基于邻域风险最小化概率密度估计的自适应盲分离算法*

为实现由不同统计特性和概率分布平滑特性信号得到混合信号的盲分离,对基于支持向量机的邻域风险最小化概率密度估计算法进行研究,提出一种邻域函数的构造方法,将其与自然梯度批处理算法相结合,形成一种新的自适应盲分离算法;利用广义高斯模型分析了分离算法的精确度。通过仿真实验,验证了该算法能分离统计特性不同的混合信号,相比于基于经验风险最小化的方法,该方法在收敛速度和精度方面的性能有很大提高。     

认知无线电网络中基于检测概率的主用户定位算法

为了解决认知无线电网络中次用户对主用户进行定位的问题,提出了一种加权最小二乘的迭代定位算法。采用两状态马尔可夫模型作为主用户头像模型,能量检测作为次用户的感知模型。该算法可以在不干扰主用户正常工作的情况下,利用次用户之间的合作感知结果进行定位,并估计出主用户的三维地理位置位置信息。提出了一种可以降低定位算法复杂度的简化算法。通过对定位问题进行了理论分析,求出了均方误差的Cramer-Rao理论下界。仿真结果表明,算法的均方误差非常接近理论下界,能有效地估计主用户的三维位置信息,提高定位精度。     

Performance analysis for range expansion in heterogeneous networks

In this paper, the uplink and downlink performance of a two-tier heterogeneous network （HetNet） with range expansion （RE） is analyzed. Different from previous works, base stations （BSs） are modeled as a spatial Poisson point process. This model can not only capture the irregularity of the BS deployment but also lead to closed form expressions. With the analytical results, the impacts of several key parameters on the coverage and throughput performance are investigated. Our results justifies the effectiveness of RE and Pico deployment. Based on our analyses, certain attention should be made on the RE design to balance the uplink and downlink performance. Our analyses are corroborated by simulations and can thus serve as a flexible and quick guidance for system design without complicated and time-consuming system-level platform construction and simulation.     

基于局部概率抽样的标签噪声过滤方法

分类学习任务中,在获取数据的过程中会不可避免地产生噪声,特别是标签噪声的存在不仅使得学习模型更复杂,而且容易造成过拟合并导致分类器泛化能力的下降。标签噪声过滤算法虽然在一定程度上可以解决上述问题,但是仍然存在噪声识别能力较差、分类效果不够理想以及过滤效率低等问题。针对这些问题,提出一种基于标签置信度分布的局部概率抽样方法来进行标签噪声过滤。首先利用随机森林分类器对样本的标签进行投票,从而获取每个样本的标签置信度;然后根据标签置信度的大小,将样本划分为易识别样本和难识别样本;最后分别采用不同的过滤策略对样本进行过滤。实验结果表明,在标签噪声存在的情况下,所提方法在大多数案例上能够保持较高的噪声识别能力,并且在分类泛化性能上也具有明显优势。     

云存储多异构文件联合延迟尾概率凸优化分析

随着擦除码技术的流行,分布式存储中高数据可靠性和高空间效率存储性能逐渐实现,但是降低尾部延迟仍然是一个有待解决的问题。为此,提出一种量化和优化擦除编码存储系统尾延迟的算法框架。对于任意服务时间分布和异构文件,推导给出尾部延迟上界。提出了一个优化模型,使得所有文件在服务器上放置的加权延迟尾概率和访问请求文件的服务器选择共同最小化,并证明了其非凸问题特性,以便采用一种高效的交替优化算法求解。此外,通过描述延迟分布尾部的渐近行为,以闭合形式对任意擦除编码存储的服务延迟的尾部指数进行数学量化,证明了基于概率调度的算法是（渐近）最优的。实验结果表明,在实际工作负载下擦除编码存储系统的尾部延迟显著降低。     

无人机群目标搜索的主动感知方法

为提升蚁群搜索算法在规模大的栅格环境中对未知目标的搜索效率,提出基于蚁群算法的主动感知搜索框架。该框架通过应用历史环境信息来选择无人机的运动方式,并由无人机运动方式和感知域信息得到新的环境信息,从而实现无人机群的智能自动化搜索功能。新方法计算出一种具有探索偏好的未搜索概率,可使无人机搜索时偏向未搜索程度高的栅格,以此来提高算法的搜索能力。同时,以未搜索概率和信息素作为运动方式决策的依据来建立一种新的运动方式选择机制。该机制不仅考虑了目标可能出现的区域,又可兼顾未知区域,从而可实现无目标先验信息条件下的搜索过程。仿真结果表明,此算法在规模大的栅格环境中,与现有算法相比具有更高的搜索效率,并且得到的目标分布信息将更加全面。     

面向移动目标的卫星传感器调度技术研究

在面向移动目标的卫星传感器调度中,为了解决目标移动性及卫星固有缺陷等带来的不确定性对观测策略的干扰,提出了一种探测概率与KL(kullback leibler)散度结合的调度算法。该算法依据任务区域内目标实时分布概率实现权值的自适应调整,利用KL散度实现对不确定性的度量,并以探测概率克服信息收益忽略较大分布概率目标区域的缺陷,提高卫星对目标的发现能力。最后对比多种算法进行了仿真实验,结果表明所提算法具有更优的观测效果,验证了该算法的有效性。     

基于NASA观测数据的风电出力时空分布及波动特性分析

为克服实际风电场运行数据难以获取的问题,提出一种基于历史风速的风资源评估方法。首先,基于美国NASA(National aeronautics and space administration)数据中心获取风速数据,并利用假想风电机组模型转化为风机出力时间序列;然后,通过对时间序列的统计分析,计算期望、半载概率等指标评估风电出力的时空分布特性;最后,通过计算风电出力方差和分析相邻峰谷点差值概率分布规律分析风电出力的波动特性。所提方法能够同时考虑风资源自然特性和风电机组特性,且能对风电波动特性提供定量描述。利用所提方法对山东省风资源的评估结果表明:山东省可利用风能资源随地区、季节和昼夜的变化呈现出明显规律。     

年最大值抽样估算的暴雨频率设计值的低估问题探讨

由年最大值抽样(AMS)和年超大值抽样(AES)的基本理论及重现期(RP)的定义可知,AMS并不符合以"事件"为基础的重现期的定义.以美国西南半干旱区1 438个雨量站和太湖流域96个雨量站的降雨资料为例,通过经验频率与超过概率的比较,发现AMS估算的暴雨频率设计值偏小,尤其是对常遇频率降雨设计值的影响更加显著.美国的降雨量资料站点多、系列长,实际资料验证与理论分析一致.通过对太湖流域AMS资料的分布形态进行分析的结果表明:太湖流域的站点不多,资料长度不够,且大部分站点在雨量大值区数据稀少,使得频率直方图不连续,是造成我国太湖流域的资料验证效果不理想的可能原因.     

遮光罩对GEO对地激光通信系统可通率影响

地球同步卫星(GEO)对地激光通信系统具有通信速率高、保密性好等优势。但系统的光学天线暴露在星体外部,太阳照射对可通率影响严重。针对某GEO对地激光通信系统,不同长度遮光罩对太阳规避造成的可通率及比刚度影响的分析,证明增加遮光罩长度系统可通率提升效果明显。对现有遮光罩形式进行了分析与总结,简述工程中遮光罩长度的确定与限定条件,为优化设计GEO激光通信系统遮光罩及提高系统可通率提供技术基础。