基于时间序列模型的机载火控系统精度检测

根据机载火控系统和雷达观测的数据，利用时间序列及模型的有关理论，用MAT-LAB进行了仿真和火控精度测定。结论表明这种方法在火控精度测定方面具有明显的优势。     

三浮陀螺随机漂移数据建模

采用时间序列分析理论,通过实测数据对三浮陀螺的随机漂移建立了自回归滑动平均(ARMA)模型,详细探讨了数据处理与模型建立的过程.利用MATLAB设计了建模软件,减轻了数据计算的工作量,并分析了相关结论.结果表明,模型能准确反映陀螺漂移的特性.     

基于随机Transformer的多维时间序列异常检测模型

针对已有基于变分自编码器（VAE）的多维时间序列（MTS）异常检测模型无法在隐空间中传播随机变量间的长时依赖性问题,提出了一种融合Transformer编码器和VAE的随机TransformerMTS异常检测模型（ST-MTS-AD）。在ST-MTS-AD的推断网络中,Transformer编码器产生的当前时刻MTS长时依赖特征和上一时刻随机变量的采样值被输入多层感知器,由此生成当前时刻随机变量的近似后验分布,实现随机变量间的时序依赖。采用门控转换函数（GTF）生成随机变量的先验分布,ST-MTS-AD的生成网络由多层感知器重构MTS各时刻取值分布,该多层感知器的输入为推断网络生成的MTS的长时依赖特征和随机变量近似后验采样值。ST-MTS-AD基于变分推断技术学习正常MTS样本集分布,由重构概率对数似然确定MTS异常片段。4个公开数据集上的实验表明,ST-MTS-AD模型比典型相关基线模型的F1分数有明显提升。     

基于HMM的通信流量异常检测

选用HMM在原模型的基础上针对算法下溢、概率转移矩阵过大、计算结果P(O|Ψ)值过小等问题分别进行优化.使用优化后的HMM对训练集进行训练,并根据训练结果,调整部分参数使模型正确率得到提高.实验结果证明HMM在通信流量时间序列异常检测方面效果更好.HMM作为异常检测的基本算法,因其不需要针对每种类型的异常点分别进行优化,从而降低了复杂度,且对未知异常值也有一定的检测能力.     

基于VC++的汽车语音驾驶助手的设计与实现

在VC++的编程环境下设计了一个小词汇量孤立词非特定人的汽车语音识别系统,系统中的识别词汇都是汽车驾驶员在驾驶过程中可能做的一些手控操作.语音预处理采用的是改进后的端点检测算法.实验分析时,在测试数据中加入噪声库(NoiseX-92)中的车内噪声来模拟汽车驾驶环境,并提出随机映射梅尔频率倒谱系数来增强噪声环境下系统的鲁棒性.测试数据表明,使用随机映射特征参数使得系统的抗噪声能力得到了很大的提升.     

单比特频数检测和块内频数检测的快速实现研究

随机序列在密码技术中占有非常重要的地位,随机性检测利用概率统计的方法对随机序列的随机性进行分析测试。美国国家标准与技术研究院(NIST)和我国国家密码管理局都发布了各自的随机性检测规范,二者都将单比特频数检测和块内频数检测作为其检测项。研究了单比特频数检测和块内频数检测的快速实现,提出了三种新的快速实现算法。这三种算法可以使单比特频数检测、块内频数检测和两种检测综合实现的速度分别提升29.2倍、15.5倍和32.8倍。     

基于极大似然估计的奇异点检测

信号的奇异点往往包含信号比较重要的信息,对其进行检测和定位在许多实际问题中都有重要的意义。根据脉冲型奇异点的特点,提出了一个基于极大似然估计的脉冲奇异点检测方法。该方法利用Bernoulli概型来建模,用于对脉冲奇异点的检测,将脉冲奇异点的检测问题转化为一个参数估计问题,并利用极大似然估计方法给出了参数的估计。通过对大量的仿真信号及真实信号脉冲奇异点的检测证明,该检测方法计算简单,行之有效。     

基于ARIMA模型的数据预处理技术研究

时间序列处理的精确性是影响现代工业控制系统发展的重要因素之一。数据预处理是时间序列处理的基础,它通过异常值辨识与修正、缺省值补充等工作,改进数据质量进一步的处理提供较为精确的目标数据和必要信息。由于工业生产过程中的时间序列多是非平稳序列,经典的平稳模型和回归分析不再适用。因此,本文通过建立ARIMA模型对时间序列进行预处理,并最终得到了较为精确的数据拟合信息。     

红外起伏背影下运动点目标的检测方法

文中根据目标，背影干扰和噪声在红外序列图像中的差异，提出了一种基于空间高通滤波和时间域上最大递归滤波的运动点目标检测方法。     

基于时间序列预测修正"新息"的测量数据的野值点去除

在实际测量中,由于野值的影响,Kalman滤波新息的特性遭到破坏,滤波不再准确甚至发散.针对此-现象,提出了基于"新息"序列和时间序列预测联合修正的方法对测量数据进行处理的新算法.该算法运用"新息"序列进行野值点判别,利用时间序列观测的方法对野值点处的"新息"进行修复.仿真证明,该算法可使状态估计与野值点判别同时进行,并能很好的抑制滤波的发散.     

基于伪随机序列的微弱光信号检测

 提出了一种测量微弱光信号的方法,用伪随机序列调制光源,调制后的光信号注入测量系统,输出光信号经过光电转换后与伪随机序列进行相关检测,由于伪随机序列具有与白噪声类似的相关特性,测量过程中的干扰和噪声对相关函数峰值影响甚小,相关检测显著提高了输出信号的信噪比,可以检测到微弱的光信号.文中理论分析了伪随机序列相关检测性能,并给出了实验测量结果.理论和实验结果都证明这种方法用于微弱光信号测量系统,在较强噪声背景下(信噪比-15dB),可以提高信噪比约30dB,有效地提高了测量精度.     

基于LSTM的气温数据建模研究

气温数据是一种时间序列数据,具有明显非平稳波动特征.对气温数据进行建模可以对气温变化进行分析.针对时间序列模型预测精度不高的问题,提出了 一种长短时记忆网络(Long Short-Term Memory Recurrent Neural Network,LSTM)气温预测模型对昆明每天的最高温度进行预测,对不同模型进行...     

红外起伏背景下运动点目标的检测方法

文中根据目标、背景干扰和噪声在红外序列图像中的差异，提出了一种基于空间高通滤波和时间域上最大递归滤波的运动点目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响，有效地检测出点目标。实验结果表明，采用这种时空混合处理的方法可以得到满意的结果。     

基于随机映射的特征压缩在快速目标检测中的应用

目标检测通常利用复杂的、高维度的特征来提高其检测精度,而高维特征往往会产生较高的计算复杂度和存储开销。经典的特征压缩算法常常被用于目标检测系统以实现特征降维,但在其求解过程中会涉及到大量的矩阵分解运算,从而降低了算法的实时性。针对此问题,提出一种基于随机映射的特征压缩算法。该算法仅通过一个稀疏随机矩阵和简单的矩阵乘法运算就实现了特征从高维空间到低维空间的映射。利用经该算法压缩后的特征向量构建了Ada-Boost分类器,实验结果表明,该分类器在保证检测精度的前提下,提高了目标检测的实时性。     

小波奇异点检测在FSK调制分析中的应用

小波变换(Wavelets Transform)是近年来最新兴起的一种时频分析理论,是信号分析与处理领域新的强有力工具。本文从数学分析入手,结合常规傅立叶分析的局限性,着重研究了小波奇异性检测理论在FSK调制分析中应用的理论及其工程实现前景。     

随机桥方法产生相关时间序列及其应用研究

针对电磁波在无线信道中的传播特点,提出了使用随机桥过程产生具有相关特性的时间序列,由此可以构造出具有特殊概率密度函数,能够用来建模无线信道传播特性的基本随机变量。分别对自由布朗桥过程和有约束布朗桥过程,自由Langevin桥过程和有约束Langevin桥过程产生的随机样本进行研究,使用数值仿真方法分析了基本随机变量的统计特性。结果表明,有约束随机桥过程产生的低跳跃次数随机变量,在概率密度分布上显示出明显的局部偏好性。最后讨论了由时间序列构造的基本随机变量在无线信道建模中的应用。     

基于伪随机序列的聚合物光纤微弱光信号检测

提出了一种利用FPGA发出的伪随机序列检测微弱光信号的方法。用伪随机序列调制LED或LD光源,注入测量光纤,输出光信号经过光电转换后与伪随机序列的调制信号做相关检测。由于伪随机序列具有与白噪声相近的相关特性,测量过程中的干扰、噪声对相关峰值影响很小。因此,可以检测到微弱的输出光信号,提高了测量精度。测量系统由LabVIEW虚拟仪器实现。     

基于隐含模式的异常检测算法

如何检测系统中的临界变化,一直是一个难题。该文提供了一种新的基于隐含模式的异常检测算法。机是一种新的计算力学理论,它能从时间序列中发掘系统的隐含模式。因果态分割重建算法(CSSR)是目前重构机的最成熟算法,它可以推理出一个因果态集合,所有的因果态构成一个隐马尔可夫模型。在因果态集合的基础上,建立一个表达系统特征的向量,不同向量间的距离可以定义成系统异常的测度。把时间序列分段,分别计算每部分的异常度,就可以得到系统的异常演变曲线。在Duffing振子的例子中,该算法不仅有效检测,还提前预测到系统分叉的发生,说明该算法具有很好的应用潜力。     

极低信噪比下对偶序列跳频信号的随机共振检测方法

针对对偶序列跳频(DSHF)在极低信噪比(SNR)下无法通信的问题,该文充分利用对偶序列跳频信号时、频域物理特征,提出一种随机共振(SR)检测方法,极大扩展该信号的应用场景。首先,通过分析对偶序列跳频的发射、接收信号及超外差解调的中频(IF)信号,构建随机共振系统,采用尺度变换调整中频信号;然后,引入判决时刻,将无定态解的非自治福克普朗克方程(FPE)转化为可解的自治方程,从而推导出含时间参量的概率密度周期定态解;其次,以最大后验概率为准则,得到检测概率、虚警概率和接收机工作特性(ROC)曲线;最后,得出以下结论：(1) 应用匹配随机共振检测对偶序列跳频信号的信噪比最低可达–18 dB;(2)对偶序列跳频与匹配随机共振结合,适用于信噪比在–18～–14 dB的信号检测;(3)应用匹配随机共振检测对偶序列跳频信号在信噪比为–14 dB时,检测性能提升了25.47%。仿真实验验证了理论的正确性。