稳健估计用于氮化铝金属化工艺的研究

应用化学镀镍的方法实现了氮化铝的金属化。为得到较大的氮化铝金属化层粘附力 ,运用基于稳健估计的神经网络研究氮化铝金属化中化学镀镍的反应参数与金属层粘附力的关系。为使神经网络更加稳健 ,本文根据统计学原理 ,在前馈神经网络基础上 ,采取稳健估计方法改进神经网络。建立了定量预测粘附力性能的模型 ,并进行实验验证。确定金属化工艺中稳定的优化工作区域。结果表明 ,稳健估计方法既有传统神经网络的优点 ,又有较强的抵抗异常值的能力 ,具有较广泛的实用性。     

稳健估计用于氮化铝金属化工艺的研究

应用化学镀镍的方法实现了氮化铝的金属化。为得到较大的氮化铝金属化层粘附力，运用基于稳健估计的神经网络研究氮化铝金属化中化学镀镍的反应参数与金属层粘附力的关系。为使神经网络更加稳健，本文根据统计学原理，在前馈神经网络基础上，采取稳健估计方法改进神经网络。建立了定量预测粘附力性能的模型，并进行实验验证。确定金属化工艺中稳定的优化工作区域。结果表明，稳健估计方法既有传统神经网络的优点，又有较强的抵抗异常     

稳健的稀疏信号单快拍波达方向估计

通过稀疏重构得到传感器阵列输出数据的稀疏表示模型,研究了单快拍采样情形下的信号到达角(Direction of Arrival, DOA)估计问题。提出了一种基于最小均方误差(Minimum Mean-Square Error, MMSE)准则迭代实现的单快拍到达角估计算法(Iterative Implementation of MMSE, II-MMSE)。该算法将原有的稀疏表示模型中稀疏信号矢量的求解问题,转化为迭代求解稀疏功率对角阵,进而估计多目标信号的DOA。给出了算法的完整实现流程,从理论上分析了II-MMSE算法的迭代收敛性和对阵列模型误差的鲁棒性。仿真结果表明,II-MMSE算法在低信噪比、相干背景、小样本、阵列未校准等条件下都具有良好的测向精度和多目标分辨能力。     

加权稀疏信号重构的近场源定位方法

针对近场源定位问题,提出了一种使用加权L1范数优化进行稀疏信号重构的近场源定位方法。该定位方法分步完成目标的方位和距离估计。为了避免二维优化问题出现,首先利用均匀线阵的对称特性,通过菲涅尔近似,将二维参数估计的近场定位问题转换为类远场阵列的一维参数估计问题,接着将该一维参数估计问题转换为稀疏信号重构问题,通过类MUSIC权向量的构造,使用加权L1范数优化方法重构稀疏空间谱得到目标波达方向;在得到信号波达方向之后,再利用稀疏信号重构的思想求解信号源到阵列的距离。最后,通过数字仿真验证了算法在估计精度和分辨率等方面的优良性能。     

基于粗大误差估计的表面测量稳健滤波方法研究

将粗大误差估计理论与高斯滤波方法相结合,提出了一种新的表面测量稳健方法。首先由kσ准则对表面轮廓中的畸形信号进行判定、识别、修正,详细论述了相应算法;然后由移动平均逼近方法实现高斯滤波,建立表面轮廓中线;最后由原始轮廓和得到的稳健滤波中线分离出表面粗糙度轮廓,实现了稳健滤波目的。该方法算法简单、易于实现,对表面畸形信号能够较好地抑制。     

多失效模式机械系统可靠性稳健设计方法研究

将机械系统可靠性设计理论和稳健设计方法相结合,讨论了多失效模式机械系统可靠性稳健设计问题,提出了多失效模式机械系统可靠性稳健设计的计算方法．把可靠性灵敏度融入可靠性优化设计模型之中,将机械系统可靠性稳健设计归结为满足可靠性要求的多目标优化问题．在基本随机参数的前二阶矩已知的情况下,可以迅速准确地得到机械系统可靠性稳健设计信息．     

稳健估计用于氮化铝金属化工艺的研究

应用化学镀镍的方法实现了氮化铝的金属化。为得到较大的氮化铝金属化层粘附力,运用基于稳健估计的神经网络研究氮化铝金属化学镀镍的反应参数与金属层粘附力的关系。为使神经网络更加稳健,本文根据统计学原理,在前馈神经网络基础上,采取稳健估计方法改进神经网络。建立了定量预测粘附力性能的模型,并进行实验验证。确定金属化工艺中稳定的优化工作区域。结果表明,稳健估计方法既有传统神经网络的优点,又有较强的抵抗异常值的能力,具有较广泛的实用性。     

Matlab稳健回归在建立校准曲线中的应用

讨论了校准曲线的建立方法以及试验观测中的异常值对校准曲线拟合精度的影响。通过一个实例,利用Matlab中提供的一个稳健拟合命令robustfit说明采用稳健回归的方法可以大大提高校准曲线的拟合质量。     

基于频率着色的稀疏贝叶斯宽带波达角估计方法

为了提升稀疏贝叶斯(Sparse Bayesian Learning, SBL)算法在干扰环境下对目标信号的检测能力,提出将频率着色技术(Frequency Coloring, FC)推广至SBL算法中。在SBL-FC算法中,首先将阵列接收信号通过傅里叶变换转换至各个子带,在各子带内利用SBL算法进行波达角估计,输出功率谱。不同于常规的SBL算法仅将各子带的功率谱进行简单地叠加,算法考虑干扰和目标频谱结构的差异性,对各子带进行不同的着色,使得干扰和目标轨迹在方位时间历程图上对应于不同的颜色,从而使得目标轨迹更易被提取。数值仿真和实验数据分析表明,利用目标和干扰频谱结构的差异性可有效提升SBL算法在干扰环境下对目标信号的检测能力。     

抑制运动强干扰的稳健波束域目标方位估计方法

为了减小来自旁瓣区快速运动的强干扰对波束域高分辨方位估计方法的影响,提出一种稳健的波束域高分辨方位估计方法。该方法在形成多波束时,将稳健自适应波束形成与零陷扩宽技术相结合,有效地抑制了运动强干扰所造成的快拍失效和扫描方向误差引起的自适应波束图畸变,从而保证波束域方法能准确地估计目标方位。仿真结果验证了该方法的有效性。     

基于改进遗传算法的反卷积信号识别

信号处理中的反卷积是一个不适定问题，在泛涵理论上求取反卷积正则解的关键足求距离的最小。遗传算法在优化方面具有优势，因此提出用遗传算法优化求取最小值进行反卷积信号诊断。但足由于传统的遗传算法存在着一些问题，易陷入局部极小点导致成熟前收敛，使得反卷积问题的解决有误差，恢复的波形具有波动性，精度还不够，由此我们对传统的遗传算法进行了改进，改进后模拟计算发现恢复的信号波形精度明显上升，和原信号波形很相象，比较准确地反映了原信号固有的特性。     

基于频域盲解卷的噪声信号分离

由于机械噪声传播过程中存在反射等多种因素影响，大多数情况下混合噪声分离更适合采用卷积模型，为此提出了一种多频点盲解卷算法。有别于传统的频域盲解卷算法，新算法利用有限的少数几个频率点直接从频域模型恢复出时域噪声信号。算法为瞬时混合盲分离。主成分分析一瞬时混合盲分离结构，首先对给定的每一个频率点执行瞬时混合盲解卷算法，获得噪声源的基本估计，然后再经过主成分分析和第二次盲源分离。提高分离性能和增加算法鲁棒性。由于算法不需要对所有频率点执行瞬时混合分离，计算量小，同时也不存在传统频域盲解卷算法排列顺序不确定性的缺点，具有较好的应用价值。仿真实验证实了新算法能有效地分离机械噪声信号。     

基于干扰观测器的鲁棒高精度转速估计方法

 动态转速的高精度测量是高性能运动控制中的重要问题,尤其对于低速运动情况.针对该问题,提出一种新型实时转速估计方法,对系统外部扰动和建模误差,采用扰动观测器进行估计,再将其输出引入转速观测器,从而保证转速估计的收敛性,并增强其鲁棒性.以直流高精度伺服系统为例,进行了仿真和实验研究,结果表明该方法有效,鲁棒性强,且对角位置量化噪声不敏感.     

Studies on the Effects of Estimator Selection in Robust Parameter Design under Asymmetric Conditions

The primary goal of robust parameter design (RPD) is to determine the optimum operating conditions that achieve process performance targets while minimizing variability in the results. To achieve this goal, typical approaches to RPD problems use ordinary least squares methods to obtain response functions for the mean and variance by assuming that the experimental data follow a normal distribution and are relatively free of contaminants or outliers. Consequently, the most common estimators used in the initial tier of estimation are the sample mean and sample variance, as they are very good estimators when these assumptions hold. However, it is often the case that such assumed conditions do not exist in practice; notably, that inherent asymmetry pervades system outputs. If unaccounted for, such conditions can affect results tremendously by causing the quality of the estimates obtained using the sample mean and standard deviation to deteriorate. Focusing on asymmetric conditions, this paper examines several highly efficient estimators as alternatives to the sample mean and standard deviation. We then incorporate these estimators into RPD modeling and optimization approaches to ascertain which estimators tend to yield better solutions when skewness exists. Monte Carlo simulation and numerical studies are used to substantiate and compare the performance of the proposed methods with the traditional approach. Copyright © 2012 John Wiley & Sons, Ltd.     

基于马尔可夫随机场的快速乘性迭代盲去卷积

提出了一种乘性迭代盲图像去卷积算法,该算法假定被估计的图像与PSF满足MRF模型.除了自动地保持非负性约束外,算法引入了一组新的具有抗噪功能的差分算子,该算子首先加权求和然后进行差分运算.交替最小化方法被用来将盲图像去卷积这一非线性反问题线性分解为交替的图像恢复步与PSF估计步.在交替迭代过程中,考虑到算法收敛较慢,一种称为向量外推的加速方法被采用.数值实验结果表明,本算法能快速地实现对降质的中巴地球资源卫星02B星高分辨率图像的复原,同时有效地保存了图像的细节边缘并抑制了噪声.     

Deconvolution of Acoustic Emission and Other Causal Time Series

A new technique, root projection (RP), is given for quantitative deconvolution of causal time series in the presence of moderate amounts of noise. Deconvolution is treated as a well-conditioned but underdetermined problem and a priori information is employed to obtain comparable noise reduction to that achieved by singular value decomposition (SVD) techniques while providing more accurate frequency information about the inverse. Two detailed examples arc given. The first gives noise analysis for alternate methods for deconvolution with a Gaussian kernel. The second example presents a model acoustic emission transducer calibration problem with typical noisy and incomplete output data. This example is treated by the use of a robust cross-cutting algorithm combining both the RP and SVD methods.     

Robust multiscale algorithms for gradient‐based motion estimation

Gradient‐based techniques represent a very popular class of approaches to estimate motions. A robust multiscale algorithm of hierarchical estimation for gradient‐based motion estimation is proposed in this article using a combination of robust statistical method and multiscale technique. In such a multiscale approach of hierarchical estimation, motion at each level of the pyramid is estimated using different gradient filters. The iterative multiscale estimation begins by using five‐tap central filter, and it is switched to nine‐tap Timoner filter after a few iterations. In addition, robust M‐estimators are applied at each level of the pyramid to overcome the problem of the outliers caused by illumination variations and motion discontinuities in motion estimation. Experimental simulations show that the new algorithm not only provides an improvement in estimator accuracy, but also achieves computational speedups. © 2008 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 17, 333–340, 2007