基于补偿距离估计的光纤振动信号特征提取算法

为进一步提高光纤振动信号模式识别的实时性及准确性,提出一种基于补偿距离估计技术的信号特征提取算法.算法借鉴人类听觉感知机理,对光纤传感振动信号提取Mel频率倒谱系数特征向量,采用补偿距离估计技术制定特征筛选策略实现特征评估与优化.实验结果表明,基于补偿距离估计技术的振动信号特征提取算法可以有效减少光纤传感系统中影响分类...     

改进的时序多重稀疏贝叶斯学习冰下水声信道估计方法

针对时序多重稀疏贝叶斯学习信道估计方法计算复杂度高且在低信噪比时估计精度低的问题,本文提出了一种改进的时序多重稀疏贝叶斯学习正交频分复用冰下水声信道估计方法。首先,采用奇异值分解方法对接收导频矩阵进行去噪;随后利用去噪后的接收导频矩阵结合最小二乘信道估计方法获得时序多重稀疏贝叶斯信道估计的超参数矩阵、感知矩阵等先验知识;最后,利用冰下水声信道的稀疏特性和多途结构较为稳定的特点,采用时序多重稀疏贝叶斯信道估计对不同符号的冰下水声信道进行联合重建。仿真结果显示,在能量系数为0.03时,改进方法信道估计均方误差相比较于原始方法至少降低了约2.87×10-5,运算时间至少下降了约为90%。第11次北极科学考察冰下试验结果显示,改进方法的平均原始误码率略微低于原始方法,平均运算时间降低约75%。研究结果表明,利用冰下水声信道的特点,改进方法可以实现高精度冰下水声信道估计,并且有效降低系统计算复杂度。      

利用海洋环境噪声估计浅海海底表层声速

为提高反演效率,提出一种快速估计浅海海底表层声速的方法。根据噪声能流理论,垂直阵接收的海洋环境噪声数据能够用于无源提取海底反射损失,反射损失曲线中具有明显的临界角效应,从而接估计海底表层声速。以射线模型为基础,推导了噪声提取的反射损失与理论值之间的差异,并讨论实际阵列波束形成在不同角度和频率下的性能。考虑到非等声速环境下声线会发生弯曲,需对角度进行修正以提高方法的广泛适用性。不同频率的临界角与有效深度之间存在对应关系,黄海某海区数据处理结果表明,在临界角不变的有效深度内,海底表层可以视为等声速层,该海区海底表层0.5 m内声速估计结果为1547 m/s,与有源反演结果相近。      

利用深海回声多途结构匹配估计目标深度EI北大核心CSCD

提出一种利用深海目标回声多途亮点簇时延和幅度结构匹配估计目标深度的方法。目标回声结构是双程信道传递函数和目标声散射函数的卷积,在深海近海面或近海底条件下表现出回声亮点簇的特性,且亮点簇时延幅度结构与目标深度相关,可用于估计目标深度。建立了在深度-距离网格上利用非线性规划代价函数对目标深度进行匹配估计的方法。分别对簇间时延偏差和海水声速剖面(SVP)偏差对匹配估计的影响进行了仿真分析。一次南海冬季试验结果显示,在水深1 km、距离5~8 km条件下,水下40 m处的目标回声呈现出3个时延间隔约0.3 s的亮点簇结构,将其用于目标深度匹配估计的误差范围在0~65 m。     

冷原子荧光光谱中数字基线估计方法的研究

水体中汞的存在形态有单质汞、无机汞和有机汞三种。其中,甲基汞是主要的有机汞形态,毒性远高于单质汞和无机汞。测量水体中的甲基汞的方法有很多,冷原子荧光光谱法是测量水体中甲基汞的推荐方法。冷原子荧光光谱法是原子发射光谱法和原子吸收光谱法综合发展而来的元素分析方法。经过多年的发展与完善,是元素分析最常用的分析技术之一,具有灵敏度高、检出限低等特点,被广泛应用于环境科学、生命科学、地质等领域。由于检测仪器的背景噪声和色谱柱分离效果的影响,冷原子荧光光谱出现基线漂移和信号拖尾等干扰因素,严重影响冷原子荧光光谱数据的峰面积计算和痕量甲基汞的定量分析。其中,基线漂移是最主要干扰因素。目前,改进模拟器件参数和数字基线估计是解决基线漂移的的两种重要手段。在改进模拟器件参数方面,有激发光源使用空心阴极汞灯、闭环控制的热阴极低压汞灯等,但存在实验设备复杂、成本高昂等缺陷;在数字基线估计方面,有最小二乘法、差值拟合法等,但存在基线估计不稳,含量计算不准等缺点。基于此,提出了一种基于小波变换的数字基线估计方法。首先,分析甲基汞的冷原子荧光光谱微观信号和基线漂移现象,建立冷原子荧光光谱信号和基线漂移数理模型;其次,根据冷原子荧光光谱信号模型的特点,以小波变换为研究基础,研究合适的母小波模型,将母小波模型与基线漂移模型进行卷积,卷积结果恒为零,理论上证明了基线漂移现象经过小波变换后会被消除;再次,以100 pg标样甲基汞为例,实验验证了小波变换能够有效地消除基线漂移的干扰和信号拖尾的影响;最后,在仪器相对标准差（RSD）为1.29%~3.40%的条件下,对0,10,20,50,100,500以及1 000 pg的标样甲基汞溶液进行5次重复实验,分别建立小波变换前后峰面积平均值校准曲线,校准曲线的相关系数（R2）由小波变换前的0.994提高到小波变换后的0.997。实验结果表明,该方法能够有效地消除测量仪器基线漂移和信号拖尾的影响,提升了系统测量准确性。     

基于压缩感知理论的大规模MIMO系统下行信道估计中的导频优化理论分析与算法设计

针对大规模多输入多输出(multiple input multiple output, MIMO)系统信道估计中的导频设计问题,在压缩感知理论框架下,提出了一种基于信道重构错误率最小化的自适应自相关矩阵缩减参数导频优化算法.首先以信道重构错误率最小化为目标,推导了正交匹配追踪(orthogonal matching pursuit, OMP)算法下信道重构错误率与导频矩阵列相关性之间的关系,并得出优化导频矩阵的两点准则,即导频矩阵列相关性期望和方差最小化;然后研究了优化导频矩阵的方法,并提出相应的自适应自相关矩阵缩减参数导频矩阵优化算法,即在每次迭代过程中,以待优化矩阵平均列相关程度是否减小作为判断条件,调整自相关矩阵缩减参数值,使参数不断趋近于理论最优.仿真结果表明,与采用Gaussian矩阵、Elad方法、低幂平均列相关方法得到的导频矩阵相比,本文所提方法具有更好的列相关性,且具有更低的信道重构错误率.     

Empirical likelihood for AR-ARCH models based on LAD estimation

By employing the empirical likelihood method,confidence regions for the stationary AR(p)-ARCH(q) models are constructed.A self-weighted LAD estimator is proposed under weak moment conditions.An empirical log-likelihood ratio statistic is derived and its asymptotic distribution is obtained.Simulation studies show that the performance of empirical likelihood method is better than that of normal approximation of the LAD estimator in terms of the coverage accuracy,especially for relative small size of observation.     

Empirical likelihood analysis of longitudinal data involving within-subject correlation

In this paper we use profile empirical likelihood to construct confidence regions for regression coefficients in partially linear model with longitudinal data. The main contribution is that the within-subject correlation is considered to improve estimation efficiency. We suppose a semi-parametric structure for the covariances of observation errors in each subject and employ both the first order and the second order moment conditions of the observation errors to construct the estimating equations. Although there are nonparametric estimators, the empirical log-likelihood ratio statistic still tends to a standard ?? _p ² variable in distribution after the nuisance parameters are profiled away. A data simulation is also conducted.     

Variable selection in the partially linear errors-in-variables models for longitudinal data

This paper proposes a new approach for variable selection in partially linear errors-in-variables (EV) models for longitudinal data by penalizing appropriate estimating functions. We apply the SCAD penalty to simultaneously select significant variables and estimate unknown parameters. The rate of convergence and the asymptotic normality of the resulting estimators are established. Furthermore, with proper choice of regularization parameters, we show that the proposed estimators perform as well as the oracle procedure. A new algorithm is proposed for solving penalized estimating equation. The asymptotic results are augmented by a simulation study.     

Local influence analysis for semiparametric reproductive dispersion nonlinear models

The present paper proposes a semiparametric reproductive dispersion nonlinear model (SRDNM) which is an extension of the nonlinear reproductive dispersion models and the semiparameter regression models. Maximum penalized likelihood estimates (MPLEs) of unknown parameters and nonparametric functions in SRDNM are presented. Assessment of local influence for various perturbation schemes are investigated. Some local influence diagnostics are given. A simulation study and a real example are used to illustrate the proposed methodologies.