基于鲁棒极端学习机的混沌时间序列建模预测

针对混沌时间序列预测模型易受异常点影响,导致模型预测精度低的问题,在贝叶斯框架下提出一种鲁棒极端学习机.所提模型将具有重尾分布特性的高斯混合分布作为模型输出似然函数,得到一种对异常点和噪声更具鲁棒性的预测模型.但由于将高斯混合分布作为模型输出似然函数后,模型输出的边缘似然函数变成难以解析处理的形式,因此引入变分方法进行近似推理,实现模型参数的估计.在加入异常点和噪声的情况下,将所提模型应用于大气环流模拟模型方程Lorenz序列以及Rossler混沌时间序列和太阳黑子混沌时间序列的预测中,预测结果验证了所提模型的有效性.     

智能反射面辅助的星地融合网络鲁棒安全波束成形算法

针对智能反射面辅助的星地融合网络,提出了一种基于窃听者非完美信道状态信息的鲁棒安全波束成形方法.首先,考虑到卫星利用点波束技术服务地球站,而地面基站通过多播技术服务多个地面用户,并且在两个网络实现频谱共享的情况,建立以系统总发射功率最小化为目标,基站用户服务质量和地球站安全可达速率为约束条件的联合优化问题;其次,为了求解该非凸问题,利用三角不等式和Holder不等式推导出窃听者非完美信道状态信息条件下的输出信干噪比上下界;接下来,进一步提出了基于半正定规划和惩罚函数相结合的鲁棒波束成形和功率控制联合优化方法,以实现星地融合网络的安全可靠传输.最后,计算机仿真结果验证了本文所提算法的有效性和优越性.     

时变不确定时滞连续系统的鲁棒H∞保成本控制

针对一类同时具有状态时滞和输入时滞的时变不确定连续系统,研究了H∞保成本状态反馈控制器的设计,假定其中的时变不确定性项是范数有界的,但不需要满足匹配条件.通过构造广义Lyapunov函数和线性矩阵不等式(LMI)方法,给出了系统可H∞鲁棒镇定同时满足保性能指标的一个充分条件,仅通过求解一个相应的线性矩阵不等式,就可得到鲁棒H∞保性能控制器使得闭环系统的一个保成本函数对所有允许的不确定参数有上界,并经过迭代,通过求解凸优化问题得到最优鲁棒H∞保性能控制器.最后用示例说明了该方法的有效性.     

噪声下时滞复杂网络的局部自适应H无穷一致性

针对具有噪声的一般时滞复杂动力网络, 研究了它的局部自适应H无穷一致性问题, 其中网络包含未知但有界的非线性耦合函数、节点和耦合项都具有时变时滞. 基于李雅谱诺夫稳定性理论, 线性矩阵不等式优化技术以及自适应控制方法, 提出了局部自适应H无穷一致充分条件, 这些条件不仅可以保证受噪声扰动的网络获得鲁棒渐近一致, 而且可以让网络达到一个给定的鲁棒H无穷水平. 数值模拟验证了所提出的方法的可行性和有效性. 关键词： H无穷一致 时滞复杂网络 噪声 线性矩阵不等式     

非线性过程控制系统传感器故障检测新方法

针对电厂热力系统故障检测和定位准确性低的问题,提出了基于鲁棒输入训练网络(Robust Input-training Network, RITN)的传感器故障检测模型。采用带参数限制项的目标函数对网络进行训练,并在测试目标函数中引入影响因子,增加了模型训练精度,抑制了网络计算过程故障数据对正常值的影响,减小了残差污染,提高了模型准确性。以某300MW电厂热力系统20组测点为对象进行算例分析,通过反复的实验,结果表明,该模型能够更加准确的对非线性系统故障点进行检测和分离,并更加精确重构各变量真实值,验证了该模型用于非线性过程传感器故障检测的有效性和可靠性。     

一类任意m×n阶矩形网络的电特性

任意矩形电路网络中的电位分布问题一直是科学研究的难题.本研究发展了研究电阻网络的递推-变换(RT)理论使之能够用于计算任意m×n阶电路网络模型.研究了一类含有任意边界的m×n阶矩形网络的电位分布及等效电阻,这是一个之前一直没有解决的深刻问题,因为之前的研究依赖于规则的边界条件或一个含有零电阻的边界条件.其他方法如格林函数技术和拉普拉斯矩阵方法计算电位函数比较困难,研究含有任意边界的电阻网络也是不可能的.电位函数问题是自然科学和工程技术领域研究的一个重要内容,如拉普拉斯方程的求解问题就是其中之一.本文给出了含有一条任意边界的m×n矩形电阻网络的节点电位函数解析式,并且得到了任意两节点间的等效电阻公式,同时导出了一些特殊情形下的结果.在对不同结果的比较研究时,得到了一个新的数学分式恒等式.     

基于小波回声状态网络的混沌时间序列预测

混沌现象普遍存在于自然界及人类社会中,因此混沌时间序列预测具有重要意义. 提出了一种新的混沌时间序列预测模型------小波回声状态网络,该模型可以有效克服传统回声状态 网络模型中普遍存在的病态矩阵问题,提高了混沌时间序列预测精度.通过对Lorenz、含噪声Lorenz 及间歇式反应釜釜温三个时间序列的预测,将小波回声状态网络与传统回声状态网络进行了比较. 结果表明,小波回声状态网络与传统回声状态网络相比,预测精度提高一倍以上且预测结果更加稳定.     

融合梅尔谱增强与特征解耦的噪声鲁棒语音转换

提出了一种融合梅尔谱增强与特征解耦的噪声鲁棒语音转换模型,即MENR-VC模型。该模型采用3个编码器提取语音内容、基频和说话人身份矢量特征,并引入互信息作为相关性度量指标,通过最小化互信息进行矢量特征解耦,实现对说话人身份的转换。为了改善含噪语音的频谱质量,模型使用深度复数循环卷积网络对含噪梅尔谱进行增强,并将其作为说话人编码器的输入;同时,在训练过程中,引入梅尔谱增强损失函数对模型整体损失函数进行了改进。仿真实验结果表明,与同类最优的噪声鲁棒语音转换方法相比,所提模型得到的转换语音在语音自然度和说话人相似度的平均意见得分方面,分别提高了0.12和0.07。解决了语音转换模型在使用含噪语音进行训练时,会导致深度神经网络训练过程难以收敛,转换语音质量大幅下降的问题。     

一种基于简化电化学模型的锂电池互联状态观测器

锂电池正、负极固相浓度分布以及荷电状态的精确估计对于开发锂电池工作状态的实时监控算法,进而构建高效、可靠的锂电池管理系统具有重要意义.本文基于多孔电极理论和浓度理论,提出基于扩展单粒子模型的锂电池关键内部参数识别的优化模型和方法;在该电化学模型简化的基础上,提出一种基于H_∞鲁棒控制理论框架的锂电池新型双向互联观测器,可同时实现对锂电池正、负电极浓度及荷电状态的估计,并通过对比分析不同工况下的仿真结果和实验数据,对所提出的互联观测器性能进行了系统验证.结果表明：所设计的互联观测器能够准确预测锂电池的输出电压和荷电状态,有效提高了锂电池系统模型的动态性能和鲁棒稳定性,为锂电池管理系统的开发奠定了理论基础.     

时变不确定时滞连续系统的鲁棒H∞保成本控制

针对一类同时具有状态时滞和输入时滞的时变不确定连续系统,研究了H_∞保成本状态反馈控制器的设计,假定其中的时变不确定性项是范数有界的,但不需要满足匹配条件.通过构造广义Lyapunov函数和线性矩阵不等式(LMI)方法,给出了系统可H_∞鲁棒镇定同时满足保性能指标的一个充分条件,仅通过求解一个相应的线性矩阵不等式,就可得到鲁棒H_∞保性能控制器使得闭环系统的一个保成本函数对所有允许的不确定参数有上界,并经过迭代,通过求解凸优化问题得到最优鲁棒H_∞保性能控制器.最后用示例说明了该方法的有效性. 关键词： 连续系统 时滞 H_∞鲁棒控制')" href="#">H_∞鲁棒控制 保成本控制     

基于广义M估计的鲁棒容积卡尔曼滤波目标跟踪算法

为减小测量异常误差对非线性目标跟踪系统的影响, 提出了一种基于广义M估计的鲁棒容积卡尔曼滤波算法. 首先将非线性测量方程等价变换, 利用约束总体最小二乘准则构建广义M估计极值函数, 在不进行线性化近似的前提下将其引入到容积卡尔曼滤波求解框架中. 然后根据Mahalanobis距离构建异常误差判别量, 利用卡方分布的置信水平确定判决门限, 并建立改进的三段Huber权函数, 使其能够降低小异常误差权值, 剔除大异常误差. 理论分析表明, 该方法具有无需求导、跟踪精度高、实时性好等优点, 且无需已知异常误差的统计特性; 实验结果表明, 所提算法能够有效减小异常误差的影响, 在实际非线性物理系统中具有广阔的应用空间.     

基于角度优化的鲁棒极端学习机算法

针对数据集样本中带有噪声和离群点问题,提出了一种基于角度优化的鲁棒极端学习机算法。该方法利用鲁棒激活函数角度优化的原则,首先降低了离群点对分类算法的影响,从而保持数据样本的全局结构信息,达到更好的去噪效果。其次,有效的避免隐层节点输出矩阵求解不准的问题,进一步增强极端学习机的泛化性能。通过应用在普遍图像数据库上的实验结果表明,这种提出的算法与其他算法相比具有更强的鲁棒性和较高的识别率。     

Improving Seismic Inversion Robustness via Deformed Jackson Gaussian

The seismic data inversion from observations contaminated by spurious measures (outliers) remains a significant challenge for the industrial and scientific communities. This difficulty is due to slow processing work to mitigate the influence of the outliers. In this work, we introduce a robust formulation to mitigate the influence of spurious measurements in the seismic inversion process. In this regard, we put forth an outlier-resistant seismic inversion methodology for model estimation based on the deformed Jackson Gaussian distribution. To demonstrate the effectiveness of our proposal, we investigated a classic geophysical data-inverse problem in three different scenarios: (i) in the first one, we analyzed the sensitivity of the seismic inversion to incorrect seismic sources; (ii) in the second one, we considered a dataset polluted by Gaussian errors with different noise intensities; and (iii) in the last one we considered a dataset contaminated by many outliers. The results reveal that the deformed Jackson Gaussian outperforms the classical approach, which is based on the standard Gaussian distribution.     

基于P范数的核最小对数绝对差自适应滤波算法

为了进一步提高在a稳定分布噪声背景下非线性自适应滤波算法的收敛速度,本文提出了一种新的基于p范数的核最小对数绝对差自适应滤波算法(kernel least logarithm absolute difference algorithm based on p-norm, P-KLLAD).该算法结合核最小对数绝对差算法和p范数,一方面利用最小对数绝对差准则保证了算法在a稳定分布噪声环境下良好的鲁棒性,另一方面在误差的绝对值上添加p范数,通过p范数和一个正常数a来控制算法的陡峭程度,从而提高该算法的收敛速度.在非线性系统辨识和Mackey-Glass混沌时间序列预测的仿真结果表明,本文算法在保证鲁棒性能的同时提高了收敛速度,并且在收敛速度和鲁棒性方面优于核最小均方误差算法、核分式低次幂算法、核最小对数绝对差算法和核最小平均p范数算法.     

二进制信号的混沌压缩测量与重构

二进制信号的压缩感知问题对应超奈奎斯特信号系统中未编码的二进制符号的检测问题, 具有重要的研究意义. 已有的二进制信号压缩测量采用高斯随机矩阵, 信号重构采用经典的l₁最小化方法. 本文利用混沌映射构造基于Cat序列的循环测量矩阵, 并提出一种针对二进制信号的全新的重构算法——平滑函数逼近法. 文章构造的混沌循环测量矩阵兼具确定性和随机性的优点, 能够抵御低信令效率和低信噪比的影响, 取得更好的压缩测量效果. 文章提出的平滑函数逼近法利用非凸函数代替原问题不连续的目标函数, 将组合优化问题转化为具有等式约束的优化问题进行求解. 利用稀疏贝叶斯学习算法进一步修正误差, 得到更准确的重构信号. 在信道含有加性高斯白噪声的条件下对二进制信号进行了压缩测量与重构的数值仿真, 仿真结果表明:基于Cat 序列的循环测量矩阵的压缩测量效果明显优于传统的高斯随机矩阵; 平滑函数逼近法对二进制信号的重构性能明显优于经典的l₁最小化方法.     

Assigning uncertainties in the inversion of NMR relaxation data

Recovering the relaxation-time density function (or distribution) from NMR decay records requires inverting a Laplace transform based on noisy data, an ill-posed inverse problem. An important objective in the face of the consequent ambiguity in the solutions is to establish what reliable information is contained in the measurements. To this end we describe how upper and lower bounds on linear functionals of the density function, and ratios of linear functionals, can be calculated using optimization theory. Those bounded quantities cover most of those commonly used in the geophysical NMR, such as porosity, T(2) log-mean, and bound fluid volume fraction, and include averages over any finite interval of the density function itself. In the theory presented statistical considerations enter to account for the presence of significant noise in the signal, but not in a prior characterization of density models. Our characterization of the uncertainties is conservative and informative; it will have wide application in geophysical NMR and elsewhere.     

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。     

核磁自旋回波串的液体分量分解快速反演法(英文)

该文叙述核磁自旋回波串的液体分量分解快速反演法.此方法假定液体,无论是在散装形式或饱和多孔介质中,可以用一个或一组核磁弛豫线形来表征.对一维核磁共振的拉普拉斯反演,它可以是预先确定的一个或一组T2或T1分布.对二维核磁共振的拉普拉斯反演,它可以是一个或一组预先确定的( D, T2)或( T1, T2)二维分布.对三维核磁共振的拉普拉斯反演,它可以是一个或一组预先设定的( D, T1, T2)三维分布.这些预先确定的线形,可以是高斯、B样条或预先由实验或经验确定的任何线形.这种方法可以显着降低核磁共振数据反演的计算时间,特别是从石油核磁共振测井采集的多维数据反演,它不需牺牲反演所得的分布的平滑性和准确性.这种方法的另一个新应用是作为一种约束求解方法来过滤相邻深度所采集的数据噪音.核磁共振测井的噪音信号,往往造成在相邻深度的同一岩性岩层有不同的T2分布.在此情况下, T2分布就不能用来识别岩性.通过非一般的矩阵操作,作者成功实现了对相邻深度的回波串实施约束求解方法,从而使得T2分布成为一种可靠的岩性识别指标.     

How do output growth-rate distributions look like? Some cross-country,time-series evidence

This paper investigates the statistical properties of within-country gross domestic product (GDP) and industrial production (IP) growth-rate distributions. Many empirical contributions have recently pointed out that cross-section growth rates of firms, industries and countries all follow Laplace distributions. In this work, we test whether also within-country, time-series GDP and IP growth rates can be approximated by tent-shaped distributions. We fit output growth rates with the exponential-power (Subbotin) family of densities, which includes as particular cases both Gaussian and Laplace distributions. We find that, for a large number of OECD (Organization for Economic Cooperation and Development) countries including the US, both GDP and IP growth rates are Laplace distributed. Moreover, we show that fat-tailed distributions robustly emerge even after controlling for outliers, autocorrelation and heteroscedasticity.