一种新型时间序列多分辨预测模型研究

使用单一模型实现复杂时间序列预测一直是一个研究热点和难点问题.本文采用经验模式分解方法首先将复杂时间序列分解为一系列本征模式函数之和,然后对各个本征模式进行径向基神经网络预测建模,在此基础上,通过各个分量预测结果的等权求和得出综合预测结果.此外,各RBF网络核函数的最优参数对数值与各本征模式分量呈近似线性关系,利用该线性关系可以减少交叉验证求参数的次数,从而降低计算负担.仿真结果表明分解域多RBF网络预测模型对复杂时间序列预测性能好于单一的RBF网络预测模型.     

基于随机子空间与多储备池的分类方法

提出一种基于回声状态网络(echo state networks,ESNs)的分类方法,借鉴集成学习的思想,采用随机子空间方法产生特征子集,对应特征子集生成多个储备池.利用回声状态网络仅需训练储备池至输出层的权值这一优点,将分类集成阶段融合于多储备池回声状态网络的学习过程中.基于标准数据集和模拟电路故障诊断的实验验证结果表明,与标准回声状态网络等方法相比,该方法有更低的分类错误率.     

基于状态空间模型的飞机APU在翼RUL预测方法

为解决利用飞机辅助动力装置(APU)在翼监测数据难以表征其性能状态而造成的性能评估以及剩余使用寿命预测(RUL)难的问题,本文提出一种基于状态空间模型(SSM)与卡尔曼滤波融合的APU在翼RUL预测方法.首先,通过在翼监测数据构造含噪声的性能指标(PI)来表征APU的性能状态,借助维纳过程与建立的含噪声的PI构建状态方...     

航空飞行试验新一代网络化遥测技术浅析

随着航空飞行试验技术的发展,对飞行试验遥测技术的需求日益增加。在综合试飞和多机协同试飞等需求的牵引下,伴随着无线通信网络技术的迅猛发展,航空飞行试验遥测技术正逐步从传统的"单向、点对点的遥测"向"双向、多点对多点的空地一体化遥测和遥控网络"模式转变。在此过程中,复杂无线信道环境下基于双向无线网络的遥测传输技术面临着多径传输、多普勒频移和时变等严峻挑战。首先介绍网络化航空飞行试验遥测技术的发展和现状;然后,重点分析国内外主流的飞行试验遥测技术发展状态,并在此基础上,剖析新一代航空飞行试验遥测技术的发展趋势、技术挑战和重点研究内容。     

一种多维不确定性数据流聚类算法

目前在很多不确定性数据流聚类方法研究中,存在着聚类模型和数据流的数据模型失配问题,且它们往往假定不确定性数据的概率密度函数、概率分布函数或者概率是已知的,然而这些信息在实际系统中很难获得.鉴于此,本文提出一种基于区间数的多维不确定性数据流聚类算法(UIDMicro).在该算法中,首先利用区间数结合不确定性数据的统计信息表示多维不确定性数据流,然后采用“当前簇”和“候选簇”两层簇窗口对不确定性数据流进行聚类,通过动态调整两层簇窗口实现聚类模型和数据模型的实时匹配.实验结果表明,该方法具有较高的聚类精度和处理效率.     

利用Lab Windows／CVI开发基于网络的测试软件

本文在介绍网络测试软件的基础上,论述了利用Ｌａｂ Ｗｉｎｄｏｗｓ／ＣＶＩ建立Ｃ／Ｓ数据交换模型的技巧。最后给出了一个典型的实例。     

利用Lab WindoWs/CVI开发基于网络测试软件

文中在介绍网络测试软件的基础上,论述了利用Ｌａｂ Ｗｉｎｄｏｗｓ／ＣＶＩ建立Ｃ／Ｓ数据交换模型的技巧。最后给出了一个典型的实例。     

一种“基准量+裕量”拆分重组的扫描链平衡算法

SOC技术的迅速发展,使得芯片测试技术面临重大的挑战,为了降低测试成本、减小测试时间,IP核扫描链平衡设计尤为重要。提出基于"基准量+裕量"拆分重组的扫描链平衡算法,选取一基准块作为标尺的基本单位,并对各内扫描链长度进行测量,拆分内扫描链的基准量和裕量,再通过"近似封装、重组"两阶段优化确定IP核的封装结果。主要思想可分为4步:首先结合内扫描链的长度(记为L),计算出合适的扫描链基准块(记为L_Block),作为标尺基本单位;其次利用基准块衡量各内扫描链长度L,得到基准量(记为L'),并计算L'与L的裕量(记为ΔL),再依据基准量的大小对L'及ΔL进行归类,此过程称为"拆分";然后将L'按自大至小的顺序分配至当前最短的封装扫描链中,确定扫描链基本封装结构,此过程称为"近似封装";最后将ΔL按照分配灵活度及平衡度升序的顺序与L'重组内扫描链,负裕量重组至当前最长封装扫描链中,正裕量重组至当前最短封装扫描链中,此过程称为"重组",最终得到封装结果。该方法通过对ITC’02 SOC标准测试集进行实验,得到更平衡的分配结果。     

基于先验簇复杂回声状态网络的话务量预测

提出一种基于先验簇复杂回声状态网络的移动通信话务量预测模型.目前,具有小世界、无尺度等特性的复杂网络已被应用于回声状态网络储备池的构建,并获得了较标准回声状态网络储备池更优的回声状态特性和非线性表达能力.在此基础上,针对具有多周期特性的话务量序列预测问题,以功率谱分析的结果作为先验知识,在复杂回声状态网络储备池中构建具有差异性的多个子簇,以期形成对不同频率成分具有表达能力的功能簇.采用中国移动真实数据测试表明,该方法由于考虑了不同周期因素对预测建模的影响,获得了较标准回声状态网络、均匀簇复杂回声状态网络等方法更高的预测精度;以对比方法中实际效果较好的复杂回声状态网络为参照,该方法在齐齐哈尔、大庆、双鸭山市某小区上预测误差分别下降25％、21％和11％;能够为移动通信网络拥塞、覆盖和干扰等问题提供决策支持.     

采用加速减量策略的快速在线支持向量回归算法

针对在线支持向量同归(online support vector regression,online SVR)算法进行复杂时间序列精确预测时效率较低的问题,提出一种改进减量训练策略的快速预测方法,通过对非支持向量样本的采样选择,采取加速减量训练实现对在线训练数据集规模的缩减,从而达到快速在线训练和预测的目的.将该算法应用于黑龙江移动通信话务量数据的预测中,实验结果表明,在保持Online SVR预测精度的条件下,算法执行效率得到大幅提高.