移动通信室内外空间几何信道模型的分析与比较

针对频率非选择性无线多径衰落信道,基于室外通信环境下的空心圆模型,提出了一种改进的适应于室内通信环境的空心圆模型。通过推导接收信号的空时联合分布以及边缘分布概率密度函数,分析和比较了两种空心圆几何信道模型的空时统计特性。通过空心圆的空心率以及收发机间距的信道参数变化,仿真结果阐明了空心圆模型在圆盘模型和圆环模型之间过渡的变化机理,以及不同无线通信环境下的信道信息。     

球壳结构强震下的倒塌破坏模式分析

采用大质量法对不同场地条件、不同矢跨比的70 m跨单层球壳和100 m跨双层球壳进行多点输入下的水平地震作用时程分析,通过结构最大位移概率密度函数来分析判断与归纳了球壳结构的倒塌破坏模式。     

一种粒子滤波的改进算法

在强非线性、非高斯系统、高精度测量的环境下,针对粒子滤波（PF）算法的跟踪性能降低问题,提出一种PF的改进算法。由于PF算法的计算量虽然小但精度不高,而无迹粒子滤波（UPF）算法精度虽然很高但计算量过大,结合PF算法计算量小和UPF算法精度高的优势,提出一种PF改进算法。对PF、UPF和PF改进算法三种跟踪算法进行了仿真,结果表明,改进PF算法的跟踪精度和UPF的跟踪精度相当,但所需运算时间仅为UPF算法的35%左右。     

遗传算法的性能分析研究

回顾了遗传算法的理论研究状况,介绍了NoFreeLunch定理,描述了遗传算法的通用框架,构造了遗传算法的性能分析矩阵,并通过模拟实验分析了一系列遗传算法的性能.实验表明,这种评价算法性能的方法切实可行,可操作性好,具有一定的通用性.     

结合概率密度函数和主动轮廓模型的磁共振图像分割

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法。首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后,利用遗传算法和最大期望算法获取概率密度函数的参数值。最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果。与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度。     

数控磨床故障分布参数估计与可靠性评估技术研究

评估数控机床的可靠性首先需要根据统计数据判断故障分布类型,并确定故障概率密度函数的参数。根据数控机床常见的故障分布类型,提出了故障统计数据的分组处理步骤,利用最小二乘法对概率密度函数进行参数估计的方法和可靠性指标MTBF的求解方法。利用所述方法对某型数控曲轴磨床的故障分布进行了参数估计和故障概率密度曲线拟合,对两种分布进行了拟合优度比较,对可靠性指标进行了计算。MTBF计算结果与利用定义直接计算的结果较为接近。所提出的可靠性评估方法可以方便地生成计算机程序,为研究数控磨床的可靠性提供了一种方法。     

大规模MIMO室外无线光通信系统中基于分段高斯近似的最大似然盲检测算法

在室外可见光通信场景下,现有的盲检测算法在近似信道模型时,往往未能与真实信道模型的概率密度函数在截尾处充分拟合,导致在寻找最佳判决门限时存在误差,从而影响系统的平均误符号率性能。因此,针对大规模MIMO(Multiple-Input Multiple-Output)室外无线光通信系统,提出了一种基于分段高斯近似的最大似然盲检测算法。该算法在强大气湍流情况下,得到各个子信道叠加后的等效信道模型服从伽马分布,依据等效信道概率密度函数的唯一极值点确定左右两个分段区间,得到各个子信道在两个分段区间的一阶和二阶统计信息,然后利用中心极限定理和大数定理得到等效信道在两个分段区间都近似服从高斯分布,弥补了等效信道模型与真实信道模型的概率密度函数在截尾处拟合较差的缺点,获得了精确的最佳判决门限,从而改善了系统的平均误符号率性能。为了验证该算法的优越性,通过MATLAB仿真实验将其与现有的盲检测算法进行平均误符号率性能对比。实验数据表明,在收发天线数为4和小信噪比的情况下,所提算法的平均误符号率性能相比现有盲检测算法性能提高近10倍。同时,在接收天线数为8时,所提算法的平均误符号率性能与现有盲检测算法在接收天线数为16时的性能接近,接收天线数是原来的50%。实验数据充分说明,相比于现有的盲检测算法,所提算法在仅利用信道的数学模型和统计信息的情况下,随着收发天线数的增加能够明显提高系统的平均误符号率性能。     

基于改进人工鱼群算法在无线传感网络覆盖优化中的研究

针对无线传感网中的节点存在冗余以及网络成本增加等问题,本文提出了一种改进的人工鱼群算法的覆盖优化.本文首先建立以节点的利用率和覆盖率的数学模型,其次对人工鱼群算法进行改进,一是在初始化阶段使用概率密度函数来对鱼群个体的初始位置进行分布,有效的避免鱼群个体初始无序的状态;二是在觅食阶段中使用混沌算法对鱼群位置个体进行干扰,有效的减少鱼群个体向局部最优解的靠近的时间;三是在聚群行为中使用高斯变异,从而减少全局最优解的产生的时间.改进后的人工鱼群算法对模型求解,得到最优的覆盖方案,仿真实验表明能够有效的提高网络覆盖效果,以及节点的利用率,降低网络成本消耗.     

高效的信任机制线性文本分类方法

基于信任机制设计了一种无须特征选择的高效的线性文本分类方法.面向特征与文档类的信任关系,使用bata概率密度函数评估特征的可靠度,提出特征对文档类的忠诚度的计算模型,基于忠诚度实现简单的线性文本分类器.采用20Newsgroup、复旦中文分类语料、SEWM2007评测语料等3个具有典型特征的单标签语料集,以朴素贝叶斯、KNN为比照算法进行了比较实验.实验结果表明,相对于传统算法,该算法分类性能显著提高,对不均匀语料和高维特征处理表现出很强的稳定性,同时算法执行速度快,适于大规模文本分类.     

高斯-厄米特粒子滤波器

针对非线性、非高斯系统状态的在线估计问题,本文提出一种新的基于序贯重要性抽样的粒子滤波算法.在滤波算法中,我们用一簇高斯-厄米特滤波器(GHF)来产生重要性概率密度函数.此概率密度在系统状态的转移概率的基础上融入最新的观测数据,因此更接近于系统状态的后验概率.理论分析与实验结果表明:在观测模型具有高精度的场合或似然函数位于系统状态转移概率的尾部时,用GHF产生重要性概率密度函数的粒子滤波即高斯-厄米特粒子滤波(GHPF)的性能要明显地优于标准的粒子滤波、扩展的卡尔曼滤波、GHF.