认知无线电网络中基于检测概率的主用户定位算法

为了解决认知无线电网络中次用户对主用户进行定位的问题,提出了一种加权最小二乘的迭代定位算法。采用两状态马尔可夫模型作为主用户头像模型,能量检测作为次用户的感知模型。该算法可以在不干扰主用户正常工作的情况下,利用次用户之间的合作感知结果进行定位,并估计出主用户的三维地理位置位置信息。提出了一种可以降低定位算法复杂度的简化算法。通过对定位问题进行了理论分析,求出了均方误差的Cramer-Rao理论下界。仿真结果表明,算法的均方误差非常接近理论下界,能有效地估计主用户的三维位置信息,提高定位精度。     

结合概率矩阵的改进谱聚类社区发现算法

针对目前谱聚类算法的相似图包含较多错误社区信息的问题,引入了概率矩阵的概念,提出了一种改进的谱聚类社区发现算法。该算法首先利用马尔可夫过程计算节点间的转移概率,并基于转移概率构建复杂网络的概率矩阵;然后以均值概率矩阵重新构造相似图;最后通过优化归一化切割函数实现社区划分。采用人工网络和现实网络与其他典型算法进行对比实验,实验结果表明,该算法能够更加精准地划分社区,具有更加良好的聚类性能。     

基于改进隐马尔可夫模型的复合攻击预测方法

提出了一种基于改进的隐马尔可夫模型和维特比算法的复合攻击预测方法.在训练数据较少时,采用最大似然估计得到的隐马尔可夫模型可能存在较大误差,针对这种情况,采用修正的概率矩阵计算方法以降低误差.针对告警事件序列中存在误报的情况,在维特比算法中引入了一个判决门限,用于在告警事件存在误报的情况下对预测结果进行修正.基于DARPA2000数据集对提出的方法进行了仿真和实验验证,实验结果表明该方法能有效地提高攻击预测的正确率.     

利用预测滤波法估计小卫星姿态角速度

预测滤波法具有可直接处理线性或非线性模型、实时预测模型误差的优点。结合小卫星姿态运动学方程和预测滤波法,建立了简单的线性估计模型,实时估计姿态角速度,并保证了估计的最优性。仿真结果表明,对姿态角速度的估计精度较高,鲁棒性好。     

隐马尔可夫模型的构建及实现

隐马尔可夫模型在语音识别、自然语言处理、生物信息、模式识别等领域有着广泛的应用。介绍了隐马尔可夫模型的基本概念,分别叙述了隐马尔可夫模型的概率计算算法、学习算法以及预测算法。利用观测的海藻湿度数据作为训练数据,找出隐藏的转换概率,构建了隐马尔可夫模型,完成了预测天气变化的机器学习。     

HMM-based noise estimator for speech enhancement

A noise estimator was presented in this paper by modeling the log-power sequence with hidden Markov model （HMM）. The smoothing factor of this estimator was motivated by the speech presence probability at each frequency band. This HMM had a speech state and a nonspeech state, and each state consisted of a unique Gaussian function. The mean of the nonspeech state was the estimation of the noise logarithmic power. To make this estimator run in an on-line manner, an HMM parameter updated method was used based on a first-order recursive process. The noise signal was tracked together with the HMM to be sequentially updated. For the sake of reliability, some constraints were introduced to the HMM. The proposed algorithm was compared with the conventional ones such as minimum statistics （MS） and improved minima controlled recursive averaging （IM- CRA）. The experimental results confirms its promising performance.     

基于DMC-HMM模型的视频异常行为检测

针对视频检测算法中选取合适的图像语义特征提取算法的困难和检测计算效率不高的问题,该文提出了一种基于狄利克雷多项式共轭隐马尔科夫模型的视频异常行为检测算法,首先提出了狄利克雷多项式共轭模型用于抽取视频的底层特征的语义特征,接着将该模型与隐马尔可夫模型相结合进行视频异常行为的检测。通过校园人群流动和交通灯车辆流动实验证明,该方法具有较高的计算效率和检测性能。     

基于马尔可夫链的新型威胁评估预测方法

为了减少防空作战中二次打击时基于马尔可夫链的态势预测对大量历史经验的需求问题,采用一种状态转移矩阵推导算法,只需少量的历史数据即可推导出合理的状态转移阵。针对现实中作战双方相互打击可能受到的毁伤情况及其对态势预测的影响,提出一种新型的毁伤矩阵方案。该方案以前一轮的打击结果为前提,预测下一轮打击时的威胁。最后结合相关实例进行仿真分析,并通过试验结果证明了算法的可行性和有效性。     

基于量子条件主方程的隐马尔可夫模型

相比于经典的隐马尔可夫模型,量子隐马尔可夫模型有着求解速度快和参数数量少的优点而备受关注。但是在从经典到量子的转变过程中,可以发现量子隐马尔可夫过程与量子开放系统有着紧密的联系。不同于前人的研究,该文从开放量子系统出发,研究了量子隐马尔可夫与开放系统所对应的主方程之间的联系,并展示了两个工作:1) 研究了量子开放系统的条件主方程和量子隐马尔可夫模型之间的联系,并以量子输运系统为例,从理论上得到了量子条件主方程和量子隐马尔可夫模型之间的对应关系;2) 提出了一种基于极大似然估计思想的学习算法来解决量子隐马尔可夫模型中的参数求解问题。     

后验概率图与补白模型二次融合的关键词识别

使用全连接神经网络结合Softmax分类器对汉语的408个音节建立音节分类器,利用等长处理后的特征向量训练Softmax分类器,将Softmax分类器输出概率作为后验概率图,与隐马尔科夫补白模型（HMM/Filler）进行第一次融合,得到子后验概率图隐马尔科夫模型（Posteriorgram-HMM）. 针对关键词训练样本较少的问题,将标注样本进行强制切分,得到HMM每个状态上的训练数据. 将隐马尔科夫最大后验概率基线模型（HMM-MAP）与Posteriorgram-HMM进行第二次融合,提出最大后验概率图隐马尔科夫模型（Posteriorgram-HMM-MAP）. 在数据集上训练模型后,使用测试数据对其进行测试. 结果表明：Posteriorgram-HMM-MAP的综合识别率相比Posteriorgram-HMM提升了3.55%,相比HMM/Filler提升了10.29%.     

隐马氏链模型识别汉语四声声调

本文提出一种用隐马氏链模型识别汉语声调的新方案。由每一种声调的训练语音求出相应的概率模型参数作为识别模板。识别时,分别用每一种声调的模型参数计算出现输入语声周期序列的概率,概率最大者即为输入语声的声调模型。实验语音选用的是“小学汉语拼音教学录音磁带”,一个男声和一个女声,对于其中的24个韵母和21组拼音音节,正确识别率为98%。     

基于时间戳马尔可夫模型的入侵检测技术研究

入侵检测是保障网络安全的重要技术.在改进LPMC算法的基础上提出了LPMCST（Linear Prediction and MarkovChain With Time Stamp）算法.LPMCST算法采用时间戳标识,对特权进程的系统调用序列进行分段训练和检测,特别是在系统调用序列波动较大的情况下,使得模型更能反映系统实时状态,从而在保持原算法优点的基础上进一步降低了误报率和漏报率,提高了检测的准确度.     

基于BCJR的GMSK混合信号分离算法研究

针对GMSK混合信号单通道盲分离问题,提出将BCJR算法用于GMSK混合信号分离。根据GMSK信号连续相位的特点,通过建立混合信号模型的有限状态马尔科夫性,推导了利用BCJR算法实现GMSK混合信号分离过程。在不增加算法复杂度的情况下,选择每个时刻后验概率的多个极大值对分离算法进行了改进。仿真实验表明,在调制参数比较相近的条件下,即使相对幅度、相对相位、相对时延估计不够准确,改进算法仍能取得较好的分离效果。     

异构网络中多媒体业务的联合呼叫接纳控制

提出了3G与WLAN互连的异构网络中一种多媒体业务的联合呼叫接纳控制算法,针对不同类型用户的业务特性选择合适的优先接入网络,考虑到切换用户及不同业务类型用户的优先级,分别在3G和WLAN中设置了多级的接入门限值．运用多维Markov链模型对该算法的新呼叫阻塞率和切换呼叫掉线率性能进行了理论分析．仿真结果表明,本算法在满足不同类型用户的QoS需求的同时,在新呼叫阻塞率和切换呼叫掉线率之间获得了良好的折中,提高了系统整体性能．     

桥梁系统可靠性评估方法

为了评估桥梁结构系统的工作状态,在桥梁构件可靠性研究的基础上,提出了一种评估桥梁系统可靠性的新方法。利用Markov过程稳态概率作为评价桥梁结构系统可靠性的指标,建立了Markov过程稳态概率与桥梁构件的可靠性指标之间的关系,推导出了系统可靠性的关联矩阵R。对于实际的桥梁结构,可建立系统状态转移矩阵。当桥梁系统中各个构件的可靠性指标已知时,便可以得到系统可靠性的关联矩阵R。通过求解由R构成的Markov过程稳态概率计算方程,可得到桥梁结构系统各个状态的稳态概率,即为评价桥梁结构系统可靠性指标。分析计算结果证明了该方法的有效性和可行性,研究结果为桥梁结构系统可靠性的评估提供了一定的理论基础和实践方法。     

判决相关条件下联合频谱检测的性能分析

为了改善认知无线电中感知用户(未授权)对主用户弱信号的检测性能,采用多个感知用户合作的联合最优门限判决算法.在考虑参与联合检测的各感知用户判决门限具有相关性的条件下,通过理论分析和软件仿真,表明联合检测算法随着参与检测用户数目的增加,能够改善对主用户弱信号的检测性能.在融合中心虚警概率恒定的条件下,与给定各判决门限和系统融合准则的算法相比较,联合最优门限判决算法性能更好.但因各感知用户判决门限具有相关性,系统检测性能比各感知用户判决独立条件下有一定损失.     

Cooperative detection algorithm of spectrum holes in cognitive radio

To improve the detection performance of sensing users for primary users in the cognitive radio, an optimal cooperative detection algorithm for many sensing users is proposed. In this paper, optimal decision thresholds of each sensing user are discussed. Theoretical analysis and simulation results indicate that the detection probability of optimal decision threshold rules is better than that of determined threshold rules when the false alarm of the fusion center is constant. The proposed optimal cooperative detection algorithm improves the detection performance of primary users as the attendees grow. The 2 dB gain of detection probability can be obtained when a new sensing user joins in, and there is a 17 dB improvement when the accumulation number increases from 1 to 50.     

群目标跟踪自适应IMM算法

为提高对机动群目标在高量测误差下的跟踪性能,提出了一种自适应IMM群目标跟踪算法.首先,在群质心状态估计中,引入带有多重次优渐消因子的强跟踪滤波算法,提高机动阶段时对群质心状态估计的精度.其次,在扩展状态估计中,考虑量测精度对于扩展状态的影响,将量测误差和扩展状态同时纳入到量测似然函数的构建中,应用新息计算和渐消记忆迭代过程自适应更新量测误差协方差矩阵.最后,通过quasi-Bayesian方法自适应更新模型转换概率,利用量测数据修正模型转换概率,抑制非匹配模型作用,放大匹配模型作用,实时匹配跟踪模型与目标运动状态.仿真实验结果表明,该方法有效提高了对群质心状态和扩展状态的估计精度.     

一类隐非齐次马尔可夫模型的强极限定理

在假定隐藏的马氏链为非齐次且从隐藏链到观测链的转移矩阵列也与时刻n有关的情况下,对一类在发音过程中常用的隐马尔可夫模型进行研究.这类模型的主要特点是观测链不仅受当前状态的影响还与上一时刻的状态有关.先给出了该模型的强极限定律,然后得出了状态出现频率的强极根定理.     

基于瑞利混合隐马尔科夫模型的语音幅度谱分布估计

针对语音信号处理中语音短时幅度谱分布模型过于单一的问题,提出了一种基于隐马尔科夫模型的语音幅度谱分布估计算法。该算法利用瑞利混合模型作为语音幅度谱分布,采用隐马尔科夫模型将语音分成不同的状态,在每一状态中有一组瑞利混合模型参数与之相对应,通过把语音信号分成不同的状态对语音进行分类,为语音短时谱幅度建立更为准确的模型。