古编钟的声学特性

编钟是中国古代的重要乐器。通过对模型编钟振动方式、共振频率和声频谱的测量来分析编钟的声学特性,证实了编钟是发两个基音乐音的乐器,阐明了决定敲钟位置和古人调音方法的声学原理。用FFT做实际和模型编钟声的短时频谱分析,应用了信号处理中线性预测等方法来分析编钟声,实验表明用线性预测法计算基音频率是有足够高的准确度的。     

GA-PLS结合PC-ANN算法提高奶粉蛋白质模型精度

提出一种偏最小二乘法(PLS)和人工神经网络(ANN)结合用于近红外光谱(NIRS)的分析方法,以提高奶粉蛋白质模型的预测精度。首先采用基于遗传算法的波长选择法(RS-GA)优化光谱数据,建立GA-PLS模型预测奶粉蛋白线性部分;然后在RS-GA法选择的波段上进行主成分分析(PCA),以主成分的得分矩阵作为ANN模型输入层,以GA-PLS预测值与真实值之差作为输出层,建立PC-ANN模型预测其非线性部分。最终预测结果为两个模型预测值之和,以模型的预测标准偏差(RMSEP)作为评价指标,以便考察新方法的有效性。同时建立线性的全谱模型(Fr-PLS),其Fr-PLS、GA-PLS和GA-PLS+PC-ANN模型的RMSEP分别为0.511,0.440和0.235。结果表明：考虑奶粉蛋白含量近红外模型的非线性部分,可以显著提高模型的预测精度,该方法也可为其它复杂体系模型精度的提高提供借鉴。     

改进的噪声鲁棒语音稀疏线性预测算法

语音线性预测分析算法在噪声环境下性能会急剧恶化,针对这一问题,提出一种改进的噪声鲁棒稀疏线性预测算法。首先采用学生t分布对具有稀疏性的语音线性预测残差建模,并显式考虑加性噪声的影响以提高模型鲁棒性,从而构建完整的概率模型。然后采用变分贝叶斯方法推导模型参数的近似后验分布,最终实现噪声鲁棒的稀疏线性预测参数估计。实验结果表明,与传统算法以及近几年提出的基于l_1范数优化的稀疏线性预测算法相比,该算法在多项指标上具有优势,对环境噪声具有更好的鲁棒性,并且谱失真度更小,因而能够有效提高噪声环境下的语音质量。     

基于局域相关向量机回归模型的小尺度网络流量的非线性预测

基于非线性时间序列局域预测法与相关向量机回归模型, 本文提出了局域相关向量机预测方法, 并应用于预测实际的小尺度网路流量序列. 应用基于信息准则的局域预测法邻近点的选取方法来选取局域相关向量机回归模型的邻近点个数. 对比分析了局域相关向量机预测法、前馈神经网络模型与局域线性预测法对网络流量序列的预测性能, 其中前馈神经网络模型的参数采用粒子群优化算法来优化. 实验结果表明: 邻近点优化后的局域相关向量机回归模型能够有效地预测小尺度网络流量序列, 归一化均方误差很小; 局域相关向量机回归模型生成的时间序列具有与原网络流量时间序列相一致的概率分布; 局域相关向量机回归模型的预测精度好于前馈神经网络模型的与局域线性预测法的. 关键词： 小尺度网络流量 非线性时间序列预测方法 局域预测法 相关向量机回归模型     

改进的噪声鲁棒语音稀疏线性预测算法

语音线性预测分析算法在噪声环境下性能会急剧恶化,针对这一问题,提出一种改进的噪声鲁棒稀疏线性预测算法。首先采用学生t分布对具有稀疏性的语音线性预测残差建模,并显式考虑加性噪声的影响以提高模型鲁棒性,从而构建完整的概率模型。然后采用变分贝叶斯方法推导模型参数的近似后验分布,最终实现噪声鲁棒的稀疏线性预测参数估计。实验结果表明,与传统算法以及近几年提出的基于l₁范数优化的稀疏线性预测算法相比,该算法在多项指标上具有优势,对环境噪声具有更好的鲁棒性,并且谱失真度更小,因而能够有效提高噪声环境下的语音质量。      

紫外光谱法水体COD测量的线性-指数分段数学模型

利用紫外光谱法分析水体COD时,当样品达到一定浓度之后(仍处于朗伯-比尔定律通常被适用的浓度范围内),其溶液紫外吸光度与溶液COD数值会明显偏离线性关系,此现象在许多学者发表的紫外光谱论文中都曾有所提及。对此,选用海洋光学公司的S2000微型光纤光谱仪作为光谱测量仪器,选用PX-2脉冲氙灯作为激发光源,在温度为20℃(±0.5℃)及湿度为35%(±5%)的暗室中进行光谱实验,测量了COD值为40～680 mg·L~(-1)的34组邻苯二甲酸氢钾溶液样品的紫外吸收光谱,并基于样品紫外吸收特性进行了分析建模。采用相关系数法选取优势波段,通过对比样品紫外吸收光谱的第二特征峰和水质COD分析中常用波长处的COD-吸光度关系曲线动态特性,选定优势波长为275 nm。采用逐点延伸的方式,在较低浓度段利用鲁棒线性回归、较高浓度段利用非线性最小二乘回归,反复拟合线性或指数方程,滑动预测下一个数据点,根据均方根误差和相对误差判断预设低浓度临界点和较高浓度临界点,确定了低浓度段和较高浓度段COD-吸光度关系模型的分段点分别为300和560 mg·L~(-1),得到低浓度段模型和较高浓度段模型。通过在优势波长处进行低浓度段、较高浓度段和全浓度范围的鲁棒线性回归和非线性最小二乘法回归等不同模型的拟合精度比较,表明40～300和300～560 mg·L~(-1)范围内COD-吸光度关系的线性-指数分段数学模型,不仅拟合精度最高,而且预测效果好,低浓度段的预测均方根误差为4.944 9,较高浓度段的预测均方根误差为6.768 9,整体预测均方根误差为5.664 7。研究结果对紫外光谱应用于较高COD的水质测量和分析具有一定的参考价值。     

定点脉冲线性预测编码方法研究*

在多脉冲线性预测编码的基础上,本文提出了位置无关脉冲搜索算法。该算法不需要搜索脉冲位置,而是根据给定的脉冲位置一次性解出脉冲幅度矢量。这就保证了得到的脉冲组合在最小二乘意义下是最优的,为改进合成语音质量提供了理论基础。进而在激励脉冲与位置无关的理论基础上,提出了定点脉冲线性预测编码方法。对所提出的算法在MATLAB下进行了仿真,仿真结果发现位置无关脉冲搜索算法得到的合成语音质量优于序贯法,编码时间也要比序贯法短。定点脉冲线性预测编码方法可以在2.7 kbps的编码速率下获得与G.729相近的合成语音。     

基于硝酸钠内标物的山梨酸钾拉曼特征峰强校正

根据硝酸钠自身化学性质较稳定且拉曼特征峰与被测组分山梨酸钾谱峰能完全分离的特点,以硝酸钠为内标物对食品中常用防腐剂山梨酸钾的拉曼光谱进行校正;以质量分数为0.1的硝酸钠在拉曼特征位移1053cm~(-1)处的特征峰作为内标峰,分别计算其与49个样品中相同浓度硝酸钠特征峰强的相对比值,用相对比值分别校正49个样品的山梨酸钾特征峰强,采用一元线性回归分析对山梨酸钾进行定量建模分析。结果表明:校正后,山梨酸钾预测模型校正集和预测集的相关系数显著增大,山梨酸钾在1399cm~(-1)处特征峰强的一元线性回归定量预测模型校正集和预测集相关系数的平方分别为0.9885、0.9865,均方根误差分别为3.0384×10~(-3)、3.7643×10~(-3);基于最佳预测模型对新配制的18个新样品进行预测,预测值和真实值的相关系数的平方为0.9799,均方根误差为4.8702×10~(-3),说明用硝酸钠内标法可以有效减小检测仪器、检测环境以及人为因素对山梨酸钾拉曼峰强的影响,提高被测物预测模型的精度。     

集成光学 集成光学、波导理论

TN252 2005031931 有限元光束传输法分析锥形线性波导=Analysis of linear- ly tapered optical waveguide with the finite element beam propagation method[刊,中]／李志宏(武汉大学电子信息学 院．湖北,武汉(430079)),何对燕…∥光通信研究．-2004 (5).-68-70 介绍了有限元光束传输法(FE-BPM)和完美匹配层法 的结合,并用该法分析了不同折射率比和仰角的锥形线性 波导,说明了这种方法的有效性和实用性。图2表3参5 (于晓光)     

Elman回归神经网络同时定量测定三种酚类化合物

应用Elman回归神经网络(ERNN)对光谱严重重叠的对-硝基苯酚,邻-硝基苯酚和2,4-二硝基苯酚体系的同时定量测定进行了研究,并与多变量线性回归(MLR)法作了比较。编制了PERNN和PMLR程序执行有关计算。通过最佳化确定了Elman回归网络的结构和参数。ERNN和MLR法所有组分的相对预测标准偏差(RSEP)分别为3.1%和2 027.3%,实验结果显示对于分辨严重重叠光谱本法是成功的。ERNN法是解决局部最小和提高收敛速度的一种有价值的工具,亦可用于分析全光谱而不只限于选取少数特征值。本法为不经预先分离同时测定严重重叠的分子光谱体系提供了新的途径。     

近红外光谱分析中建模校正集的选择

将极大线性无关组的概念及方法引入近红外光谱分析,探讨了在建立定量分析模型时代表性样品,即校正集样品的选择问题。以2 652个烟末样品为实验材料,随机选取1 001个样品构成预测集,其余1 651个样品为代表性样品备选集。用Matlab软件求出代表性样品备选集光谱矩阵的极大线性无关组,以此作为代表性样品,构成建模的校正集。用PLS回归法建立了烟末样品总糖含量定量分析的预测模型,并将模型用于预测集中1 001个烟末样品总糖含量的预测分析。实验结果表明,当选择的校正集包含的样品数量大于32时,所建各模型对预测集样品预测的平均相对误差均小于4%,平均相关系数大于0.96。其中选择32个代表性样品和146个代表性样品所建模型定量分析预测集中各样品的总糖含量,两个结果经统计检验没有显著性差异(α=0.05),说明求极大线性无关组的方法用于校正集样品的选择,可实现“少而精”选择样品的目的。此外,我们用求极大线性无关组选择校正集样品和随机方法选择校正集样品两种方法,选择了同样数目28,32,41,76,146,163个样品建模进行预测效果的对比实验,结果显示,求极大线性无关组法选择校正集建模的预测效果优于随机选择校正集建模的预测效果。     

高超声速边界层流动转捩研究

针对高超声速飞行器前体预压缩性所需求的气动构型,开展了具有-级压缩效果的压缩面边界层的流动稳定性分析.采用有限体积法数值求解NS方程组得到基本流场,应用当地局部平行流假设和线性稳定性理论求解了扰动波参数的特征值问题.分析了来流马赫数M_∞=6情况下二维扰动波的演化规律,并进-步关联扰动的空间放大率,结合EN方法进行了转捩预测.     

偏最小二乘法在傅里叶变换红外光谱中的应用及进展

偏最小二乘法(PLS)是一种应用非常广泛的化学计量方法,它综合了多元线性回归法(MLR)和主成分回归法(PCR)的优势,具有预测能力强和模型相对简单等优点。PLS使傅里叶变换红外光谱的应用范围不断扩大,同时算法也得到了改进和完善。文章介绍了偏最小二乘法在傅里叶变换红外光谱中的应用,对改进算法,如移动窗口PLS(MWPLS)、稳健PLS(RPLS)、加权PLS(WPLS)和非线性PLS等进行了介绍。同时,对应用PLS时数据的预处理、变量的选择、噪声的处理和非线性模型的建立进行了综述。     

腔衰荡光谱技术中衰荡时间的准确快速提取

对NO₃腔衰荡光谱(cavity ring-down spectroscopy,CRDS)探测系统中衰荡时间的准确提取方法进行了研究。对衰荡时间有效快速的提取可以提高CRDS测量的精度和速度。选取了五种常用的提取衰荡时间的拟合方法,分别为快速傅里叶变换法、离散傅里叶变换法、线性回归总和法、列文伯格-马夸尔特算法和最小二乘法。采用以上五种算法对带有不同大小白噪声的模拟衰荡信号进行拟合,并从受噪声影响情况、拟合准确性和精度、拟合速率,三个方面对五种算法的拟合结果进行对比和分析,结果表明列文伯格-马夸尔特算法和线性回归总和法准确度高、抗噪能力强,但列文伯格-马夸尔特算法拟合速率相对较慢。选取衰荡时间的5～10倍为衰荡信号的最佳拟合波形长度,此时五种算法拟合结果的标准偏差最小。采用外部调制二极管激光器及高反腔搭建CRDS探测系统,针对0.2%噪声的实验条件,选取线性回归总和法和列文伯格-马夸尔特算法对实际测量的实验数据进行处理。实验表明,线性回归总和法拟合准确度和精度与列文伯格-马夸尔特算法相似,但拟合速率比列文伯格-马夸尔特算法快约5倍。实验结果与模拟分析相吻合,表明线性回归总和法为适合我们实验条件的最佳拟合方法。     

应用近红外光谱法快速测定蜂蜜中葡萄糖和果糖含量

采用近红外光谱法,以HPLC-ELSD分析值作为建模的基础数据,用近红外透射光谱法采集光谱,对校正集的原始光谱作均值中心化、一阶微分、正交信号校正等光谱预处理,采用主成分回归、偏最小二乘和多元线性回归法建模,以相关系数、校正标准偏差、预测标准偏差为评价指标对模型预测能力进行评价,对蜂蜜中葡萄糖和果糖含量进行快速测定。原始光谱经均值中心化、一阶微分和正交信号校正预处理后,运用多元线性回归法所建葡萄糖和果糖定量分析模型,可用于中药炮制辅料蜂蜜中葡萄糖和果糖的含量测定。     

一种新的线性神经网络多组分分析法及其在VC银翘片NIR定量分析中的应用

用红外光谱仪测量了VC银翘片的近红外谱图,然后将主成分分析法(PCA)和线性神经网络结合,分析VC银翘片中的对乙酰氨基酚和维生素C的含量。讨论了主成分数的选择及影响神经网络的各参数。为了比较算法的性能,作者又分别采用了偏最小二乘法、主成分分析结合BP神经网络进行数据处理。实验及数据处理结果表明,在3种多组分分析方法中,主成分分析结合线性神经网络的方法具有最高的预测精度。     

多元线性回归应用于近代物理实验

介绍非线性方程转化直线性方程和多元线性回归法来分析近代物理实验中塞曼效应分裂干涉圆环多处选点测量的处理过程。     

ITER杜瓦的电磁-结构耦合分析

文中介绍了ANSYS软件进行耦合场分析的两种方法,通过比较采用了载荷传递耦合法对ITER杜瓦进行了电磁-结构的耦合分析。先是应用ANSYS进行了杜瓦电磁分析,获得了等离子体线性36ms破裂情况下的涡流及电磁力的变化趋势;然后将获得的电磁载荷耦合到结构分析中,获得了结构的应力和应变。分析的结果表明现有的设计符合设计要求。     

多元线性回归应用于近代物理实验

本文介绍非线性方程转化直线性方程和多元线性回归法来分析近代物理实验中塞曼效应分裂干涉圆环多处选点测量的处理过程。     

一种基于误差补偿的多元混沌时间序列混合预测模型

针对多元混沌时间序列的预测问题, 考虑到单纯改进储备池算法无法明显地提高预测精度, 提出一种基于误差补偿的时间序列混合预测模型. 实际观测的数据既包含线性特征又包含非线性特征. 首先利用自回归移动平均模型预测线性特征, 使得残差数据仅含非线性特征; 然后, 建立正则化回声状态网络模型预测; 最后, 将非线性部分的预测值与线性部分的预测值相加, 以实现高精度的多元混沌时间序列预测. 基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性. 关键词： 回声状态网络 混沌 多元时间序列预测 误差补偿