非高斯噪声下基于EM迭代算法的多用户检测分析

在进行信号传输时,由于各种干扰的存在,不可避免地产生误码（也称缺失信号）,而EM算法是近些年来常用的求解缺失数据时的迭代算法,由于EM算法简单易行性与普遍适用性的特点,提出了基于EM迭代算法的多用户检测方法,仿真环境放在非高斯噪声下,对在两种非高斯噪声与高斯噪声下的EM算法的性能与收敛特性做一比较分析,实验结果显示在非高斯噪声下误码性能较差,但是收敛性变化不大具有鲁棒性。     

基于覆盖算法概率模型的海量数据挖掘研究

针对通信数据海量、噪声多的特点,从大规模数据挖掘的角度出发,采用覆盖算法构造人工神经网络进行数据挖掘。文章在对覆盖算法进行深入研究的基础上,对其进行了改进,利用高斯函数的概率意义,为覆盖算法建立一个有限混合概率模型,利用"最大似然原理"引入全局优化计算,实现覆盖算法的全局优化。将这种算法应用到短波信号搜索数据的挖掘中,取得了良好的效果,验证了其效率。     

多传感器序贯势分布概率假设密度滤波

针对多传感器多目标跟踪中数据关联的计算复杂性问题,提出了一种多传感器序贯势分布概率假设密度滤波算法.利用序贯滤波的方法将单传感器的势分布概率假设密度滤波扩展到多传感器情况,并给出了高斯混合实现的序贯势分布概率假没密度(Gaussian mixture sequential PHD,GMSPHD)滤波的递推算法.仿真实验结果表明,文中提出的GMSCPHD滤波算法具有较高的多目标状态估计和目标数目估计精度,是一种有效的多传感器多目标跟踪方法.     

简化MIMO-OFDM模型的EM-Turbo信号检测算法

根据Turbo编码的交织长度对通信系统性能的影响,提出了简化的Turbo编码MIMO-OFDM系统模型。研究了最大期望（EM）算法在这种简化模型中的性能,并提出了一种EM算法与Turbo软译码相结合（EM-Turbo）的反馈迭代信号检测算法。比较了不同交织长度以及不同的信号检测算法情况下的系统性能。仿真结果表明在简化系统模型中,反馈迭代信号检测算法可以大大改善系统的性能。     

航海问卷调查中不完全数据的补缺方法研究

探讨期望最大化(Expectation Maximization,EM)算法在处理不完全数据统计中的应用,通过EM补缺,扩大统计样本数量,以避免航海科研中常常发生的问卷调查数据的缺失而造成统计分析的困难,从而提高了参数估计精度。然后运用电子表格方法对一个实例进行描述、建模和求解,避免了繁琐的计算和编程工作,为广大航海科研与实践管理工作者提供一种方便、有效的数据处理方法。     

确定船体结构疲劳寿命分布的Bayes方法

文中给出了由小样本试验数据确定确体结构疲劳寿命分布的Bayes方法,采用二级模糊综合评判获得先验概率,通过似然函数反映样本信息,利用Bayes定理综合先验信息与样本信息得到后验概率。将统计推断建立在后验概率的基础上,弥补了传统方法在统计推断上的缺陷。     

基于DPC-GMM算法的船舶燃油系统故障诊断

[目的]传统的高斯混合模型(GMM)算法存在收敛速度较慢的固有缺陷,容易产生过拟合现象,导致参数计算陷入局部最优,不能很好地用于船舶燃油系统的故障诊断。[方法]首先,分析GMM算法及参数估计算法,结合密度峰值聚类(DPC)算法,提出一种基于DPC-GMM算法的船舶燃油系统故障诊断方法;然后,通过训练船舶燃油系统状态所对应的高斯混合模型参数,实现对船舶燃油系统故障的无监督诊断;最后,基于获取的船舶燃油系统故障数据,验证该方法的有效性。[结果]实验结果表明,采用基于DPC-GMM算法的故障辨识准确率高、识别速度快,优于传统的反向传播(BP)神经网络和支持向量机(SVM)诊断算法。[结论]研究结果对船舶燃油系统的故障诊断有重要的指导意义。     

基于HMM的脱机手写字符识别方法研究

为了对手写字符进行识别，对隐马尔可夫模型算法及训练方法进行了探讨．首先简要地描述了字符识别的预处理和字符分割，然后利用Haar基函数提取字符特征，给出了解决隐马尔可夫模型的三个关键问题的算法，尤其是利用高斯混合模型对样本进行训练，建立了结合高斯混合模型的隐马尔可夫模型．实验结果表明，该方法有效可行，与已有研究结果进行对比，该方法具有一定的优越性。     

确定船体结构疲劳寿命分布的Bayesian方法

给出了由小样本试验数据确定船体结构疲劳寿命分布的Ｂａｙｅｓｉａｎ方法。采用二级模糊综合评判获得先验概率，通过似然函数反映样本信息，利用Ｂａｙｅｓｉａｎ定理综合先验信息与样本信息得到后验概率，将统计推断建立在后验概率的基础上，弥补了传统 统计推断上的缺陷。     

基于机器学习技术的耙吸挖泥船施工行为识别

耙吸挖泥船施工区域轨迹密集,有明确的抛泥区和挖泥区,但轨迹密度不同,传统的轨迹识别技术对于其施工行为模式识别困难,难以有效应用。针对该问题,提出一种无监督的耙吸挖泥船施工行为识别框架。首先,基于卡尔曼滤波算法解决轨迹跳变问题,提升轨迹数据的质量;然后,基于HDBSCAN算法同时识别出密度不同的挖泥和抛泥轨迹,解决了传统DBSCAN算法在类间密度不均衡的情况下参数设置困难的问题;最后,基于航向因素建立高斯混合模型GMM可进一步识别出运泥轨迹和返回轨迹。结果表明,上述方法能够快速、有效地实现耙吸船施工轨迹的精准识别。     

基于混合深度学习的燃气轮机动态过程关键参数在线辨识北大核心CSCD

[目的]为克服燃气轮机非线性时变特性对动态控制及性能监测的影响,通过长短期记忆神经网络(LSTM)的时序记忆、非线性关系表达与高斯过程回归(GPR)的区间概率估计能力三者的结合,提出一种基于LSTM-GPR混合深度学习模型的关键动态参数在线辨识算法。[方法]首先,建立燃气轮机的动态机理模型,以燃料热值、压气机效率及负载电力矩为待辨识参数,生成大量训练数据;然后,构建LSTM-GPR参数辨识网络模型,并输入训练数据进行网络训练和权重系数学习;最后,使用训练好的LSTM-GPR混合模型对燃气轮机动态运行参数进行在线辨识,经分析辨识结果来验证所提算法的有效性。[结果]仿真结果表明,所提算法辨识结果准确,误差小于1%,实时性好,相比于LSTM单一模型能获得更好的均值估计效果,并给出可靠的结果置信区间。[结论]所提算法能有效应用于燃气轮机模型的关键动态参数在线辨识,为进一步应用于实际机组奠定了基础。     

基于MAP-EM算法的COFDM频偏跟踪和信号检测技术

结合了串行卷积级联码编码（SCCC）的OFDM系统（COFDM）在时域上对信息段进行交织,在对抗突发干扰、提高系统性能上具有明显优势。但是实际通信系统中,频偏的存在严重地影响了COFDM系统的可靠性。由于频偏与收发两端振荡频率差和多普勒频移有关且时变,大大增加了问题的复杂性。文章将SCCC的MAP译码方法与频偏寻优的期望最大化（EM）算法相结合（MAP-EM）,采用反馈迭代技术实现了频偏跟踪与字符的联合估计。由于该算法是基于最大似然准则的寻优方法,且交织使每个OFDM帧之间的信息能够进行相互补偿,因此能够改善系统性能。计算机仿真结果表明,随着迭代次数增多,频偏跟踪的精度和整个系统的误码率性能都有所提高。     

基于EM算法的OFDM系统频偏跟踪和信号检测技术

正交频分复用（OFDM）技术对载波频偏具有敏感性,而实际通信系统中频偏随收发两端振荡频率差和多普勒频移的变化而变化,对时变的频偏进行有效地跟踪可以提高整个通信系统的性能。根据最大似然（ML）检测准则,提出了基于最大期望（EM）算法的频偏跟踪和信号检测技术。计算机仿真结果表明,算法可以在保证信号进行最大似然检测的基础上,有效的跟踪时变频偏。     

贝叶斯方法在船体结构疲劳分析中的应用

针对船体结构疲劳试验的小样本特点，探讨了确定船体结构疲劳寿命分布模型和建立疲劳性能曲线的贝叶新斯方法。该方法将先验信息与样本信息加以综合得到后验概率，将统计推断建立在后验概率的基础上，减小了因样本短而带来的统计分析误差，获得比传统方法更可靠的结果。     

基于Bagging-GPR的舰船目标RCS频率外推技术北大核心CSCD

[目的]针对高频情况下使用传统仿真、实测方法获取舰船目标RCS受限的问题,提出一种结合引导聚集(Bagging)算法与基于谱混合协方差函数的高斯过程回归(GPR)模型的混合方法(Bagging-GPR),从而根据仿真和实测得到的低频段RCS数据,准确高效地外推高频段的RCS数据。[方法]首先,根据舰船目标低频段单站RCS数据,以重采样的方式获取训练子集,并使用基于谱混合协方差函数的GPR模型对各子集的RCS数据在频域上进行外推;然后,通过Bagging算法将各子集的外推结果进行混合,以进一步提高GPR的外推精度和鲁棒性;最后,分别在舰船模型的仿真数据集和实测数据集上对Bagging-GPR混合方法的性能予以试验验证。[结果]结果表明,Bagging-GPR可以实现实时外推,预测值与仿真值、实测值基本一致,均方根误差很小。[结论]所提方法具有较高的频域RCS数据外推精度和良好的鲁棒性,可为快速获取目标的高频RCS特征提供一种新的技术手段。     

基于改进的 NCSPSO -AFSA 对 SVM参数的优化及其应用

为了找到支持向量机（SVM）最佳的分类参数,用以构建适合纹理图像分割的SVM分类器,文中是将基于小生境和交叉选择算子的粒子群算法（ NCSPSO）引入变异算子和族外竞争机制加以改进后与人工鱼群算法（ AFSA）混合,提出了一种改进的NCSPSO-AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法（PSO）,NCSPSO算法在图像分割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好。将此方法应用于电镜及超声纹理图像分割中能较好地提取出目标区域,图像边缘部分的分类也很清晰。     

粒子滤波和无轨迹粒子滤波算法比较

解决水下水声目标的定位跟踪问题,需要建立动态的非线性非高斯模型,粒子滤波直接采用未含有最新量测信息的状态转移先验分布函数作为重要性密度函数来逼近后验概率密度函数,无轨迹粒子滤波是在粒子滤波的过程中引入重采样技术,通过无轨迹变换设计重要性密度函数,使其更加接近系统状态后验概率密度。仿真结果表明粒子滤波和无轨迹粒子滤波算法都可以提高定位跟踪精度,但无轨迹粒子滤波算法的估计精度更高,更适用于工程实践。     

基于SVM模型算法和大数据分析技术的船舶设备故障诊断

为在船舶设备发生故障时能准确、及时地定位故障发生根源,保证船舶安全、经济运行,采用大数据分析方法和支持向量机(Support Vector Machine,SVM)模型算法对船舶设备进行故障诊断,提前预测可能发生的故障。以船舶柴油机滑油压力低故障为例,应用Python语言,通过SVM模型算法预测该故障的发生概率。结果表明,在已采集的船舶数据样本的训练集和测试集上,数据拟合和故障预测的效果十分理想,预测故障发生的准确率较高。     

基于模糊自适应IMM算法的机动目标跟踪方法

提出了一种模糊自适应IMM算法(FAIMM)自适应地设计IMM算法中的模型集.该方法根据加速度估计值,通过模糊推理获得所使用模型的后验概率,自适应地摒弃概率较小的模型,从而减少了模型数目,降低了算法的计算量.仿真结果表明,应用FAIMM算法跟踪目标,跟踪的精度、平稳性以及算法的收敛速度等都得到了改善.     

基于DBSCAN的港口泊位自动识别算法设计

为更好地监测船舶动态和船舶在港口的作业情况,通过对K-Means算法和DBSCAN(Density-Based Spa-tial Clustering of Applications with Noise)密度聚类算法进行对比,选择DBSCAN密度聚类算法对港口泊位进行聚类,对港口泊位的位置和大小进行识别.基于船舶自动识别系统(Automatic Identification System,AIS)历史数据、船舶动态信息和船舶基础信息,采用DBSCAN密度聚类算法对全球4 079个港口的泊位进行自动识别,得出泊位的位置、方向、岸线长度和类型等信息.将聚类结果与真实泊位信息相对比,结果表明,聚类结果的误差很小,证明该算法是有效的.计算结果可用于实时跟踪船舶在港作业动态,分析泊位历史作业情况,为港航基于数据的协同优化提供参考.