基于TD-LTE系统的新型信噪比估计算法

针对TD-LTE系统频域映射时域加噪的特性,采用频域分离噪声的方法进行信噪比(SNR)估计,并将经典的盲估计二阶四阶矩(M2M4)算法推广到适合TD-LTE系统中,最后在AWGN和EPA信道模型下进行仿真。结果表明,推广的M2M4算法可以应用于TD-LTE系统AWGN信道,频域去噪算法不仅能够准确地估计SNR,而且可以适用于不同信道环境。该实现方法已应用于LTE-TDD无线综合测试仪表的开发中。     

具有不稳定初始状态的连续时间系统辨识

针对传统辨识方法不适用于具有不稳定初始状态的连续时间系统的问题,提出一种全新的状态估计辨识法.首先,用状态空间模型中状态变量的初始值表征系统初始状态,并将状态变量的初始值看作待辨识参数的一部分.然后,用粒子群优化算法获得所有参数的最优估计.该方法在测试开始前不需要任何过程数据,对测试信号无任何要求,可直接用于闭环辨识.仿真实验证明该算法是有效的.     

小波递推最小二乘法的ARMAX模型参数估计

研究辨识系统优化问题,针对线性时不变ARMAX模型的参数估计,为了提高辨识精度,提出了直接利用小波域的数据,递推估计出模型的参数的方法.首先将时域的输入输出信号采用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理,去噪结果比时域和频域更有效.然后,利用小波递推最小二乘法对ARMAX模型进行参数估计,通过与时域递推最小二乘法的估计参数比较,仿真结果表明提出的方法是有效的.     

基于 MEKF 的直流无刷电机磁极位置与转速检测技术

传统的扩展卡尔曼滤波器(Extended Kalman Filter,EKF)用于无刷直流电机状态辨识时,观测数据容易出现残差,辨识结果偏差大,位置及转速存在耦合,导致辨识系统鲁棒性弱。文章基于离散的直流无刷电机(Brushless DC Moter,BLDCM)数学模型和M-估计方法,构建了改进的扩展卡尔曼滤波算法(MEKF)。首先,基于BLDCM的工作原理,建立了独立于EKF的BLDCM换相离散模型;其次,通过修正系统观测矩阵,对转速与位置的强耦合关系进行解耦,实现了EKF分离变量辨识;最后,基于去耦合后的时序模型设计出独立于EKF的转子位置检测模块,无需深度滤波就可实现转子的精确定位。实验仿真结果表明,文章方法能够有效抑制卡尔曼滤波器的粗差扰动,提高了系统抵抗初始值不确定性的干扰和系统鲁棒性。     

基于粒子群和辅助变量法的分数阶系统辨识

针对噪声环境下分数阶系统的频域辨识问题,提出了一种结合粒子群优化算法和递推辅助变量法的辨识方法．首先将递推辅助变量法扩展到分数阶系统的频域辨识中,再将辅助变量法的抗噪声特性和粒子群算法的全局寻优能力相结合,采用粒子群算法辨识系统的阶次参数,并利用辅助变量法估计系统的分子分母多项式系数,完成了噪声环境下分数阶系统的阶次和分子分母多项式系数的整体辨识．仿真实验和对电网络阻抗的辨识实例表明了本文提出的辨识方法不仅适用于同元次分数阶系统,也适用于一般形式的分数阶系统．     

一种非数据辅助的OFDM残余频偏跟踪方法

针对高速正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统,提出了一种新的非数据辅助(Non-data aided,NDA)载波残余频偏(Residual frequency offset,RFO)跟踪方法.利用RFO造成的时域信号相位旋转和频域子载波相位偏移特性,提取相位误差信息,并通过设计合理的环路滤波器输出误差估计量补偿时域和频域相位.该方法适用于相移键控(MPSK)调制的OFDM系统,可对不超过子载波间隔5%的残余频偏进行精确的跟踪.由于不需要利用导频子载波,提高了传输效率.本文对算法进行了计算机仿真,结果表明,该方法在加性高斯白噪(AWGN)和多径(Multipath)信道下具有良好的性能,且实现复杂度低.     

基于滞环反馈时域鲁棒辨识的控制器自整定

现有的滞环反馈自动整定方法大多仅使用频域信息,包含较多近似,因此在处理质量较差的工业数据时精度与鲁棒性较差;此外,现有方法依赖稳定震荡的极限环数据,需要较长的滞环反馈测试时间。针对这些问题,提出一种基于滞环反馈测试的时域鲁棒辨识与控制器自动整定方法。首先,利用低阶延时模型时域响应Hankel矩阵的低秩特性,提出使用秩约束优化对滞环反馈时域辨识问题进行建模,并使用基于交替方向乘子法的求解方法;然后,给出了算法中超参数和优化初始值的选择方案,并讨论了使用非零初始状态滞环反馈数据进行辨识的方法;最后,提出了基于辨识结果的控制器整定方案。仿真实验结果表明,所提方法与现有方法相比具有更高的辨识精度与鲁棒性,并能取得更好的控制器整定效果。     

基于差分进化算法的无人潜航器水平面水动力参数辨识研究

针对无人潜航器(Unmanned Underwater Vehicle, UUV)水动力参数试验和理论计算的困难性及以往辨识方法优化结果趋于局部最优解的缺点,提出一种基于差分进化(Differential Evolution, DE)算法的UUV水动力参数辨识方法,针对“海翔500X”进行动力学建模分析的基础上,利用该方法对其水平面运动水动力参数进行辨识,与实际值进行比较后,辨识误差在允许范围之内。将辨识结果与粒子群优化(Particle Swarm Optimization, PSO)算法及最小二乘(Least Square, LS)算法的辨识结果进行比较,仿真结果表明,应用差分进化算法的参数辨识结果明显优于其他对比方法,证明了算法的有效性与合理性。利用辨识结果对水平回转运动进行预报,差分进化算法的预报回转轨迹与实验数据最为吻合,表明该方法可行、准确,对无人潜航器的水动力参数辨识问题具有指导意义。     

模极大值与阈值决策融合的小波语音数据去噪方法 *

小波在时域、频域都具有表征信号局部特征的能力 ,对于语音数据的去噪 ,与其他方法比较具有优势 ,但是阈值的选择缺乏明确的指标。模极大值法保留幅度随尺度增加而增大的点 (对应于有用信号的极值点 )来达到去噪的目的 ,但将非极值处变换系数置零 ,造成信号损失。提出了一种变化模极大值与阈值决策相融合的去噪方法 ,有效地结合了两者的优点。经实验证明 ,该方法精度高、算法简单、计算速度快。     

在线参数辨识和扩展卡尔曼算法的锂离子电池SOC估算研究

荷电状态(SOC)的准确估计对锂离子电池的在线实时监测和安全控制具有重要意义。以中航锂电池为研究对象,选择二阶阻容(RC)模型对电池工作特性进行表征,并结合多种工况情形对锂离子电池进行研究分析。考虑到参数辨识的初值对在线辨识修正效果的影响,搭建仿真模型与电池脉冲工况特性比较验证,仿真误差在0.05 V以内。在此基础上,构建含有遗忘因子的递推最小二乘法(FFRLS)的在线参数辨识系统,对电池动态应力测试工况(DST)进行仿真预测,相对误差在1.50%以内。针对离线参数辨识的不足,采用在线参数辨识结合扩展卡尔曼(EKF)算法对工况下电池SOC进行估计。试验结果表明,在线参数辨识下,EKF算法能够有效表征系统SOC估算,相对误差精度在0.3%以内。     

Layer-wise domain correction for unsupervised domain adaptation

Deep neural networks have been successfully applied to numerous machine learning tasks because of their impressive feature abstraction capabilities. However, conventional deep networks assume that the training and test data are sampled from the same distribution, and this assumption is often violated in real-world scenarios. To address the domain shift or data bias problems, we introduce layer-wise domain correction (LDC), a new unsupervised domain adaptation algorithm which adapts an existing deep network through additive correction layers spaced throughout the network. Through the additive layers, the representations of source and target domains can be perfectly aligned. The corrections that are trained via maximum mean discrepancy, adapt to the target domain while increasing the representational capacity of the network. LDC requires no target labels, achieves state-of-the-art performance across several adaptation benchmarks, and requires significantly less training time than existing adaptation methods.     

Frequency domain versus time domain methods in system identification

The basic techniques of time domain and frequency domain identification, including the maximum entropy methods, are outlined. Then connections and distinctions between the methods are explored. This includes the derivation of some analytic relationships together with a discussion of the restrictions inherent in choosing certain methods, and their ease of use in different experimental conditions. It is concluded that these are complementary rather than competing techniques.     

Time domain and frequency domain conditions for strict positiverealness

The author states various time-domain and frequency-domain conditions pertaining to multivariate strict positive real systems and establishes the relationship between these conditions. Their relationship is clarified by means of a three-tier diagram; each tier represents a set of equivalent conditions successively stronger than the lower tier. The main theorem in the present study can be considered as the positive realness lemma for strictly positive real systems     

中文领域本体学习中术语的自动抽取*

提出一种领域术语自动抽取的混合策略,首先进行多字词候选术语抽取和分词,然后合并其结果,最后通过领域相关度和领域主题一致度抽取出最终领域术语。在多字词抽取和最终领域术语抽取阶段分别对现有方法进行了改进,降低了字符串分解的时间复杂度并提高了领域术语抽取的准确率和召回率。实验表明,术语抽取准确率为90.64%,优于现有的抽取方法。     

采用噪声预测的迭代单载波频域均衡

采用噪声预测的单载波频域均衡结构,按照Turbo均衡的思想,提出了一种对噪声预测过程进行迭代的迭代单载波频域均衡的方法,并且分析设计了系统迭代均衡时的关键参数。仿真结果表明：基于迭代思想的噪声预测的单载波频域均衡系统在频率选择性衰落信道下具有良好的误比特性能,并且具有较低的复杂度。     

Policy domain mapping

This month's column looks at policy domains and the application of threats and the mapping of interdomain communications.     

Trefftz-Herrera domain decomposition

The author's algebraic theory of boundary value problems has permitted systematizing Trefftz method and expanding its scope. The concept of TH-completeness has played a key role for such developments. This paper is devoted to revise the present state of these matters. Starting from the basic concepts of the algebraic theory, Green-Herrera formulas are presented and Localized Adjoint Method (LAM) derived. Then the classical Trefftz method is shown to be a particular case of LAM. This leads to a natural generalization of Trefftz method and a special class of domain decomposition methods: Trefftz-Herrera domain decomposition.     

Acquiring domain models

Whereas a Learning Apprentice System stresses the generation and refinement of shallow rules of a performance program, presupposing a domain theory, BLIP3 is mainly concerned with the construction of a domain theory as the first phase of the knowledge-acquisition process. In this paper the BLIP approach to machine learning is described. The system design is presented and the already implemented knowledge sources are shown with their formalisms and functions for the learning process.     

Robust domain adaptation

We derive a generalization bound for domain adaptation by using the properties of robust algorithms. Our new bound depends on λ-shift, a measure of prior knowledge regarding the similarity of source and target domain distributions. Based on the generalization bound, we design SVM variants for binary classification and regression domain adaptation algorithms.     

基于权威域名服务器的停靠域名识别机制

由于互联网中充斥着大量的停靠域名,给用户上网体验、上网环境带来严重影响,为识别停靠域名,提出一种基于权威域名服务器（DNS）的停靠域名检测方法。该方法从常用于域名停靠服务的错拼域名入手,提取出可能用于停靠服务的权威DNS集合,并通过半监督聚类方法对该集合进行分析,识别出用于停靠服务的权威DNS。在检测停靠域名时,通过判断域名的权威DNS是否用于停靠服务,并且该域名解析的IP地址是否属于停靠服务Web服务器的IP地址集合,来对停靠域名进行识别。借助现有基于页面特征的检测方法对所提方法进行分析,实验结果表明所提方法的准确率达92.8%以上,并且避免了页面信息的爬取,能够实时地检测域名是否为停靠域名。