Single-channel blind separation of overlapped multicomponents based on energy operator

A method utilizing single channel recordings to blind separate the multicomponents overlapped in both time and frequency domains is proposed in this paper. The main idea of the method is based on using the energy operator and differential energy operator to estimate instantaneous frequencies and amplitudes of each component and then to reconstruct these components. This method, due to the good time resolution of the energy operator and differential energy operator, as well as the very low computational comp...     

基于AR模型思想的高斯过程多模型建模方法

针对K-近邻算法中难以确定K值的定量问题,提出一种基于AR模型思想的高斯过程多模型建模方法。该方法借鉴AR模型的思想,将前一时刻的输出值作为当前时刻输出值的一个影响因素放入输入集中,通过计算训练样本的平均最小距离从而得到一个搜索半径,根据搜索半径来确定K值和K个近邻样本的权重,采用加权输出的方式以得到组合模型的输出。将其建模方法应用到某双酚A反应釜出口苯酚含量的软测量建模中,仿真结果表明,该方法具有较高的精度和较好的模型推广能力。     

时变迭合AR模型的参数估计*

首次提出了时变迭合ＡＲ模型,该模型在实际应用中具有广泛的应用价值．应用两步最小二乘法和限定记忆递推最小二乘法,给出了模型中时变参数的递推估计算法,该算法仅依靠量测数据即能自适应进行．仿真计算及应用结果表明：算法能够自适应地跟踪量测数据模型参数的变化,效果是令人满意的．     

AR1MA时间序列模型在电信产品收入预算中的应用

本文通过AR1MA时间序列模型,利用SPSS统计软件对某电信产品收入进行了预测研究。结果表明,模型拟合较好,将模型预测数据与实际数据比较显示,模型预测精度较高。为电信制定经营决策、编制下年度的工作计划提供依据与参考。     

功率谱估计和扩展子空间下的欠定盲分离

研究了欠定情形下的信号盲分离。充分利用信号的时频特性,提出了AR模型功率谱估计法滑动估计信号频率,设计带通滤波器近似获取源信号和欠定混合矩阵,以及扩展子空间向量基构造完备观测信号的方法,将问题转化为完备情况下的盲分离,最后运用FastICA方法实现了信号盲分离。仿真实验数据表明方法的可行性和有效性,为欠定盲分离问题研究提供了新的思路。     

井下UHF宽带传播多径信道的频域AR建模

根据信道脉冲响应波形,文章对井下UHF宽带无线电波多径信道进行了频域自回归(AR)建模与仿真,证明了频域AR模型在井下多径信道应用的可行性,这为井下宽带乃至超宽带无线通信的信道模型计算机仿真研究提供了一种新思路。仿真结果表明,频域AR模型只需要很少的模型参数就可给出一个比较精确的信道描述,是信道建模比较理想的选择。     

基于多信号模型和盲源分离的复合故障诊断方法

利用多信号模型可简明表征系统因果关系以及盲源分离算法可提取系统本源信息的特点, 提出一种新颖有效的复合故障诊断方法. 首先, 针对复合故障下多信号模型出现冗余测试和故障模糊组的情况, 应用盲源分离算法实现测点信息的盲分离, 基于盲信号重建多信号模型的因果结构; 其次, 理论分析了该方法对复合故障具有良好的可诊断性. 轧制过程AGC系统的实验结果表明, 所提出方法对双复合故障和部分多复合故障的隔离和定位准确率可达100%.

     

FSS-kernel与FastICA融合的盲源分离算法研究

Fast ICA算法有着比传统ICA算法更快、更稳健的收敛速度,但由于其选用的非线性函数不能很好地符合源信号的统计特性,恢复结果并不理想。针对该问题,提出了一种有限支持样本核函数(FSS-kernel)与Fast ICA融合的盲源分离算法。该方法是通过FSS-kernel算法估计得出源信号概率密度函数,结合Fast ICA算法,实现混合信号的盲分离。仿真结果表明,该方法能够有效地完成混叠信号的分离,通过与传统ICA算法及Fast ICA算法比较,证明了该方法具有更高的分离精度和自适应能力。     

基于回归神经网络的非线性时变系统辨识

为克服基于前馈神经网络的非线性系统辨识算法存在需预先估计系统输入输出滞后阶数的缺陷，提出一种基于回归神经网络的非线性时变系统的辨识算法，针对现有的回归网络学习算法大多采用梯度算法，收敛速度缓慢问题，提出一种具有快速收敛性的扩展卡尔曼滤波学习算法，大大提高了学习收敛速度，并推导了一种基于单个神经元的局部化算法，减少了计算量，仿真实例证明，所提出的算法是有效的。     

基于多种先验的盲图像复原方法

基于好的还原图像是倾向于清晰图像而不是模糊图像这样一个事实,提出了一种基于多种先验的有效的盲图像去模糊方法。目前比较好的去模糊方法对于特定场景图像的复原效果不理想,存在一些模糊,包括轮廓和细节表示不清晰。为解决这些问题,结合多个先验知识,包括暗通道先验、强度图像先验和梯度图像先验知识,并加以权衡,就可以在复原过程中为轮廓和细节提供更多的先验信息,并把这个先验知识放到MAP的框架中,通过不断地迭代得到估计模糊核,再利用非盲的图像复原方法对原图像复原。在泛化处理自然环境的多种场景中,本文方法相较于目前比较先进的方法,结果的轮廓和细节都有不错的提升。     

基于变约束规划模型的炼钢连铸动态调度

针对炼钢连铸生产过程中时常出现各种扰动, 采用人工调度存在反应慢、调度结果不优化的问题, 在分析各种调整方式基础上, 建立了在线调整非线性规划模型, 通过约束变化满足不同的调整方式要求, 并将模型转化为线性规划模型后对其进行求解. 在国内某大型钢厂应用结果表明: 采用该方法在缩短动态调度时间、减少钢水冗余等待时间、提高设备负荷率方面取得显著成效.     

基于时延估计组合模型的NCS控制方法研究

在对网络传输时延的组成和特性进行分析的基础上,针对双边网络控制系统,提出了一种时延估计组合模型,并对该组合模型的有效性进行了评估。利用该模型进行网络时延估计,估计结果用来设计网络时延补偿控制器,以实际网络时延为实验数据进行了仿真实验,实验结果表明网络控制系统的动态性能有了明显改善,同时进一步证实了时延估计组合模型的有效性。     

MIMO型RFID的传感标签盲源分离防碰撞算法

针对传感标签密集的多输入多输出型射频识别(MIMO-RFID)系统中标签同时响应导致一系列的碰撞问题,提出了一种并行识别传感标签的欠定盲分离的防碰撞算法(BFast-ICA).在快速独立分量分析(Fast-ICA)算法的基础上,采用更高阶次的迭代方法,实现碰撞传感标签信号的欠定盲分离.在分离性能和吞吐量两个方面进行性能仿真,实验结果表明:改进的防碰撞算法能够更快地分离传感标签信号;在阅读器天线数目相同的情况下,最大吞吐量比当前的盲分离标签防碰撞算法提高了40％以上.     

基于ARIMA模型的光纤陀螺随机漂移滤波方法研究

对光纤陀螺随机漂移输出进行了非平稳性检验,并建立了非平稳求和自回归滑动平均(ARIMA)模型,在此模型的基础上对光纤陀螺随机漂移进行卡尔曼(Kalman)滤波,并对滤波结果进行Allan方差分析。与基于自回归(AR)模型的Kalman滤波结果进行比较,实验结果表明:基于ARIMA模型的Kalman滤波比基于AR模型的Kalman滤波更能减小光纤陀螺的零偏不稳定性和角度随机游走。     

基于新阈值函数小波变换的噪声盲分离算法*

将一种基于偏差去除技术的自然梯度算法应用于噪声盲分离中,估计出分离矩阵,并采用一种新的小波阈值函数对已分离出的含噪信号进行去噪处理。通过计算机仿真验证,该算法分离效果良好,盲分离结果具有更高的信噪比。     

基于HMM时间序列预测和混沌模型的DDoS攻击检测方法

分布式拒绝服务（DDoS）攻击是网络环境中最具破坏力的攻击方式之一,现有基于机器学习的攻击检测方法往往直接将某时刻的特征值代入分类器进行分类,没有考虑相邻时刻特征之间的联系,因而导致误报率和漏报率较高。提出一种基于隐马尔科夫模型HMM时间序列预测和混沌模型的DDoS攻击检测方法。针对大规模攻击网络流量的突发性,定义网络流量加权特征NTWF和网络流平均速率NFAR二元组来描述网络流量的特点;然后采用层次聚类算法对训练集进行分类,以获取隐层状态HLS序列,利用NTWF序列和HLS序列对HMM进行监督学习获得状态转移矩阵和混淆矩阵,以预测NTWF序列;最后通过混沌模型分析NTWF序列的预测误差,结合基于NFAR的规则来识别攻击行为。实验结果表明,与同类方法相比,所提方法具有较低的误报率和漏报率。     

基于EEMD和ICA的单通道列车信号盲分离

针对列车混合故障的诊断,提出了一种基于集合平均经验分解（EEMD）和独立分量分析（ICA）的盲分离诊断方法。通过EEMD算法将混合信号分解为包含不同源信号特征的本征模态函数（IMF）,组成新的多维信号;用主成分分析准确估计源信号个数,解决了单通道信号盲分离的欠定问题;利用快速独立分量分析（Fast-ICA）算法实现了信号的盲分离。实验信号分别采用仿真信号和列车实验信号进行实验,实验结果表明,该算法可以有效地分离出列车的单故障信号。     

非线性Hammerstein系统辨识的动态分离方法

利用同幅值的M序列和逆M序列作为输入信号, 对Hammerstein模型中的线性动态部分进行分离处理, 通过辨识得到一个线性动态模型. 基于此线性模型, 依据系统的测量输出重构出系统的中间输入. 最后由系统的测试输入和中间输入估计出非线性部分的参数. 仿真结果表明本方法的有效性.     

基于峭度的BSS开关算法的语音信号盲分离*

盲信号处理算法主要有批处理和自适应算法两类,导出了一种基于峭度的自适应盲源分离（blind source separation,BSS）开关算法,将该算法应用于语音信号盲分离处理,通过综合实验,从分离前后的波形、频谱图和主要评价参数说明该算法具有良好的信号分离效果。与批处理中的典型算法,如扩展联合对角化（joint approximative diagonalization of eigenmatrix,JADE）和四阶盲辨识（fourth orther blind identification,FOBI）算法比较,该算法具有更好的分离效果。     

基于组合模型的非线性时间序列预测算法

为解决复杂系统中非线性时间序列预测模型构建效率低、预测精度低的问题,提出基于组合模型的HURST-EMD预测算法.采用EMD算法将非线性时间序列分解为代表原始序列特征的各个IMF,然后引入赫斯特(Hurst)指数将同类的IMF整合为新的分量,最后选用LS-SVR-ARIMA模型进行组合预测.在该算法中,设计了序列分类整合等过程,优化了建模的计算量,构建了高效精准的预测模型.为验证模型的有效性,采用上证指数公共数据集和真实交通流数据进行检验,实验结果表明,改进的基于组合模型的HURST-EMD预测算法在提高预测效率的同时具有更好的预测精度.