Generalized skew-elliptical distributions and their quadratic forms

This paper introduces generalized skew-elliptical distributions (GSE), which include the multivariate skew-normal, skew-t, skew-Cauchy, and skew-elliptical distributions as special cases. GSE are weighted elliptical distributions but the distribution of any even function in GSE random vectors does not depend on the weight function. In particular, this holds for quadratic forms in GSE random vectors. This property is beneficial for inference from non-random samples. We illustrate the latter point on a data set of Australian athletes.     

一种基于独立元分析的仿射不变描述和仿射变换 参数估计的新方法

本文提出了一种基于独立元分析(Independent Component Analysis,ICA)的仿射目标识别和仿射参数估计的新方法.对于待识别的不同扭曲程度的目标,可采用ICA方法提取轮廓的仿射不变描述,从而解决扭曲目标识别问题.该方法同时能够估计两个视频帧间的仿射变换参数,在高压缩率编码标准中,如MPEG4或MPEG7,具有很重要的现实意义.实验结果表明,该方法优于传统的目标识别和仿射参数估计方法.     

振动载荷下面向电子设备PHM的板级封装潜在故障分析方法

面向电子设备故障预测与健康管理（Prognostics and Health Management,PHM）,基于自适应谱峭度与核概率距离聚类提出一种振动载荷下板级封装潜在故障特征提取与模式辨识方法。首先,基于最大谱峭度原则利用经验模态分解的方法对电子组件的应变响应数据进行滤波,计算并重构包含潜在故障信息的包络谱形成故障征兆向量;其次,应用高斯径向基核函数概率距离方法,将非线性故障征兆数据映射到高维Hilbert空间,对其进行聚类分析形成表征板级封装健康状态与各故障模式的类中心;最后,根据实时监测的板级封装的包络谱数据计算与各中心的概率距离,判断其所属的状态从而实现对封装故障模式的早期辨识。通过试验分析,该方法可以有效辨识与预测板级封装即将发生的故障模式,为实现电子设备PHM提供了一种新式的思路与手段。     

部分相干洛伦兹-高斯光束在湍流大气中的峭度参数

基于广义惠更斯-菲涅耳衍射积分公式和洛伦兹函数的厄米-高斯展开,导出了部分相干洛伦兹-高斯光束在湍流大气中经傍轴ABCD光学系统的峭度参数的解析表达式,对该峭度参数进行了数值计算。结果表明:空间相干长度和结构常数对峭度参数的影响与部分相干洛伦兹-高斯光束本身的光束参数有关;当空间相干长度小于光束参数时,其影响显著;当洛伦兹部分的光束参数较大或高斯部分的光束参数较小时,结构常数的影响较明显且随传输距离的增大而增强。     

Blind coding classification in the presence of interference in MIMO systems using ML algorithm

This paper presents a framework for coding classification in multiple‐input multiple‐output (MIMO) systems in the presence of inter‐user interference (IUI). This framework is performed at the receiver beginning with a signal separation step. The signal separation is implemented with a multi‐user kurtosis (MUK) algorithm. The classification step estimates the code parameter (CP) using the maximum‐likelihood (ML) method applied to the covariance matrix of the received signal without a priori knowledge about the transmitted signal. Experimental results show that the proposed coding classifier is easy to implement and efficient for the classification of the CP over Rayleigh fading channels in the presence of time and frequency offsets. Furthermore, the success rate of code classification is high at low signal‐to‐noise ratios (SNRs). The signal separation increases the probability of true classification.     

基于Beta分布形状的拟合优度检验

本文指出了拟合优度检验中选用经验频率公式时存在的误区,对顺序统计量失效概率分布进行了偏态和峰态分析,提出了一个基于Beta分布形状特征的经验分布函数,给出了精确值和近似值两种计算方法,在此基础上建立新的极值型检验统计量．利用Monte Carlo方法进行数值模拟,得到0．01、0．05、0．1显著度水平下检验统计量的临界值,并利用常用的分布模型进行检验功效比较,数值模拟结果表明基于分布形状的经验频率公式能更好地反映顺序统计量失效概率分布的集中趋势,证明了本文提出的两种检验统计量在中小样本条件下具有更优的检验功效．     

基于MCKD-EEMD近似熵和TWSVM的齿轮箱故障诊断

在复杂环境下齿轮箱信号往往会淹没在噪声信号中,特征向量难以提取;为了有效地进行故障诊断,提出了基于最大相关反褶积(MCKD)总体平均经验模态分解(EEMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法;首先采用MCKD方法对强噪声信号进行滤波处理,在采用EEMD方法对齿轮箱信号进行分解,分解后得到本征模函数(IMF)分量进行近似熵求解,得到齿轮特征向量,最后将其输入到TWSVM分类器中进行故障识别;仿真实验表明,采用MCKD-EEMD方法能够有效地提取原始信号,与其他分类器相比,TWSVM的计算时间短,分类效果好等优点。     

结构随机分析的概率与复合重要度及其求解

针对基于方差方法的重要度信息量不足而矩独立重要度计算量大、求解难的缺点,将响应量的偏度和蜂度信息引入灵敏度分析中,定义了概率重要度和复合重要度,用于衡量基本变量对响应量分布形状的主要影响趋势及在该影响趋势下的影响程度.同时针对传统方法求解矩的困难,将控制理论中的状态依存参数模型运用于本文所提重要度的求解,极大程度地化筒了计算.最后,通过算例中与基于方差方法的重要度与矩独立重要度的比较,可知本文所提重要度涵盖了基于方差方法重要度和矩独立重要度的主要信息,说明本文重要度的合理性和正确性,算例与Monte Carlo数值模拟方法的比较,表明状态依存参数模型求解方法具有较好的计算精度和效率.     

基于符号-最小平均峭度的自适应谱线增强器

从误差信号峭度的性质和误差符号(SE)算法的特点出发,提出了基于符号一最小平均峭度(Sign-LMK)的自适应谱线增强算法。该谱线增强器的结构与基于LMS算法的自适应谱线增强器(ALE)相同,但它是用误差峭度的符号和输入信号作为权向量的更新因子的。仿真结果表明具有计算量小、抑制非高斯噪声和增强谱线性能强、收敛后均方误差小等优点。