基于AR模型的Rao检测算法

将相关噪声看作为AR模型，在未知信号复幅度而已知目标多普勒频移情况下，利用Rao检验方法实现了雷达目标检测。该算法只在编假设条件下对未知参数进行最大似然估计，并通过计算机仿真了该检测算法的检测性能。仿真结果表明该检测算法的检测性能与GLRT算法性能相当，而结构则更为简单，同时文中也给出了该检测算法的渐近性能。     

一种改进的AR谱估计方法

分析了现有的基于最小二乘法的AR参数模型的谱估计算法在信噪比较低时估计效果差的原因，提出了一种基于协方差成形最小二乘法的改进的参数模型AR谱估计算法。这种算法建立了以线性模型的真实输出与估计输出的均方误差为模型的代价函数，并选择满足一定约束条件的线性变换估计使得该均方误差最小。仿真结果表明，这种算法虽然是有偏估计，但在信噪比不高的情况下，估计效果优于Yule—Walker等参数模型AR谱估计方法，而在信噪比较高的情况下，二者估计效果相当。     

平稳过程突变的在线检测与辨识

将稳健－容错辨识与突变检测技术相结合,在合理给出模型参数容错辨识算法的基础上,构造了一组实用、可靠的平稳过程脉冲型故障在线检测与幅度辨识算法;通过过程输出信息差分处理,合理地建立了阶跃型与脉冲型突变之间的转换关系,架起了利用脉冲型的故障检测与辨识方法处理阶跃型突变问题的桥梁;通过仿真计算,证实了检测与辨识算法的有效性。     

基于输出累积量的 ARMA(AR)系统的一致性阶次递推辩识(英文)

本文提出了一种根据系统输出的观测数据对ARMA（AR）系统进行盲识别的新算法。该模型由独立同分布非高斯随机序列驱动，其输出序列中含方差未知的加性高斯噪声。通过求解基于三阶累积量谱的代价函数，该算法以模型阶次递推形式同时辩识ARMA的系统阶次和估计出系统参数。文章给出了该算法一致收敛性的证明，并对两类不同阶次的最小及非最小相位ARMA系统的AR参数及阶次辩识进行了数字仿真，结果令人满意。     

基于SIR粒子滤波状态估计和残差平滑的故障检测算法

很多基于模型的随机系统故障检测方法要求系统模型线性且服从高斯分布,对于非线性非高斯随机系统这些方法性能欠佳.目前基于SIR粒子滤波似然函数值的故障检测算法是一种较好的非线性随机系统故障检测算法.本文提出一种基于SIR粒子滤波状态估计和残差平滑的故障检测算法.该算法采用SIR粒子滤波获得系统状态估计值,用系统状态观测值与系统状态估计值的理想观测值之差作为反映故障的残差,再利用残差平滑值进行故障检测.实验结果表明,在状态转移噪声方差远小于状态观测噪声方差时,该算法的故障误报率与基于SIR粒子滤波似然函数值的故障检测算法接近,而该算法的故障漏报率明显优于后者.     

多源导航系统软、硬故障检测新方法研究

故障检测和隔离对提高无人机的导航精度和可靠性有重要意义.针对残差卡方算法对小值软故障灵敏度差,改进序贯概率比(SPRT)算法无法判断故障结束时间的缺陷,提出了一种联合故障检测算法.该算法依靠残差卡方算法判断故障结束时间,从而及时对改进SPRT算法检测值进行修正,使改进SPRT算法能继续检测非第一次故障.改进SPRT算法对故障的灵敏度高,且残差卡方算法能准确判别故障结束时间.仿真结果表明,该综合算法对小值软故障、大值阶跃故障都有很好的检测效果,有效提高了系统的故障检测能力及灵敏度,增强了组合导航系统的可靠性.     

基于改进ALIF与FA-BP的滚动轴承故障诊断

针对滚动轴承的故障信号存在大量噪声信号和滚动轴承故障的准确诊断等问题，提出一种基于改进自适应迭代滤波算法与萤火虫算法优化BP神经网络相结合的故障诊断新方法。首先采用自适应迭代滤波算法对故障信号进行分解得到若干个内禀模态函数，再进行奇异值分解，绘制差分谱曲线并选择重构信号，对其进行二次降噪；然后通过萤火虫算法寻找BP神经网络的最佳参数，建立FA-BP故障诊断模型，提取降噪后的内禀模态函数中心频率形成特征矩阵，输入故障诊断模型；最后应用于美国凯斯西储大学的轴承数据进行检测，准确率达99.4%，诊断时间为3.18 s。该方法与BP神经网络、萤火虫算法网络、遗传算法网络、遗传算法优化BP神经网络的诊断模型相比，大大提高了诊断效率并具有较高准确率。     

基于AR模型的网络异常检测

在网络流量管理中流量异常的一般检测方法是阈值监控，文章提出一种新的异常检测方法，选取适当的SNMP管理信息库变量，建立对相关变量的局部AR（自回归）模型，检测并分析一种服务器故障引起的流量异常，获得该故障的特征向量模型；该检测方法比阈值方法有更强的检测功能，并与传统GLR测试方法进行对比。     

基于决策树算法的入侵检测研究

针对目前网络环境日益复杂，传统的入侵检测效率较低，为提高网络入侵检测的效率和准确性，本文提出一种基于决策树算法的入侵检测模型。针对决策树算法准确性高、速度快可以处理高维数据等特点，采用多种类型的决策树算法对入侵数据特征分析处理，然后对比效果，最后对网格搜索算法进行改进，提高网格搜索算法优化模型参数的效率。通过实验分析，在模型的精确率、F1值，AUC值等评估指标上都有较好的效果，验证了本文所提方法的有效性。     

参数可变AR干扰建模及实现

在抗干扰仿真系统中,需要建立不同的干扰模型来测试系统的性能.自回归(AR)干扰模型是一种使用非常广泛的干扰模型.在深入分析自回归AR干扰模型的特性、分析方法和参数求解算法的基础上,提出了一种功率和带宽等参数可变AR干扰建模的方法,通过对AR模型带宽、功率的控制和调整,建立不同特性的干扰,以达到对抗干扰仿真系统的测试.仿真实验结果说明,该方法简单,有效,使系统性能检测的实现更加灵活,在实际的工程中能够得到广泛的应用.     

Fault detection and diagnosis method for heterogeneous wireless network based on GAN

Aiming at the problem that in the process of network fault detection and diagnosis,how to train the precise fault diagnosis and detection model based on small data volume,a fault diagnosis and detection algorithm based on generative adversarial networks (GAN) for heterogeneous wireless networks was proposed.Firstly,the common network fault sources in heterogeneous wireless network environment was analyzed,and a large number of reliable data sets was obtained based on a small amount of network fault samples through GAN algorithm.Then,the extreme gradient boosting (XGBoost) algorithm was used to select the optimal feature combination of input parameters in the fault detection stage and completed fault diagnosis and detection based on these data.Simulation results show that the algorithm can achieve more accurate and efficient fault detection and diagnosis for heterogeneous wireless networks,with an accuracy of 98.18%.     

一种基于增量贝叶斯疑似度的事件驱动故障定位算法

现有的故障定位算法大多基于时间窗口,窗口大小设置的合理与否会对算法准确度产生重要影响。为了避免因窗口设置不当造成算法性能的下降,该文以概率加权的二分图作为故障传播模型,提出了一种基于增量贝叶斯疑似度(Incremental Bayesian Suspected Degree,IBSD)的启发式故障定位算法。IBSD算法采用事件驱动的方式依次分析观察到的征兆,通过增量计算对应故障的贝叶斯疑似度,确定当前征兆前提下最有可能的故障集。仿真实验表明,IBSD算法具有较高的故障检测率和较低的故障误检率,即使在部分告警无法观察的情况下,算法依然具有较高的故障检测率。算法具有多项式计算复杂度,可以满足大规模通信网故障定位的要求。     

A new approach to speech segmentation based on the maximum likelihood

Successful speech recognition is highly dependent on appropriate speech segmentation. The poor efficiency of the sequential detection of abrupt changes in the signals with relatively short stationary intervals, as is the case with speech signals, can be improved by the off-line maximum likelihood segmentation algorithm. In this paper the new segmentation algorithm is presented. For the a priori known number of segments, the algorithm determines such signal partitions for which the sum of segment distortion is minimal. The generalized maximum likelihood distortion measure has been introduced, and has proven to be particularly efficient on short signal segments. In the case of an unknown number of segments, its estimate is obtained comparing the reduction of the distortion. The asymptotic properties of the distortion sequence have been analyzed, which led to the definition of the presented segmentation algorithm. The introduced measure can be applied both to the AR and ARMA models. The segmentation algorithm is verified on test signals as well as on the natural speech signal, for which the pitch synchronous framing scheme is applied. The experimental results also include a comparison of the AR and ARMA model-based segmentations. The first results show that ARMA model-based segmentation gives somewhat better results than the AR model algorithm.Research supported in part by the Mathematical Institute of the Serbian Science Academy and Serbian Science Foundation.     

基于数值微分的树突状细胞故障检测方法

针对现有树突状细胞算法（dendritic cell algorithm,DCA）在不同类型设备的故障检测中严重依赖人工经验定义输入信号,缺乏适应性和完备性,提出了一种基于数值微分的树突状细胞故障检测模型——NDDC-FD.首先,引入变化是系统危险发生的征兆和外在表现的思想,提出了一种基于变化危险感知的信号自适应提取方法,采用数值微分描述数据的变化,再从变化中提取输入信号.其次,原DC模型中异常抗原的评价方式对突变性故障能有效检测,却无法及时发现渐变性故障,提出了采用T细胞浓度作为故障评价指标.最后,在DAMADICS和TE两个基准平台上,将本文方法与原DCA算法和传统主元分析法（principal component analysis,PCA）进行比较测试.实验结果表明NDDC-FD方法不仅提高了原DCA算法的适应性,且和DCA、PCA相比具有较高检测率的同时,更能较早地检测到渐变性故障.因此,本文提出的故障检测方法NDDC-FD具有一般性,且性能良好.     

一种基于频谱估计的跳频系统干扰检测算法

跳额通信系统由于具有良好的抗干扰和抗衰落性能以及保密性强等优点,已被广泛应用于空间通信系统中.跳频通信系统的干扰检测是空间通信系统信道质量评估的一个关键环节,也是自适应跳频系统的关键核心技术.本文在跳频宽带接收模型基础上,分析对比了多种频谱估计能量检测算法,提出了一种基于AR模型的跳频干扰检测算法,并详细分析了其算法原理和门限设置算法,对多音干扰和部分频带干扰进行检测.经过仿真验证,在无线电静默期和通信过程中该算法都具有很好的检测性能.     

改进的小波神经网络在变压器故障诊断中的应用

为提高变压器油溶解气体分析法的故障诊断能力,以变压器油溶解气体作为研究对象,提出了加动量批处理小波神经网络算法。选取200组油溶解气体含量作为故障识别样本,通过多输入/多输出模式小波神经网络模型的构造,对训练过程和仿真结果进行对比分析。实验结果表明,改进的小波神经网络算法故障检测符合率高达95%,较传统的检测算法提升十几个百分点,从而极大的提高了故障诊断效率,实用性较好。     

基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法

为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。     

基于盲源提取的强混响背景下LFM信号回波检测

在主动声纳进行浅海区域的沉底、掩埋目标探测中,海底混响是主要的背景干扰,其严重影响了LFM信号回波的检测。基于自回归(AR)模型的预白化算法虽能适应匹配检测,但在低信混比时检测效果不甚理想;基于分数阶傅里叶变换(FRFT)的分数域滤波算法虽能抑制混响,但随着混响增强检测性能衰减较快。本文提出一种改进的基于线性预测的盲源提取算法(LP-BSE),通过利用待提取信号与发射信号强相关的先验知识,采用最小二乘法估计并固定对应线性预测器参数;然后通过构造最小均方预测误差准则,迭代求取解混向量以提取用于匹配检测的期望回波。仿真结果表明,该算法有着更好的匹配检测效果且更稳健。串联LP-BSE与FRFT形成联合方法,匹配检测性能得到进一步提升。      

海杂波AR谱多重分形特性及微弱目标检测方法

该文研究了海杂波功率谱的多重分形特性。为了克服频谱傅里叶分析的缺点,用现代谱估计的方法来计算海杂波的功率谱。AR模型是一个线性预测模型,它通过序列的自相关函数矩阵来估计功率谱,并且具有更精确的频谱分辨率。该文主要分析基于AR谱估计的海杂波功率谱的多重分形特性,以及在微弱目标检测中的应用。首先,以分数布朗运动(FBM)模型为例,证明其功率谱具有多重分形特性。其次,根据X波段雷达的实测海杂波数据,通过多重去趋势分析法(MF-DFA)验证了海杂波AR谱的多重分形特性。最后,分析了海杂波AR谱的广义Hurst指数以及影响参数,并提出一种基于局部AR谱广义Hurst指数的目标检测方法。实验结果表明,该种检测方法具有海杂波背景下微弱目标检测的能力。与现有的分形检测方法和传统的CFAR检测方法对比,该算法在低信杂比情况下具有较好的检测性能。