基于Matlab仿真的当前统计模型的参数校正

当前统计模型能真实地反映目标机动范围和强度的变化,是目前较好的实用模型。大量实验表明该算法在跟踪机动目标时具有良好的跟踪结果。然而实验中也发现该算法在跟踪具有加速度的目标机动情况时,其速度与加速度估计的动态时延明显位置误差较大,因此不能很好地实时反映目标的机动情况。因此需要进行新的调整参数的设定与比较,使其克服以上的缺点,文章借鉴强跟踪滤波器,在滤波器状态预测协方差矩阵中引入了加权因子并利用M atlab仿真技术,针对当前统计模型中对动态时延影响比较大的几个重要参数,进行了仿真对比和调整。跟踪结果表明:动态时延明显减小,位置误差大幅下降,达到了比较理想的跟踪效果。     

对DES密码的一种新的线性分析

首先推广了变换的线性偏差的概念,然后利用它把密码体制线性偏差的数学描述也进行了推广,给出了DES密码的线性偏差与轮函数F的线性偏差的关系,确定了DES密码16轮以内各轮的线性偏差上界。     

基于独立分量分析的ISAR图像特征提取方法

ISAR图像特征是利用ISAR图像进行目标识别的关键,根据目标区ISAR图像由强散射点组成这一特点,将独立分量分析的方法应用于目标ISAR图像的特征提取。所提取的ISAR图像的独立分量特征,反映了目标回波距离单元内散射点的位置分布,能够很好地表征一定角度范围内ISAR图像的特征。将目标ISAR图像投影到提取的独立分量特征空间上,得到投影系数,通过比较投影系数与目标样本之间的余弦测度,实现对目标的正确识别。仿真空间目标数据实验表明,该算法是有效的。     

基于非参数统计的加速退化试验优化设计北大核心

加速退化试验优化设计研究如何在有限的费用约束下设计方案以减少试验评估误差。采用参数统计分析试验数据需要假设分布函数,当假设错误时会引起较大的误差,而采用非参数统计分析,通过数据本身来寻找合适的回归模型则可避免这一问题。以试验费用为约束,进行加速退化试验优化设计,给出各优化变量:试验应力水平、各应力水平下样本量、性能监测次数和监测间隔,最后通过仿真算例说明该加速退化试验优化设计方法的应用。     

一种基于当前统计模型的模糊交互多模型算法

研究了模糊交互多模型算法(FIMM)和基于当前统计模型(CS)的自适应滤波算法,提出了一种基于当前统计模型的模糊交互多模型算法(CSFIMM)。该算法克服了模糊交互多模型算法精度较低和当前统计模型自适应滤波器方差调整有限的缺点。通过仿真,对所提出的算法和交互多模型(IMM)算法以及FIMM算法在估计精度和计算量两个方面进行了比较。     

一种层次数据表的设计与统计方法分析

根据一种层次数据的特点,采用层次编码标识实体的方式进行数据存取,并在此基础上进行表设计.使用触发器、存储过程、视图、客户端计算等方式逐层统计层次节点上的费用.最后,分析了这几种方式的特点和适用范围.     

一种Myriad滤波器中线性度参数的计算方法

以最小渐进方差准则为基础,分析了SαS分布模型参数对Myriad滤波器线性度参数的影响,推导了SαS分布模型参数α与Myriad滤波器的线性度参数K之间的关系曲线,提出了一种线性度参数K的计算表达式,并与传统的经验公式和实际数据进行了比较。结果表明:相对于传统计算方法而言,所提出的公式对实际数据的逼近效果更好、形式更为简洁,具有较强的实用性。     

一种基于模型的舰船目标特征提取方法

针对中分辨雷达,提出了一种基于模型的舰船目标特征提取方法。通过对特征向量的组合和加权提高了舰船目标的特征提取质量,在人工神经网络识别器中取得了较好的识别效果。     

一种高频区复杂雷达目标二维散射的参数模型

为描述高频区雷达目标复杂的二维散射 ,提出采用更贴近散射机理的、特征含量更为丰富的二维散射中心模型———类型区分的几何绕射理论 (TD GTD)模型。将一种高效的基于AGR的参数估计初始值选取方法 ,以及引入RELAX技术的最大似然估计算法 (ML RELAX) ,用于模型参量的估计。解决了同时估计多个散射中心这一造成计算量过大的根源问题。实验证实了TD GTD模型的合理性以及ML RELAX算法估计性能的优越性     

基于快速独立分量分析的异步多用户检测方法

深入分析了非理想功率控制下异步CDMA多用户接收机的信号特点,推导出了多小区接收信号模型。提出了基于快速独立分量分析(Fast Independent Component Analysis,FastICA)的异步多用户检测方法,该方法具有抗远近效应,抗多址干扰的能力。仿真结果表明:该算法具有迭代次数少、计算量小、多用户分离效果好的优点,非常适合于非理想功率控制下的多用户检测,该方法大大提高了非理想功率控制下多用户接收机的性能。     

PCA和ICA的舰船尾流后向散射光信号检测

水体的后向散射光信号是舰船尾流后向散射光信号检测的常见干扰,由于其在频域十分接近且信号强度大于尾流信号,因此严重影响了有用信号的提取。针对这一问题,提出了一种基于主成分分析(PCA)和独立成分分析(ICA)相结合的尾流散射光信号检测方法。首先使用主成分分析对采集的散射光信号进行降维,去除冗余成分,之后使用基于负熵的F astICA算法对数据进行处理,分离了水体和舰船尾流的散射光信号,通过实验验证了该算法的有效性。     

核独立分量分析的随机滤波剩余寿命预测模型

基于随机滤波的预测模型是剩余寿命预测方法的一个重要分支,当前制约滤波模型的一个重要问题就是如何对大量高维非线性状态监测数据进行特征降维,以易于模型参数求解.通过线性回归处理了非定期换油保养对油液数据的影响;运用核独立分量分析进行特征降维,消除了各维数据之间相关性对模型预测精度的影响;建立了基于油液增量的滤波模型,并设计了极大似然估计方法求解模型参数;最后实例验证了模型的有效性和实用性.     

独立分量分析在雷达盲信号处理上的应用

独立分量分析(ICA)是近年来发展起来的一种有效的雷达盲信源分离方法。目前新体制雷达的大量涌现,运用原有的雷达分选方法是无法分选的,这已经无法适应现代复杂的电磁环境。在深入分析FastICA算法的基础上,将其应用于连续波雷达信号分选中。计算机仿真表明,这种算法应用于连续波雷达盲信号分选时,不仅提高了信号的分选速度和信号分离的准确率,而且可以有效地提高信号分选的效能,也为盲信号处理提供了一种新的思路。     

基于独立分量分析和神经网络的钢结构损伤识别方法

为了有效剔除钢结构振动信号中的噪声,提取用于损伤识别的特征量,采用独立分量分析方法分离统计独立信号,同时得到表征结构损伤状态的混合矩阵,然后将混合矩阵作为特征量输入至神经网络进行训练,最后将训练好的神经网络作为分类器进行结构损伤识别.在冲击载荷作用下,针对钢框架结构模型进行了不同损伤部位的振动实验,结果表明:基于独立分量分析和神经网络的损伤识别方法具有较高的识别率和可重复性,而且实现简单,在结构损伤识别领域具有较大的应用潜力.     

基于时间序列预测的独立分量排序

独立分量排序是独立分量分析的热点问题,是提高特征空间鲁棒性和减少计算复杂度的必要前提。结合ICA在时间序列预测的应用,给出了基于一阶差分和最小方差误差的多分量联合重构预测排序准则。为了避免联合优化中出现的海量计算问题,提出了添加-测试-接受机制(ATA)的次优搜索方法。实验结果表明,和传统排序方法比较,新方法具有优异的预测能力和搜索效率。     

独立分量分析在液体火箭发动机故障检测中的应用

针对液体火箭发动机试车中,因噪声干扰、不同源信号之间的混叠而造成的信号信噪比低、信号分析和特征提取难度大的问题,提出采用独立分量分析(ICA)法对液体火箭发动机试车信号进行分离,以提高信号的信噪比,并能实时反映各子系统工作过程,为数据分析、特征提取和故障检测与诊断提供可靠的信号。通过对某型液体火箭发动机热试车压强信号进行实例分析,验证了该方法的有效性。     

基于ICA的油库阀门内漏声发射定量检测

基于声发射原理的阀门内漏检测作为一种动态无损检测方法得到了广泛应用,但是定量检测一直是研究难点。现有的内漏率定量检测模型计算方法因参数不易测定,导致计算困难,精度不高。采用独立分量分析(ICA)方法提取声发射信号特征向量,并与参考样本集的特征向量相比较,相似程度最高的即可作为待测阀门的内漏率。内漏模拟实验分别将常规参数、频谱成分和ICA提取特征作为特征向量进行比较,结果表明ICA提取的特征向量维数为15时,均方根误差可以达到0.01 L/min,能够满足工程检测需要。     

应用统计能量分析法预测板材隔声量

应用统计能量分析法SEA(Statistical Energy Analysis)预测板隔声量,先建立板材的SEA模型,将板材的隔声量预测转变成求解声振动功率的线性代数方程组,对方程组的变量(SEA参数)值进行确定,得出板材的隔声量,再根据混响室法测量板材实际隔声量。将预测结果与实验结果进行对比分析,证明统计能量分析法能有效的预测板材隔声量。     

广义模型的音频分析方法

目前网络数据中包含有大量的多媒体数据,音频作为多媒体信息的重要载体之一,蕴涵了丰富的语义,有效地丰富和补充了人们对信息的感知和获取。而目前的多媒体检索主要利用的是常规的信息检索技术诸如视觉信息,往往忽略了音频信息,这已不能满足需要。音频信息检索就逐渐成为多媒体信息检索的研究重点之一。基于此,针对音频信息检索问题展开讨论,提出一种利用广义模型进行音频分析的新方法。该方法可应用到音频检索中,实验证明了该方法的有效性。     

一种面向频域的通信信号盲干扰检测算法

针对低干信比和复杂动态情况下传统的干扰检测算法效率不高的问题,提出一种基于盲通信信号频域处理的未知干扰自动检测算法。该方法首先借助快速独立成份分析(FICA)从频谱差分数据中分离干扰和通信信号成份分量,然后利用各分量的峰度作为干扰与通信信号的识别特征检测干扰。实验结果表明,此算法能有效地在干信比小于5 dB的情况下从盲通信信号背景中自动提取未知干扰的信息,实现高精度地盲干扰检测。