一种低复杂度的鲁棒自适应波束形成算法

传统基于干扰噪声协方差矩阵（interference-plus-noise covariance matrix,INCM）重构的鲁棒自适应波束形成（robust adaptive beamformer,RAB）算法在多种样本数据协方差矩阵误差和信号导向向量误差的失配环境中具有较强的鲁棒性,但目前主流的INCM重构法都是对信号和干扰的导向向量通过建立凸优化模型来估计,这带来了很高的计算复杂度。为了解决这个问题,提出了一种低复杂度的基于INCM重构的RAB算法。该算法首先将干扰信号的导向向量分解为对应标称项和误差项的和,然后通过一种子空间方法估计得到误差项的单位向量。接下来对一个Capon空间谱功率最大问题进行求解,得到误差项的模值,以此得到重构的INCM。同时利用Capon空间谱中残差噪声的存在,使用交替投影法估计得到期望信号的导向向量,最后得到所提算法的权重向量。仿真实验表明所提算法在多种误差环境下具有较强鲁棒性的同时,还具有较低的计算复杂度。     

洪水预报智能模型在中国半干旱半湿润区的应用对比

为探究不同洪水预报智能模型在我国半干旱半湿润区的应用效果,选用决策树、多层感知器、随机森林和支持向量机4种模型在陕西省3个典型流域进行逐时洪水预报;选择相关系数、纳什效率系数、均方根误差、平均绝对误差和相对误差等评价指标,比较不同预见期下4种模型在半干旱半湿润典型流域洪水预报的适用性。结果表明:在短预见期预报中,4种模型在半湿润区典型流域均可获得较高的预报结果,在半干旱典型流域模拟精度相对偏低,仅支持向量机模型满足预报要求;随着预见期延长,不同模型性能变化差异大,支持向量机模型整体稳定,在小流域实时洪水预报中具有明显优势;随机森林模型与决策树模型精度随预见期延长而缓慢下降,前者适应性更好;多层感知器模型精度随预见期延长而骤减,模型稳定性较差。     

超球支持向量机的地下水水质参数自动监测技术研究

水质参数指标项相对较多,存在信息重叠等问题,导致水质参数监测精度降低,为此,提出基于超球支持向量机的地下水水质参数自动监测技术.通过主成分分析法消除信息重叠的影响,引入改进粒子群法,通过自适应调节惯性权重的方式,对动态变化学习因子进行融合,优化超球支持向量机模型运行参数,利用优化后的支持向量机对水质等级进行评价,构建评价指标体系,并将该体系作为建立模型训练样本集合的基础,可降低人为因素与监测数据对模型运行的干扰,完成自动监测与报警.依托地下水段,将其作为测试目标进行水质参数自动监测.监测结果表明,不同测试点测量结果与实际结果相同,表明基于超球支持向量机的地下水水质参数自动监测技术监测性能较高.     

基于三维依赖矩阵的故障预测策略设计

针对不同基于状态监测的故障预测方法难以在一个平台下集成和组合的问题,设计了基于故障、测试、衰退信息三维依赖矩阵的故障预测策略设计框架,在框架内给出了故障预测需求设计和预测用测试选择的基本方法,并在灰色预测和支持向量回归预测的基础上,通过融合粒子群和声算法给出了一种灰色支持向量回归智能组合衰退趋势预测分析方法,结合故障预测实例验证了所给方法的有效性和准确性.     

基于改进EMD的爆炸微差延期时间尺度识别及应用

经验模式分解(EMD)具有高度的自适应性,但是存在较大的端点效应.为此提出利用支持向量机-镜像延拓法对其端点效应进行处理,实际效果良好.提出了爆炸微差延时的改进EMD时间尺度识别法,并以某工程中微差爆炸监测到的爆炸振动信号为例,通过改进的EMD时间尺度法对监测得到的爆炸振动信号进行分解,从而获得多个固有模态函数(IMF)分类;然后通过Hilbert变换提取这些IMF中占主成分的IMF分量的包络幅值,进而达到识别实际微差延时的目的.该方法为爆炸延期参数设计提供了分析手段.     

基于改进LS-SVM的制粉出力软测量建模

针对火电厂双进双出钢球磨煤机制粉出力较难直接测量的问题,拟建立其最小二乘支持向量机(LS-SVM)模型实现软测量.由于LS-SVM算法缺乏“稀疏性”,采用经Remez算法优化后的FIR数字滤波器与LS-SVM相结合,形成一种新的软测量建模方法——FIR-LSS-VM.仿真结果表明,经Remez优化后的FIR滤波效果更好.将该软测量方法应用于火电厂双进双出钢球磨煤机直吹式制粉系统,通过现场实验对比可知,改进的软测量模型学习速度较快且误差较小,更加适用于在线学习.     

机动车车牌识别中SVM的应用

支持向量机是一类新型机器学习方法,成功应用于各个领域,算法在分类性能上优于其它学习算法。该文在字符特征提取基础上,将支持向量机理论应用于车牌识别系统,提高识别率和识别速度,具有很好的推广价值。     

一种考虑随机风场作用的布料动画研究

为了创建布料在风中的动画,提出了一种考虑随机风场作用下的布料动画模型,通过引入柏林噪声来构造风场的随机分布,讨论了布料随风飘动中的布料间碰撞检测简化方法。采用OpenGL实现了床单的布料动画演示,仿真结果表明,虚拟床单的运动和生活中拍摄的实际照片相符合。     

传感器动态建模算法的仿真研究

研究传感器动态优化建模,传感器存在不同程度的相位滞后和惯性等动态特性,当被测参数随时间迅速变化时,动态测试误差较大,严重影响控制精度,对传感器的这种动态性能进行描述是提高检测精度和控制准确度的重要手段.为了提高传感器系统控制精度,减少传感器建模误差,提出一种基于支持向量机的传感器动态建模算法.采用非线性支持向量机对传感器进行动态建模,描述传感器动态、滞后特性,并采用混沌粒子群算法对模型参数进行优化,进一步提高控制精度.仿真结果表明,改进方法能提高传感器系统控制精度,可以很好的应用于现代工业生产过程中,为传感器动态建模提供了一种新的方法.