线型优化最大熵线性预测方法自回归模型三种求解方法的比较

采用三种方法：修正协方差法MCOV(Modified Covariance Method)、递推极大似然估计法RMLE(Recursive Maximum Likelihood Estimator)和伯格法(Burg Method)求解线型优化最大熵线性预测方法中的自回归模型系数,并且在不同求解方法情况下,将阶次、信噪比对光谱复原的影响作了详尽的比较.研究结果表明:在线型优化最大熵线性预测方法的自回归模型系数三种求解方法中,修正协方差法要优于递推极大似然估计法和伯格法.     

振幅指数衰减正弦干涉信号线性预测模型的求解

在光谱成像的光谱分辨率增强技术中，对振幅衰减干涉信号的线性预测是其中的关键之一.文中在已知振幅指数衰减正弦干涉信号的个数、波数和衰减率的前提下，给出了线性预测系数直接计算公式及其前向线性预测系数与后向线性预测系数之间的关系；定义了该类正弦迭加信号的前向和后向线性可预测性条件.研究结果表明，振幅指数衰减的正弦迭加信号的前向和后向线性预测系数不再是简单的共轭对称关系了，但是二者依然是有联系的.该研究为一般的衰减干涉信号的光谱分辨率增强算法提供了理论基础. 关键词： 光谱分辨率增强 线性预测 可预测条件 预测系数     

基于小波变换的水果糖度近红外光谱检测研究

利用小波变换滤波技术对90个水果样品的近红外光谱信号进行了去噪处理,并结合滤波后重构光谱信号对水果糖度进行逐步线性回归(SMLR)建立其校正模型,通过34个样品的外部检验对校正模型精度进行评价.研究结果表明:校正模型的预测精度在小波尺度为3时其预测精度最好,预测集的决定系数由原来的0.84提高到0.85,预测集相对标准误差由原来的6.1%降为6.0%.因此,使用小波去噪方法有消除原始光谱噪声作用,从而使最终的SMLR模型更具有代表性和稳健性,也提高了品质检测时模型预测精度.     

基于近红外光谱法的大佛龙井茶品质评价研究

为探索科学、客观的茶叶品质评价方法,以大佛龙井茶为分析对象,采用近红外光谱偏最小二乘法(NIRS-PLS),分别建立了干茶色泽、汤色、香气、滋味、叶底单因子得分及五因子总分、六因子总分共7个定量分析模型.结果表明,在主成分因子数不大于10的情况下,各模型校正相关系数Rc为90.48％～98.43％,校正均方根误差RMSEC为1.14～2.09,预测相关系数Rp为90.00％～96.65％,预测均方根误差RMSEP为1.52～2.84,7个模型校正集和预测集均获得较高的拟合度;其中五因子总分模型预测性能最好(Rp为96.65％、RMSEP为1.52),同时,总分模型精度均高于单因子模型.研究结果表明应用近红外光谱法进行大佛龙井茶的品质评价是可行的.     

应用多种近红外建模方法分析梨的坚实度

近红外光谱(near infrared spectroscopy,NIRS)技术是一种快速、无损的仪器分析方法,在农产品品质检测方面引起了广泛的关注,在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分析中十分重要且有一定难度的过程,常见的多元校正方法有偏最小二乘回归(PLSR)、主成分回归(PCR)和逐步多元线性回归(SMLR)等,该研究中除了常用的线性方法外,还采用了一种结合非线性方法的组合算法[结合了SMLR和径向基神经网络(RBFN)]用于梨坚实度的近红外光谱检测.比较常用的线性建模方法,原始光谱的PLSR模型的得到了较好的结果;校正集相关系数r=0.87,校正均方根误差RMSEC=3.88 N,预测集r=0.84,预测均方根误差RMSEP=4.26 N;组合算法的建模结果比SMLR和PCR的结果好,但比PLSR的结果稍差:校正集r=0.85,RMSEC=4.15 N,预测集r=0.82,RMSEP=4.67 N.结果表明:NIRS可用于梨的坚实度检测,但是建模方法的选择值得进一步研究以提高预测的精度.     

L1-2空谱全变差正则化下的高光谱图像去噪

针对高光谱图像的复原问题,提出了一种基于局部核范数最小化和全局L_(1-2)空谱全变差正则化的高光谱复原模型.首先,将高光谱图像划分成局部交叠的三维图块,在提高局部低秩性的同时减少核范数最小化带来的信息损失;然后,建立稀疏表达能力更强的L_(1-2)空谱全变差正则项,不仅能表示空间稀疏先验,而且还能发掘光谱稀疏先验;最后联合两者的优势,在局部上利用核范数最小化惩罚光谱低秩性,在全局上利用L_(1-2)空谱全变差约束高光谱的空间和光谱稀疏性,建立新的高光谱图像复原模型.该模型不仅能够有效去除高斯噪声、脉冲噪声、死线噪声及其混合噪声,而且减少了对噪声独立同分布假设的依赖,能部分抑制与结构相关的噪声.通过对模拟的和真实的高光谱图像进行大量的实验仿真,并与经典的基于低秩和全变差的复原方法相比,本文模型复原结果的平均峰值信噪比提高1.36 dB,平均结构性相似指标提高0.004,而Q-测度降低1.35,平均光谱角降低0.64,复原精度大幅度提高.     

基于特征投影图的小麦近红外光谱变量选择方法研究

为了简化模型,提高模型预测精度,利用特征投影图(LPG)进行变量选择.对原始光谱进行连续小波变换(CWT),利用主成分分析(PCA)得到LPG,假定LPG中共线性光谱变量对建模作用相同,选出少数特征光谱变量建立预测模型,所得模型预测均方根误差(RMSEP)为0.3454,优于其他建模方法,研究结果表明,LPG变量选择可有效简化近红外光谱模型,提高模型预测精度.     

基于前向散射核函数拟合冰雪反射光谱各向异性

对地表反射光谱的各向异性进行建模和拟合,是遥感对地观测的重要研究内容。传统的线性核驱动模型拟合方法使用的核函数是基于植被覆盖地表辐射传输模型导出的,因此难以准确地描述冰雪覆盖地表前向散射强的特征。提出一种在线性核驱动模型中增加前向散射核函数的拟合方法,并采用地面多角度观测架测量的冰雪反射光谱对该方法的有效性进行了验证。验证结果表明该方法能够较好地拟合冰雪反射光谱的各向异性(R2=0.997 5,RMSE=0.022 6),准确地反映冰雪前向散射较强的特征。通过对提出的方法与经验函数法、传统线性核驱动模型拟合方进行比较,可以发现线性核驱动模型方法明显优于经验函数拟合法,其中增加前向散射核函数能够显著提高对冰雪覆盖地表二向反射因子的拟合精度,并在各波段都有稳定的拟合效果。     

基于光谱反射率的两种土壤有机质数学建模方法对比

已有土壤有机质的光谱预测模型其适用性受建模样本的采样尺度、土壤类型及光谱参数限制,需要在大尺度及范围上进一步检验适用性,并比较分析不同建模方法的建模效果以寻求适用性更好、精度更高的定量模型.在黑河上游大尺度范围采得225个土壤样品,进行了土壤有机质(SOC)及光谱反射率测定后将样本划分为建模集(180个土样)与验证集(45个土样).将土壤光谱反射率(R)变换处理后得到连续统去除(CR)、倒数(REC)、倒数之对数(LR)、一阶微分(FDR)及Kubelka-Munck变换系数共6种指标,针对建模集分别采用逐步线性回归与偏最小二乘回归方法建立12种光谱指标与SOC的数学模型,并采用验证集进行模型预测效果评价.结果表明:(1)采用逐步线性回归或偏最小二乘回归方法建模,LR指标对SOC变化的解释效果都是最好,是SOC的最优预测因子.(2)基于LR指标建立的SOC模型中,采用偏最小二乘回归模型比逐步线性回归模型的预测精度更好,相较于黑河上游已有的经验模型,偏最小二乘回归法建立的模型的预测效果也更好.(3)采用本实验的225个土壤样品对比验证了黑河上游仅有的SOC模型.该模型的SOC预测值与实测值通过了均值T检验且Pearson相关系数达0.826,表明在局部典型区域建立的SOC预测模型,可以应用到更大尺度上的土壤有机质预测研究.     

污染土壤对脐橙叶片镉含量影响的光谱预测

近年来可见-近红外光谱技术在农业污染监测中应用越来越广泛,但在果树的重金属污染研究中应用较少。本文以纽荷尔脐橙(Citrus sinensis[L.]Osbeck cv.Newhall)为研究对象,采用盆栽方法,通过添加镉(Cd)形成不同污染程度的土壤,然后定期监测叶片中Cd含量及其光谱,分别建立了基于光谱指数的线性回归预测模型,以及基于偏最小二乘回归(PLSR)的Cd含量高光谱预测模型。结果表明:Cd更容易向新叶迁移和聚集,在高Cd污染的土壤中这种现象更加明显;新叶光谱在700~730nm之间反射率升高,发生红边蓝移现象,老叶光谱没有显著变化;基于光谱指数建立的线性回归模型的R2达到0.8左右,而利用PLSR方法建立的预测模型精度普遍高于线性回归模型,其R2达到0.9左右,并且标准归一化(SNV)的光谱预处理方法可以显著提高PLSR模型的预测精度。研究显示,可见-近红外光谱技术在脐橙重金属污染监测上有很好的潜力。     

一种时间序列的弱非线性检验方法

时间序列的非线性是判定该时间序列具有混沌特性的必要条件.提出一种基于线性和非线性AR模型归一化多步预测误差比值的非线性检验量δ_NAR，采用替代数据法来检测时间序列中的弱非线性.以Lorenz时间序列为例，分析了估计非线性检验量δ_NAR时各相关参数对弱非线性检测性能的影响.通过混沌时间序列非线性检测试验，对4种混沌时间序列中的3种，非线性检验量δ_NAR都表现出比基于AIC模型选择准则的非线性检验量相似文献   

An improved algorithm for noise-robust sparse linear prediction of speech

The performance of linear prediction analysis of speech deteriorates rapidly under noisy environments.To tackle this issue,an improved noise-robust sparse linear prediction algorithm is proposed.First,the linear prediction residual of speech is modeled as Student-t distribution,and the additive noise is incorporated explicitly to increase the robustness,thus a probabilistic model for sparse linear prediction of speech is built.Furthermore,variational Bayesian inference is utilized to approximate the intractable posterior distributions of the model parameters,and then the optimal linear prediction parameters are estimated robustly.The experimental results demonstrate the advantage of the developed algorithm in terms of several different metrics compared with the traditional algorithm and the l₁ norm minimization based sparse linear prediction algorithm proposed in recent years.Finally it draws to a conclusion that the proposed algorithm is more robust to noise and is able to increase the speech quality in applications.     

Spin-dependent Andreev reflection in a three-terminal Aharonov-Bohm interferometer with coherent indirect coupling

Within the framework of non-equilibrium Green’s functions, we investigate the spin-dependent Andreev reflection (AR) in a three-terminal Aharonov-Bohm interferometer with double quantum dot, taking account of the coherent indirect coupling via the superconducting reservoir. It is found that the time-reversal symmetry is broken by the crossed Andreev reflection (CAR) process, and moreover that the spin-value effect of the linear conductance, the spin-polarised AR current, and a pure spin current can be generated by means of the normal AR and the CAR. Expressions for the AR conductances (the transport coefficients) governing the AR properties of this system are derived analytically. The effect of the coherent indirect coupling on the conductance, the Andreev reflected tunneling magnetoresistance (ARTMR), and the spin-related current in the presence of the AR are amply analyzed. Our results indicate that the optimal properties of this system can be realised by tuning the external parameters.     

线型优化最大熵光谱估计方法中自回归模型两种求解方法的比较

在光谱分辨率增强技术中,线型优化最大熵谱估计方法LOMEE(line shape optimized maximum en-tropy spectral estimation)是指通过傅里叶自退卷积技术消除光谱谱线线型对干涉图的影响,而后对干涉图进行自回归参数建模,求出自回归模型系数,代入光谱估计公式得到光谱图。文章采用了两种方法:修正协方差法MCOV(modified covariance method))和伯格法(Burg method)求解线型优化最大熵谱估计方法中的自回归模型系数,通过仿真试验,将阶次、信噪比对估计光谱的影响做了详尽的比较。研究结果表明,在线型优化最大熵谱估计方法中,用修正协方差法求解自回归模型系数要优于伯格法。     

基于加权改进的AR模型的负载预测研究

负载预测在故障管理中有着十分重要的作用,通过对CPU负载以及内存使用率的预测可以对系统进行实时监控,预知未来时间段资源的可用性,发出异常告警;文中提出一种加权改进的自回归模型,通过对最小二乘法求出的参数进行加权处理,结合时间序列分析理论,建立一个负载预测模型,用于CPU负载和内存使用率的预测;实验证明,对AR模型的参数进行加权的方法优化了参数估计,预测误差减小了60%~80%。     

Quality assessment for visible and infrared color fusion images of typical scenes

Two comprehensive evaluation metrics, image perceptual quality based on target detectability (PQTD) and perceptual quality based on scene understanding (PQSU), are proposed to measure image quality for visible and infrared color fusion images of typical scenes. A psychophysical experiment is performed to explore the relationship between conventional quality attributes and the proposed evaluation metrics. The prediction models for PQTD and PQSU are derived by multiple linear regression statistical analyses. Results show that the variation of PQTD can be predicted by sharpness and perceptual contrast between the target and background, and that color harmony and sharpness can predict PQSU. The proposed evaluation metrics and their prediction models provide a foundation for further developing objective quality evaluation of color fusion images.     

基于高光谱成像的苹果多品质参数同时检测

利用高光谱空间散射曲线的3个洛伦兹拟合参数对苹果的品质(硬度、可溶性固溶物含量)进行同时检测。采用偏最小二乘,逐步多元线性回归和BP神经网络3种方法,对归一化处理和未归一化处理的3个洛伦兹参数组合分别建立苹果品质的预测模型。结果表明:采用偏最小二乘法对未归一化处理参数的组合建立硬度的预测模型其预测结果最好,校正组相关系数Rc=0.93,校正标准差SEC=0.56,验证组相关系数Rv=0.84,验证标准差SEV=0.94。采用偏最小二乘法对归一化处理参数的组合建立可溶性固形物的预测模型其预测结果最好,Rc=0.95,SEC=0.29,Rv=0.83,SEV=0.63。研究结果表明:利用高光谱空间散射曲线的多拟合参数组合可以同时检测苹果的多品质参数。     

薄膜体声波谐振器性能模型参数的提取方法北大核心CSCD

薄膜体声波谐振器(FBAR)性能模型包含两个关系式:一个是FBAR有效机电耦合系数与其形状因子(面积与周长之比)的关系式,另一个是FBAR品质因数与其形状因子的关系式。前一个关系式中的参数为FBAR边缘区域的等效宽度,后一个关系式中的参数为表征FBAR横向声能泄漏的因子。为使性能模型用于不同膜层结构、材料及制备工艺的FBAR,建立FBAR性能模型参数的提取流程。以一种5层复合结构的FBAR为例,在同一晶片上,制备多个不同形状因子的FBAR。针对其中一个五边形FBAR,在ADS软件中通过Mason电路模型仿真得到其性能值(有效机电耦合系数和品质因数);再使用矢量网络分析仪和射频探针台实测其性能值。将仿真与实测得到的性能值代入FBAR性能模型,解算出这两个参数。确定参数之后,使用FBAR性能模型预测同一晶片上其它不同性能因子FBAR的有效机电耦合系数和品质因数,预测值的相对误差在3%之内,验证了该参数提取流程的有效性。     

自回归谱分析法在亚毫米波付里叶变换谱中的应用

付里叶变换是目前最常用的谱分析方法,它具有分辩率高、测量速度快、数据处理自动化等优点。但是,它的分辨率受到信号的信噪比、动镜的扫描长度和所用的窗口函数的限制。本文介绍了自回归谱分折法在亚毫米波付里叶变换谱中的应用。它是对取样得到的干涉图进行自回归谱分析,从而得到完整的功率谱信息。它的特点是消除了窗口函数的影响,并可对取样点以外的干涉图进行线性预测,从而大大提高了分辩率。本文详细地介绍了自回归谱分析法应用到亚毫米波付里叶变换谱中的实现方法和得到的结果。实验证明,应用了这种方法以后,现有的亚毫米波付里叶变换谱仪的分辨率可提高4倍左右。     

A new local linear prediction model for chaotic time series

A new local linear prediction model is proposed to predict chaotic time series in this Letter. We propose that the parameters—the embedding dimension and the time delay of the local linear prediction model—can take values which are different to those of the state space reconstruction in the procedure of finding the nearest neighbor points. We propose a criterion based on prediction power to determine the optimal parameters of the new local linear prediction model. Simulation results show that the new local linear prediction model can effectively predict chaotic time series and the prediction performance of the new local linear prediction model is superior to that of the local linear prediction.