谐波和间谐波参数估计的新方法

为解决谐波和间谐波参数估计受噪声影响的难题,从被检测信号噪声的基本特性出发,提出了一种基于现代互谱、总体最小二乘、旋转不变参数估计和改进普罗尼技术的谐波和间谐波参数估计新方法.该方法采用互谱技术处理不同采样序列的互相关矩阵;根据不同时刻白噪声相互独立的原理划分信号子空间和噪声子空间,并结合总体最小二乘与旋转不变参数估计判定被检测信号的频率;最后,根据白噪声均值为0的特性,采用改进普罗尼技术估计信号分量的幅值和初始相角.仿真结果表明,该方法在低信噪比环境下可检测出多个子信号,且频率的相对误差均小于0.4%,而耗时仅0.058 s,具有良好的估计精度和估计效率.     

基于子空间跟踪的波束形成算法

在期望信号方向发生变化或未知的情况下，为了获得较理想的波束形成，基于ESPRIT(借助旋转不变技术估计信号参数)方法，借助受限摄动子空间跟踪算法，提出了一种改进的波束形成算法．由于该算法采用子空间跟踪技术，对期望信号导向矢量能实时跟踪，从而能抑制时变信号的指向误差．计算机仿真结果表明，该算法获得的结果与已知期望信号方向理想情况下的波束形成结果相近．     

有限快拍下的小尺度矢量阵DOA算法

针对小尺度矢量水听器阵条件下ESPRIT算法目标方位估计精度低、多目标分辨能力弱的缺点,提出了一种基于酉变换的DOA改进算法.该方法无需计算观测数据的协方差矩阵,利用阵列的观测数据及共轭信息构造一中心Hermitian对称矩阵,根据酉变换原理将其转化为实数矩阵并用实值ESPRIT方法估计目标方位.由于利用了观测数据的共轭信息,相当于虚拟增加了阵元个数,改进算法有更高的DOA估计精度和多目标分辨能力,在快拍数与阵元数相当时改进算法比协方差方法有更小的计算复杂度.仿真分析结果证明了算法的有效性.     

交通信号控制参数的仿真优化方法研究

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...     

Pulsed eddy current signal denoising based on singular value decomposition

The noise as an undesired phenomenon often appears in the pulsed eddy current testing (PECT) signal, and it is difficult to recognize the character of the testing signal. One of the most common noises presented in the PECT signal is the Gaussian noise, since it is caused by the testing environment. A new denoising approach based on singular value decomposition (SVD) is proposed in this paper to reduce the Gaussian noise of PECT signal. The approach first discusses the relationship between signal to noise ratio (SNR) and negentropy of PECT signal. Then the Hankel matrix of PECT signal is constructed for noise reduction, and the matrix is divided into noise subspace and signal subspace by a singular valve threshold. Based on the theory of negentropy, the optimal matrix dimension and threshold are chosen to improve the performance of denoising. The denoised signal Hankel matrix is reconstructed by the singular values of signal subspace, and the denoised signal is finally extracted from this matrix. Experiment is performed to verify the feasibility of the proposed approach, and the results indicate that the proposed approach can reduce the Gaussian noise of PECT signal more effectively compared with other existing approaches.     

面向车联网的高速路OD矩阵估计模型

针对高速路OD矩阵的采集与估计,提出采用RFID技术的车联网进行部署,建立有缺失数据的OD矩阵采集方法.用拉格朗日乘数法求解OD矩阵元素概率的极大似然估计,给出基于EM算法的OD矩阵估计算法.通过912节点规模的仿真实验结果表明,提出的算法相比模拟采集准确性更高,真实数据的均方根误差降低了77.7%,验证了算法流程和模型的有效性.      

基于压缩感知理论的时变信号压缩技术

机械设备在线状态监测与故障诊断系统中,为实现采集数据的远程传输和实时处理,需对数据进行压缩和滤波处理.通过分析机械振动信号时变性的特点,以压缩感知理论为基础,构造了满足受限等距性质(restricted isometric property, RIP)的稀疏变换矩阵和压缩感知矩阵;提出了基于压缩感知的时变信号压缩算法,并利用Lasso算法对压缩信号进行稀疏重构,恢复原始信号.采用不同类型的时变仿真信号和实测信号进行实验,对比了提出算法与现有算法的压缩与去噪效果.实验结果表明,新算法有更好的压缩去噪效果,当压缩比为40%时,能量保持率达到了95%以上,能满足工程实际需求.      

基于ICA的MIMO系统空时盲均衡算法

多输入多输出系统的MMSE均衡中,由于接收端采样大小的限制,对观测信号协方差矩阵的估计和信道的盲辨识误差会严重影响均衡性能,采用独立分量分析作为一种辅助手段改进传统的均衡器,并选择最佳均衡时延优化算法。仿真结果表明,该算法提高了传统算法的鲁棒性,在大大降低计算复杂度的同时改善了均衡性能。     

基于ICA的MIMO系统空时盲均衡算法

多输入多输出系统的MMSE均衡中,由于接收端采样大小的限制,对观测信号协方差矩阵的估计和信道的盲辨识误差会严重影响均衡性能,采用独立分量分析作为一种辅助手段改进传统的均衡器,并选择最佳均衡时延优化算法。仿真结果表明,该算法提高了传统算法的鲁棒性,在大大降低计算复杂度的同时改善了均衡性能。     

Robust Spectral Estimation of Track Irregularity

Because the existing spectral estimation methods for railway track irregularity analysis are very sensitive to outliers, a robust spectral estimation method is presented to process track irregularity signals. The proposed robust method is verified using 100 groups of clean/contaminated data reflecting he vertical profile irregularity taken from Bejing-Guangzhou railway with a sampling frequency of 33 data every 10 m, and compared with the Auto Regressive (AR) model. The experimental results show that the proposed robust estimation is resistible to noise and insensitive to outliers, and is superior to the AR model in terms of efficiency,, stability and reliability.     

����BRT���ź���ʱ�ĸɵ�ͨ����������

由于城市道路交通行为的复杂性以及高质量交通数据的缺乏,实时估计城市主干道的旅行时间具有一定的难度.基于实时的快速公交（BRT）以及信号配时数据,作了一系列研究,用以估计主干道旅行时间以及交通服务水平（LOS）.本文通过将公交车的排队延误时间、平均信号灯等待时间和自由流旅行时间综合在一起来实现旅行时间的估计.并以Valley Transportation Authority（VTA） BRT和智能驾驶系统作为数据源进行实验.实验结果表明,本文提出的估计主干道性能的方法非常有效.其中根均方误差（RMSE）和根均方百分比误差（RMSPE）分别为49s和9%,LOS估计的精度高达73%.     

小波滤波器在弱信号检测中的应用及设计

根据小波变换的多尺度分解特性,构造了一种小波能量积累器,将不同分解尺度上的能量进行积累。在此基础上设计了一种用于弱信号检测的小波能量检测法,并对低信噪比信号的检测进行了仿真实验。仿真结果表明,该检测法对低信噪比信号是比较有效的,而且与传统的脉内累加平均的信号检测方法相比,文中提出的信号检测方法具有一定的优越性。     

基于路口转弯流量的OD估计方法研究

机动车起终点矩阵(Origin-Destination Matrix,OD矩阵)的估计是交通规划和 交通管理等工作的重要基础.本文主要研究在采集数据日渐精细情况下的机动车OD估 计方法.基于车牌识别数据提取出路口转弯流量和路段断面流量,在此基础上建立应用广 义最小二乘模型进行机动车OD估计的模型及方法.利用S-Paramics 仿真平台及实测数 据,应用Nguyen–Dupuis 网络和实际城市路网对本文研究的方法进行了对比验证,分析 对比验证了是否已知真实OD、不同的数据输入类型、不同的已知检测量的比例等.结果 显示,与使用路段流量相比,使用转弯流量可以提高OD估计的准确性.     

自适应冗余字典学习的高光谱混合像元解混

针对线性稀疏解混模型无法准确识别真实端元造成丰度估计误差较大的问题,本文提出一种基于自适应冗余字典的高光谱混合像元解混算法.该算法根据地物在空间上的连续性,以及高光谱数据中信号成分与光谱库中物质光谱的强相关性,首先保留每个像元在光谱库上投影系数大于设定阈值所对应的光谱,将其作为与每个像元信号成分最匹配的光谱集合;然后合并该集合以构建高光谱数据的自适应冗余字典;最后利用ADMM算法求解高光谱数据在该字典上的丰度矩阵.仿真和实际高光谱数据实验结果表明,本文所提出的算法可减小丰度估计误差,在信噪比为15~35 dB时,其丰度估计准确性高于性能较优的SUnSAL算法约1~2 dB.      

����·�����Ա����ĸ�����������ģ���о�

作为一种新型的交通信息采集方式,浮动车技术得到了广泛的应用.在浮动车系统中,目前的难点在于浮动车配置数量的确定,即在保证一定覆盖率的前提下,如何合理配置路网中的浮动车数量.本文针对现有浮动车覆盖率模型的局限性,从覆盖率的产生机理入手,以路段为研究对象,研究路段属性对单位时间内浮动车通过该路段次数的影响,建立基于路段属性变量的浮动车覆盖率模型,并采用极大似然估计法求解.最后结合南京市的浮动车数据进行实例分析,验证了方法的可行性和有效性,可以为浮动车配置计划的确定提供参考依据.     

电液伺服负载模拟器多余力补偿及控制策略

为了抑制多余力值,改善电液伺服系统加载精度与系统性能,在对正弦信号施力机构数学建模的基础上,提出了基于结构不变性原理的改进方案,利用驱动伺服机构位置反馈信号进行辨识,构造理想的速度补偿信号进行流量前馈补偿,抑制多余力,并利用最小二乘法在线辨识补偿信号修正相位有效地补偿了多余力.对正弦运动施力机构多余力的补偿提供了理论依据.     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

基于图正则化和Schatten-p范数最小化的交通数据恢复

为充分利用交通数据低秩特性与局部近邻关系，准确恢复交通数据采集系统中的缺失数据，首先，应用基于核范数的低秩矩阵补全模型对交通数据矩阵进行预插补，以获得缺失值的初始估计，基于此，构建表征数据局部近邻结构的图模型；然后，提出融合图正则化和Schatten-p范数最小化的交通数据缺失值恢复模型；进一步，提出基于交替方向乘子框架的优化算法，求解缺失值恢复的最优化问题，得到最终的数据恢复结果；最后，用实际的高速公路交通流量和速度数据比较多种方法的恢复误差，同时给出所提方法的参数敏感性分析. 实验结果表明:在完全随机缺失、随机缺失和混合缺失模式下，缺失率为10% ~ 50%时，相比于局部最小二乘、概率主成分分析和低秩矩阵补全等方法，基于图正则化和Schatten-p范数最小化的算法恢复误差降低了3.02% ~ 28.49%.      

基于AVC最小的交通行为特征研究方法

为克服现有意愿调查（stated preference,SP）实验设计方法标定结果精度低的缺点,以Logit模型的渐进协方差矩阵行列式最小为目标,对选择枝属性水平组合进行迭代计算,得到相应的选择枝属性水平组合方案,设计了一种新的出行意愿调查实验设计方法.以某城市中心城区到卫星城新增地铁交通方式为例,通过分析拟合优度、参数估计标准差,对比了新方法与正交设计法的模型标定结果精度.算例结果表明,与正交设计法相比,采用本文方法得到的参数估计标准差最小,拟合优度达到0.15,提高了0.05,提高了Logit模型参数标定精度,且具有选择枝属性组合数量弹性选择的优点.