对过程分布特征的初步提取;通过在WPNN隐层之后叠加一个SAE深度网络,对所提取的信号特征进行高层次的综合和表示,并基于softmax分类器实现对时变信号的分类。SAE-DWPNN将现有过程神经网络扩展为深度结构,同时将深度SAE网络在信息处理机制上扩展到时间域,扩展了两类模型的信息处理能力。该网络可提取多通道时序信号的分布特征及其结构特征,并保持样本特征的多样性,提高了对信号时频特性和结构特征的分析能力。文中分析了SAE-DWPNN的性质,给出了综合训练算法。以基于12导联ECG信号的7种心血管疾病分类诊断为例,实验结果验证了模型和算法的有效性。     

基于ELMAN网络的非线性混沌微弱信号检测

为了快速和实时地从具有强噪声的较低信噪比的原始信号中检测出有用信息,设计了一种混沌相空间重构理论和ELMAN神经网络的信号检测方法;首先,描述了采用混沌相空间重构理论对原始信号进行重构的原理和方法,在获取重构的时间序列的基础上,采用ELMAN网络来近似表示用于检测信号的函数型,然后,设计了ELMAN网络中各层之间连接权值的计算方式,并提出了采用ELMAN网络进行信号检测的具体过程,最后给出了采用混沌相空间重构理论和ELMAN网络的信号检测模型;对Lorenz混沌系统模型进行仿真实验,结果证明了文章方法能有效地对瞬时信号和周期性信息进行检测,在具有高斯白噪声的情况下,仍然具有降噪效果好的优点,是一种用于信号检测的可行性方法。     

基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用

针对复杂时间信号动态模式分类问题,提出了一种基于局部核函数与全局核函数组合的径向基过程神经网络(RBFPNN)模型。考虑时间信号过程特征的多样性和复杂性,以及核函数对信号分布形态特征的局部与全局表征能力,通过将具有全局性质的多项式核函数与具有局部性质的高斯核函数进行线性叠加,构成组合核函数,以此建立一种新的径向基过程神经网络,从信息模型上改善RBFPNN对动态样本复杂过程特征的抽取和记忆性质,提高网络对时间信号特征的辨识能力。分析了基于RBFPNN的性质,建立了基于混沌遗传算法CGA的模型参数优化算法。以基于示功图的往复运动机械工作状态诊断为例,实际资料处理结果验证了模型和算法的有效性。     

应急通信中异构网络切换优化过程仿真

研究异构通信网络流畅的切换过程可保证正常通信.应急通信异构网络在面对多通信对象时,为了满足不同对象的需要,需要实时切换网络,以保证数据对接,当数据流量较大时,切换过程需要进行用户确认,比较耗时.传统的应急通信异构网络通信过程中的网络数据量较大,在一些复杂的通信过程中,多用户参与通信,为了保证多用户同时通信的要求,需要频繁切换网络,多次切换浪费大量通信时长,将造成应急通信延迟.提出基于多层次解析融合算法的应急通信过程中异构网络融合通信方法.采集应急通信过程中的异构网络中的信号,利用离散GTBP优化窗口对所有的网络信号进行依次扫描,计算上述网络信号的拉普拉斯能量和,对网络信号进行多层次解析,计算不同网络信号层次的权重,实现应急通信过程中异构网络融合.实验结果表明,利用改进算法进行应急通信过程中的异构网络融合,能够极大的提高应急通信的效率.     

网络信道信息监听中的冲突消除技术研究

研究网络信道信息监听冲突消除方法.在信息监听过程中,当同一信道内同时接收到不同方向的信息时,将造成信息监听冲突,导致无法准确监听信息.为了避免上述缺陷,提出了一种基于信号排队延时算法的监听冲突消除技术.利用多时间间隔冲突预测方法,预测网络信道中的监听信号冲突.利用信号排队延时方法,对监听信号进行排序,从而实现网络信道中信息监听冲突的消除.实验结果表明,这种算法能够有效消除网络信道中的信息监听冲突,提高了信息监听的准确性.     

基于模型的网络控制系统稳定性

针对具有时间延迟的网络控制系统被控对象状态无法直接测量得到的情况,设计了状态观测器,并讨论了系统指数稳定性问题．提出了在网络传输信号的时间间隔内依据被控对象模型计算控制信号的开环控制方法,以减少对网络的使用．在此基础土,分别对连续和离散被控对象给出了网络控制系统全局指数稳定的充要条件,该条件受网络信号更新时间、被控对象模型误差及网络引起的时间延迟等因素的影响．仿真示例验证了稳定性条件的有效性。     

从数据中提取生料浆配料过程运行控制的模糊规则

将减法聚类、神经网络、最相邻原则、对提取后的规则进行调整等方法相结合,从过程数据中自动提取出模糊规则,从而实现在氧化铝生料浆配料过程中将生料浆的各项质量指标控制在目标值范围内.某氧化铝厂的应用结果表明,所提取的模糊规则不仅具有良好的完备性和可解释性,同时可根据工况的变化自动调整各个控制回路的设定值,实现了该过程的优化运行.     

一类MISO 最小相位系统的执行器故障自适应容错控制

针对一类具有执行器卡死或/和变执行器故障的多输入单输出(MISO)非线性最小相位系统,提出一种自适应容错跟踪控制方案.采用自适应算法估计系统的不确定性,利用神经网络逼近执行器未知故障函数,以完成执行器组合故障状态下的跟踪控制.所设计的控制律不仅保证了闭环系统稳定,而且所有状态均有界,跟踪误差一致最终有界.仿真结果表明了所提出方法的有效性.     

一种基于多神经树集成的分类模型

针对数据挖掘领域分类问题的特点.提出了基于多神经树集成的分类模型(CMBNTE).该模型利用改进遗传规划算法和粒子群算法,实现单个神经树模型的优化;借鉴集成学习思想,将多个神经树模型组合成最终的分类模型.在6个UCI数据集上的实验结果表明,该模型能较好地解决分类问题,尤其适用于多分类属性的复杂分类问题.     

考虑时间因素的双目标应急召回闭环网络规划

研究产品召回突发情况下的闭环供应链物流网络规划问题,考虑了产品召回紧迫性以及召回应急管理的管理特性,引入时间和召回率两类随机参数,提出了基于成本的召回处理时间反应函数,建立了基于总成本以及总召回处理反应时间的双目标随机混合整数规划模型.采用一类启发式算法对该模型进行求解,并用Matlab6.5软件进行编程求数值解.在数值解的基础上,进行相关参数的敏感件分析,结果表明网络选址结果具有一定的鲁棒性.     

基于矩阵条件数的NGM(1, 1, k) 模型病态性研究

针对灰色NGM(1,1,k)模型的病态性问题,以矩阵谱条件数作为测量其病态性的工具,对该模型背景值在不同取值下的系数矩阵谱条件数分类进行了分析与证明.研究结果表明,当且仅当系统原始数据序列为常数列时,NGM(1,1,k)模型才会出现严重病态性问题,而此时进行灰色预测建模毫无实际意义.最后通过实例对该模型的病态性进行了实验分析.研究结论认为,通常情况下灰色NGM(1,1,k)模型并不存在严重病态性问题.     

具有传递变量的动态贝叶斯网络结构学习

针对现有学习方法对完全时间不对称数据的动态贝叶斯网络学习不具有实用性,提出一种借助传递变量进行完全时间不对称数据的动态贝叶斯网络结构学习方法.首先进行相邻时间片间的传递变量序列学习;然后,基于节点排序和局部打分一搜索,进行动态贝叶斯网络局部结构学习;最后通过时序扩展得到整个动态贝叶斯网络结构.     

一类非线性时滞系统的鲁棒模糊自适应控制

针对一类非线性时滞系统,给出一种鲁棒模糊自适应跟踪控制算法.该非线性系统包含不确定项,其控制增益部分也是不确定的.针对这种特殊的系统,通过对非线性部分的_在线逼近,给出了控制律和自适应律.Lyapunov稳定性分析表明,该闭环系统中的所有信号都是稳定的.仿真结果验证了控制器的有效性.     

基于自适应模糊反步法的永磁同步电机位置跟踪控制

研究具有参数不确定性的永磁同步屯动机位置跟踪控制问题.利用模糊逻辑系统逼近系统中非线性函数,采用反步设计方法实现永磁同步电动机的自适应模糊控制.所提出的自适应模糊控制器在电机参数不确定和负载扰动的情况下,实现了永磁同步电动机的高性能位置跟踪控制.仿真结果表明了所提出方法的有效性.     

具有输入齿隙的一类非线性不确定系统自适应鲁棒控制

针对一类具有未知输入齿隙、参数不确定以及未建模动态和干扰的非线性系统,设计了自适应鲁棒控制器.将齿隙非线性模型等价表示为具有有界建模误差的全局线性化模型,在此基础上设计了包含自适应模型补偿、反馈稳定和鲁棒反馈3部分的自适应鲁棒控制器,并给出了系统动态跟踪误差和稳态误差指标.理论分析证明,闭环控制系统信号有界且跟踪误差在任意期望的精度范围内,仿真研究验证了所提出方法的有效性.     

一种基于社团划分的小生境遗传算法

提出一种相似性算了,并根据该算子建立超级个体之间的关系网,运用社团划分算法将该关系网划分成小生境;提出收敛算子,运用该算子判断种群的进化程度,以决定是否进行生境划分.根据生境中维持的共有模式,采用多位变异策略,有效维护生境中个体的多样性,避免早熟收敛.从理论上证明了,该算法的收敛性.实验结果表明,该方法具有良好的收敛速度和全局搜索能力,其综合性能优于确定性排挤遗传算法,有利于并行实现.