一种基于经验模态分解的永久散射体探测方法

基于经验模态分解(EMD),提出了一种改进的永久散射体(PS)探测方法。对干涉图进行多尺度分解,基于梯度的自适应滤波对分解的本征模函数中的噪声进行低信噪比区域强滤波和高信噪比区域弱滤波,估算滤波后各PS候选(PSC)点的噪声相位。基于各PSC点的幅度和相位稳定性,对选取的PSC点的相位信息进行分析,判断其作为PS点的概率,进而选取可靠的PS点。实验结果表明:与传统的PS点选取方法相比,所提方法避免了探测过程中PS点的误判和漏判,准确性更高。     

海洋环境噪声中的α稳定分布模型

针对海洋环境噪声的非高斯特性,将α稳定分布模型应用到噪声统计建模中。基于模型特征指数与样本峰度物理意义的相似性,建立了二者的对应关系,并推导得出相互独立的两个随机变量之和的峰度。通过数值仿真,表明了α稳定分布对尖峰态噪声建模的可行性和适应性。以安静环境、气枪干扰、航船干扰3种典型环境下的海上实测数据为样本,借助分位数图判断了样本的非高斯特性,并利用分位数法和特征函数法联合估计了模型的参数,得出了特征指数的统计规律:安静环境下特征指数接近2.0,趋近于正态分布;气枪干扰下特征指数介于1.2~1.7之间,具有尖峰厚尾特性;航船干扰下与航速、干扰源到接收位置距离有关,航船影响越显著,特征指数越小,该现象恰好与干扰噪声的峰度变化在物理意义上一致。模型验证结果表明,α稳定分布对3类样本均表现出良好的建模效果,尤其对具有尖峰特性的气枪干扰噪声,效果远远优于正态分布。      

GARCH模型的贝叶斯局部影响分析及其应用

广义自回归条件异方差(GARCH)模型能够很好地刻画金融资产收益二阶矩的相依关系,因此在金融时间序列中受到了广泛的应用。在GARCH模型的框架下,本文利用贝叶斯局部影响分析来评价先验、个体观测和样本分布的微小扰动的影响,利用扰动模型来刻画不同类型的扰动形式。我们构建了扰动模型的贝叶斯扰动形式,计算其几何量来表征扰动模型的内部结构。基于几个目标函数,本文利用几个不同的局部影响测量来量化不同扰动的程度。数值模拟研究验证了所提方法的有限样本表现。对纽约证券交易所综合指数(NYSE)和标准普尔500指数的GARCH建模说明了所提方法在实例研究中的有效性。     

基于稀疏表示和特征加权的离格双耳声源定位*

基于头相关传递函数数据库的传统双耳声源定位方法的定位角度往往被限定在头相关传递函数数据库的离散测量点上。当头相关传递函数数据库的测量方位角间隔较大时,这类算法的性能会显著下降,这就是典型的离格问题。该文提出了基于加权宽带稀疏贝叶斯学习的离格双耳声源定位算法。首先该算法建立离格双耳信号的稀疏表示模型,然后利用双耳相干与扩散能量比特征对各个频点进行加权以降低噪声和混响的影响,最后通过加权宽带稀疏贝叶斯学习方法估计离格声源的方位角。实验结果表明,该算法在各种复杂的声学环境下都有着较高的定位精度和鲁棒性,特别是提高了离格条件下的声源定位性能。     

基于深圳市出租车轨迹数据的高效益寻客策略研究

出租车作为城市公共交通的重要补充形式,在居民日常出行中发挥着重要作用.然而,客源时空分布不均衡导致了出租车空载率高、寻客难度大等问题,降低了出租车的运营效率.随着ITS(intelligent transport system)技术的发展,越来越多的学者将出租车寻客模式作为其研究点,目前尚缺乏对基于寻客效益指标的寻客策略方法的研究.为了提高出租车寻客效益,提出了基于寻客效益指标模型的时空分析方法,将出租车载客态单位时间收入E及相邻空载态寻客时间T相结合作为寻客效益评价指标,并采用数理统计与地理统计相结合的方法,对高效益客源的时空分布特征进行研究.采用深圳市2011年4月18—24日一周内13 798辆出租车的GPS轨迹数据,分析了深圳市出租车的运营特点及人们出行需求的时空分布特征.结果表明:该方法能够较好地反映高效益客源的时空分布特征,为出租车高效益寻客提供辅助决策支持,也为出租车高效运营提供了新的视角.     

野外砾石统计方法的应用与对比

砾石对于研究构造活动和气候变化具有重要意义，而砾石粒径是其中的重要参数，如何准确地获取粒径数据则是砾石统计分析中的基础性工作。为了能更全面地了解和使用砾石统计方法，对地表砾石统计和地层砾石统计这2种方法从操作流程、抽样过程、样本容量、误差分析和适用条件等方面进行了分析和总结。地表砾石统计，主要有沃尔曼法和面积样本法，前者强调抽样的随机性，多适用于对粒径>2 mm砾石的统计，常用于研究砾质河床的砾石粒径顺流变化趋势；后者适用的粒径范围更广，可达细砂级沉积物，多用于探索河床砾-砂转换带和生物栖息环境划分等领域。地层砾石统计，大多使用体积样本法，强调砾石的成层性，可根据研究目的确定相应的网格筛，粒径范围也可达细砂级别，多用于沉积地层粒度对气候与构造的响应、河床监测和泥沙运移等方面。砾石统计方法的选择很大程度上取决于研究目的及野外工作条件，可根据实际情况灵活选择。     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

基于Visco-SCRAM模型的侵彻装药点火研究

针对弹体侵彻过程中装药的安全性，基于黏弹性统计裂纹力学(visco-statistical crack mechanics, Visco-SCRAM)模型计算装药整体温升、装药裂纹摩擦生热以及弹体装药与壳体摩擦生热，考察这3种机制对装药温升的贡献以及侵彻装药的点火机制，得到了装药点火对应的弹体侵彻临界初始速度。结果表明:(1)装药与弹体内壁摩擦生热对装药温升有一定贡献，随着弹体初始撞击速度的提高，摩擦生热对温升的贡献逐渐增大；(2)黏性、损伤和绝热体积变化导致的装药整体温升对装药点火的作用有限; (3)裂纹摩擦形成热点是侵彻装药点火的物理机制；(4)采用Visco-SCRAM模型可预测低强度、长脉冲载荷作用下的装药点火响应。     

贝叶斯公式及其应用的教学研究

通过贴近生活的例子,引入贝叶斯公式,然后,介绍信用问题和在生产中的索赔问题介绍贝叶斯公式的实际应用,以使在教学中能帮助学生更深入地理解该公式.     

多种分布下选择后变量显著性分析及其在CEPS数据中的应用

在使用变量选择方法选出模型后,如何评价模型中变量系数的显著性是统计学重点关注的前沿问题之一.文章从适应性Lasso变量选择方法的选择结果出发,在考虑实践中误差分布多样性的前提下,基于选择事件构造了模型保留变量系数的条件检验统计量,并给出了该统计量的一致收敛性质的证明过程.模拟研究显示,在多种误差分布下所提方法均可进一步优化变量选择结果,有较强的实用价值.应用此方法对CEPS学生数据进行了实证分析,最终选取了学生认知能力等10个变量作为影响中学生成绩的主要因素,为相关研究提供了有益的参考.