非平稳随机过程非线性结合的首次超越可靠度

针对非平稳随机过程非线性组合的首次超越可靠度问题，提出了一种数值解法。该法将所考察时段离散化，以数值计算手段克服复杂的数学处理上的困难，所得公式可以方便地退化为平稳随机过程甚至随机变量非线性组合的问题，因而具有普遍的实用价值。     

关于非平稳过程处理的几个注解

研究了非平稳的含义、非平稳随机过程的等效和幂律过程处理等几个问题．首先，阐述了非平稳存在两种理解，一种是针对确定性过程，另一种针对随机过程，二分别适用于信号处理和随机动力学计算两种情形．其次，证明任何一个非平稳过程都可以用可数个调制非平稳过程来模拟或等效．然后，指出幂律过程为平稳过程，而非献中所声明的非平稳过程．最后，论述了通过理想滤波器概念可以将幂律过程转变为各态历经过程．     

非平稳随机过程非线性组合的首次超越可靠度

针对非平稳随机过程非线性组合的首次超越可靠度问题，提出了一种数值解法．该法将所考察时段离散化，以数值计算手段克服复杂的数学处理上的困难．所得公式可以方便地退化为平稳随机过程甚至随机变量非线性组合的问题，因而具有普遍的实用价值．     

一类广义非平稳过程泛函结构的特征刻划与随机分析

运用鞅理论与随机优化分析方法讨论了广义完备概率空间中一类非平稳过程泛函结构的特征刻划，得到了Wiener过程、扩散过程与Ito过程及其在Gauss情形下泛函结构的一系列随机分析的结果，这对于解决这类可观测随机过程的最佳非线性滤波具有一定的意义．     

非参数密度估计量对于一个连续时间非平稳过程的相合性

令｛Ｘｔ,ｔ≥０为定义在Ｒ＾ｄ１上的随机过程,它由模型Ｘｔ＝ｚ１＋ψ（Ｚｔ）＋εｔ所确定,其中对于ｔ≥０,εｔ和Ｚｆ是相互独立的两个随机向量,而｛ｚｔ｝是非随机变量。对于连续观察的样本,研究了非参数密度估计量在均方误差意义下的渐近行为,即分别当｛ｚｔ｝渐近收敛和有周期时的情况下非参数估计量的相合笥或非相合性。     

平稳随机信号准确模型的研究

针对对平稳随机信号建立参数模型的常用信号处理方法，研究了信号建模的本质，给出了“准确模型”的定义，指出，对给定的平稳随机信号，以其不同阶次统计量建立的“准确模型”的输出信号与原信号并不相等，二者只是在相应的统计特征上相匹配。从这一概念出发，在总结了二阶统计意义下建模的一些主要结论后指出，平稳信号在二阶统计意义下总可以准确建模，证明了在三阶统计意义下并非所有的平稳过程均可准确建模，并给出了可准确建模的必要条件。     

结构非平稳地震反应分析的随机虚拟激励算法

讨论了非平稳激励下结构的随机地震反应,应用随机虚拟激励算法,推导出了结构响应的概率分布函数和概率密度函数的计算公式。算例表明本文的方法是行之有效的。     

一种新的基于四阶累积量的DOA估计算法

提出了一种新的用于均匀线阵的四阶累积量DOA估计算法.针对传统MUSIC-like算法中四阶累积量矩阵存在大量冗余信息的情况,本文算法提出了一种新的四阶累积量矩阵构造方法.用该方法构造的四阶累积量矩阵在保证阵列扩展性能的同时,去掉了MUSIC-like算法中四阶累积量矩阵的冗余信息,降低了矩阵的阶数.与MUSIC-li...     

平稳随机过程与其导数之和的平稳性

给出平稳过程的自协方差函数对两个变元的偏导数的一个结论，证明了平稳随机过程与其导数之和的平稳性并推广到二阶导数的情形，方法简洁。     

演变随机响应问题的工程实用数值解法

把微分方程数值积分的 Runge- Kutta方法引入非均匀调制随机激励下的演变随机响应计算问题中来 ,使复杂的演变随机响应问题得到简便的解决 .通过计算实例 ,并同复模态分析方法比较 ,说明了该方法的有效性和精确性 .该方法不需要进行复杂、费时的复特征值运算 ,只需要直接数值积分 ,具有公式简单 ,编程容易 ,计算速度快等优点 ,特别适合于工程实际问题的计算 .     

基于分组简化粒子群算法的盲源分离

传统盲源分离算法普遍存在收敛精度低和易陷入局部最优的缺点,针对上述问题,提出将蛙跳算法的分组思想应用到盲源分离算法中.该分组思想是将整个粒子群分为多组子群体,每组粒子在进行组内寻优的同时进行全局寻优,从而增加了粒子之间的差异性,可以有效避免早熟收敛.该算法以负熵为目标函数,通过对分离矩阵进行调整,使各个信号分量之间相互独立,从而完成对瞬时混合信号的盲源分离.实验仿真结果表明,提出的算法与基本的粒子群盲源分离算法相比,能有效避免早熟收敛并进一步提高收敛精度和算法的稳定性.     

空间调制信号的改进M-ML检测算法

空间调制(SM)系统的最大似然(ML)最优检测算法的计算复杂度很高,具有较低计算复杂度的M-ML检测算法受到了人们的关注.M-ML算法按照接收天线序号由小到大的顺序进行检测,从误比特率性能角度考虑并不是最佳的.通过研究不同检测顺序对算法性能的影响,提出了两个改进的M-ML算法,仿真结果表明改进的M-ML算法在误比特率性能上优于M-ML算法.由于M-ML算法在不同的信噪比下每层保留固定的节点数M,尤其在高信噪比时会造成计算资源的浪费,因此提出一种动态M-ML算法,即通过门限值自适应选择每层保留的节点数.仿真结果表明动态M-ML算法降低了M-ML算法的计算复杂度,同时性能逼近M-ML算法.     

一种新型快速的直接随机优化算法

 针对常用优化算法求解时实时性较差且易陷于局部最优解的问题, 提出一种新型快速的直接随机优化算法(DROA). 该算法直接利用随机搜索过程寻找最优解, 减少了额外计算, 降低了计算复杂度; 其搜索过程分为全局搜索和局部搜索两个阶段, 各阶段选用不同的调节参数公式和搜索方式. 先将递增参数的3个随机优化模块串接构造全局优化子, 并将多个全局优化子并行搜索构造全局优化器以获得全局最优解; 再将多个局部优化模块串接在一起运行构造局部优化器使优化解更精确. 测试结果表明, 该方法快速高效, 优于目前的全局优化算法.     

极限学习机的快速留一交叉验证算法

针对回归和分类问题,提出一种极限学习机(Extreme Learning Machine, ELM)的快速留一交叉验证算法,并从理论和数值仿真两方面说明其有效性.结果表明,该算法避免了以训练样本数量N次的ELM模型的显式训练,其计算复杂度与N仅呈线性趋势增长,即O(N).即使在处理大型数据集建模问题时,该算法仍然可以快速地进行ELM模型的选择和评价.通过人工和实际数据集上的仿真实验,验证了该快速留一交叉验证算法的有效性.     

一类多机排序问题算法及其计算复杂性研究

在经典排序论中，一般都假设每个工件在任一时刻仅被一台机器加工，且每台机器至多仅加工一个工件。在这篇文章中，研究这样一类排序问题：每个工件可以被多个不同的机器子集加工，其加工速度对于不同的机器子集是不同的，被加工的工件假定是可以间断且是独立的。排序问题的性能测度是排序长度。在以上条件下求解这类问题算法被给出，对其计算复杂性也作了研究。     

数字扫描变换器中显示制式变换的递推算法

首次提出了一种新的实现数字扫描变换器中显示制式变换的极坐标变换方法 ——递推算法,并提供了提高运算精度的途径。计算机仿真结果证明了方法的可靠性。 此法可大大减少硬件规模,降低成本,有利于数字扫描变换技术的推广和应用。     

部分最小二乘算法的神经元网络实现

部分最小二乘(PLS)算法在多元统计过程监控等领域得到了广泛应用.但常用的求解方法需要多次迭代求解残差矩阵,不利于对算法的理论分析和结论的解释.基于PLS算法的优化函数形式,该文提出一种新的PLS优化目标函数及相应简化算法.在此基础上构造了PLS算法与线性神经元网络之间的自然映射,给出了相应的训练算法及其理论分析.仿真结果验证了所提出算法的有效性,表明该算法可直接从原数据矩阵得到相应的成分及回归系数,并易于对其进行解释.     

随机N叉树形冲突分解算法研究

提出了一类新的椭机Ｎ叉树形冲分解算法,并对随机存取系统中信息分组冲突分解进行了研究,给出了冲突信息组平均分解次数的解析式,给出了动态吞吐量和静态吞吐量的解析式,还给出了信息分组冲突分解的计算机模拟实验值。