汽轮发电机组轴系扭振平衡位置分析与稳定域估计

根据汽轮发电机组轴系的简化模型 ,采用 Lyapunov直接法对该非线性系统的平衡位置稳定性进行了定性分析 ,在参数取于一定范围内时 ,确定了平衡点的位置 ,对稳定平衡点 ,用 Lyapunov函数对稳定域进行了估计。这里提出的分析方法是直接针对非线性系统的 ,因而避免了线性化方法所产生的误差。

稀疏盲源信号分离的新算法

针对以往通常采用线性规划或最短路径法计算相对复杂这一稀疏盲信号分离瓶颈,提出了一种新的算法,通过方向投影合理设置迭代初始值,结合最速下降法寻优估计源信号。新算法容易实现,分离速度快,能够很好地满足盲分离对速度的要求。

基于规范高阶累积量的盲分离算法

本文给出信号的r阶规范累积量定义,证明了在信号瞬时线性混叠情况下r阶规范累积量绝对值不超过最大源信号的r阶规范累积量,因此可以通过最大化r阶规范累积量的绝对值实现盲分离.最大化r阶规范累积量的绝对值可以得到两种盲分离算法,一种高效快速算法———特征值分解盲分离算法,另外一种盲提取算法.本文为高阶累积量盲分离奠定了严格的理论基础.仿真结果验证了理论的正确性和算法的有效性.

稀疏信号的参数分析

对于服从广义高斯分布(Generalized Gaussian distribution,GGD)的稀疏信号进行了参数分析.首先给出了广义高斯分布信号的一些性质,通过对信号等高线的分析,导出了计算稀疏性参数的公式,通过该公式的计算可以得到,对Laplace信号稀疏性参数为1,对Gauss信号为2.参照Laplace信号和Gauss信号,对于给定的服从广义高斯分布的信号,通过稀疏度量的计算可以直观地知道它究竟多么稀疏.实例表明只有当信号充分稀疏时才能通过稀疏表示方法实现欠定盲源分离.

时滞离散时间双向联想记忆模型的研究

提出一类时滞离散时间双向联想记忆神经网络模型 ,研究了平衡点的全局吸引性 。

室内区域性WiFi定位EKNN算法设计

WiFi由于应用广泛而被作为室内定位的热门技术之一,而定位精度与速度向来是研究的焦点.文中针对室内感兴趣区域(ROI)的定位问题,提出了一种证据理论K近邻(EKNN)算法.首先以接收信号强度指示作为指纹,在各区域分别建立无线指纹数据库作为识别的类;然后利用证据理论在各类别内进行近邻证据组合、类别间进行证据融合;最后确定目标所在ROI类,并在类中进行精定位.与其他算法相比,文中设计的EKNN算法的最佳区域类识别率可以达到97%,最大定位误差约为2.2 m,定位效率也有较大提高.

盲信号分离模型的混叠矩阵估计算法

针对传统盲信号分离方法通过估计分离矩阵实现盲信号分离难以同时适应适定、欠定和过定模型的问题,给出了一种新的方法,直接估计混叠矩阵实现盲分离.首先给出估计混叠矩阵的梯度学习公式,并分析了该梯度算法对适定模型的有效性,然后将它推广到过定混叠和欠定混叠模型,从而得到了一种适用于各种盲分离模型的混叠矩阵估计算法.仿真例子检验了所提出的算法在适定情形下与原有算法有类似的特性,而又可以同时适应过定和欠定模型.

关于一类神经元系统的动力学分析(英文)

旨在对Caianiello型离散神经元模型进行分析 ,由于这种模型具有动态阈值 ,它能够更加贴切地模拟生物神经元 .这种神经元模型恰为延迟动力系统 .我们所采用的方法是李雅普诺夫直接方法 .文中对各种不同情况得到了神经元系统平衡点的数量、位置的结果 .对每一种情况 ,我们还分析了这些平衡点的动态性质 ,理论分析和计算机仿真表明该神经元可以具有各种不同的特性 ,如全局吸引性、局部吸引性。

盲信号提取的神经网络方法

采用神经网络方法 ,在对于混合矩阵的秩知道一些先验信息的条件下 ,对于检测信号少于盲信号的问题 ,从理论上给出了提取盲信号的充分与必要条件 ,根据这个条件 ,从检测信号中能够提取出某些盲信号

一种基于改进罚函数的盲分离算法

文章通过对Hyvarinen-Oja算法的理论分析与仿真比较,提出了一种改进的罚函数实时线性混叠信号盲分离算法。该算法不仅从理论上导出了罚函数的选取方法,而且也大大加快了算法的收敛速度,避免了目前纯罚函数方法可能带来的病态问题。最后进行仿真,结果表明该算法不仅具有很好的分离效果,而且分离时间较Hyvarinen-Oja算法缩短了30%。

中立型控制系统的BIBO控制器设计

就中立型连续控制系统给出了一种新的Razumikhin型有界定理 ,基于这个定理提出相应的反馈BIBO镇定控制器的设计方法 .

欠定和非完全稀疏性的盲信号提取

两步策略已成为欠定盲信号分离的基本方法,混叠矩阵的估计是源恢复的先决条件.本文针对非完全稀疏性情况,提出一个两步的盲提取方法.该方法先利用信号的单源区间样本,估计部分源的基矢量(混叠矩阵的列矢量),后最小干扰地提取所对应的源;除它所对应的基矢量外,它不依赖的其它的基矢量,故回避了混叠矩阵可识别的必要条件.几个仿真实验结果显示了该算法的性能和实用性.

含有可控串联补偿电容的电力系统次同步谐振研究

根据采用复数力矩系数法分析次同步振荡的要求 ,在分析TCSC的物理特性的基础上 ,建立了可控串联补偿电容(TCSC)的数学模型 ,推导出适用于复数力矩系数法的TCSC的复频域等效端口导纳矩阵 ,在此基础上可方便地利用复频域扫描法分析TCSC对电力系统次同步谐振的影响。对 1个 2机 5节点系统用所提方法进行了次同步谐振分析 ,同时进行了全时域数字仿真 ,数字仿真结果验证了所提方法的有效性。

基于K近邻法的WiFi定位研究与改进

在分析位置指纹识别算法的基础上,研究K近邻(KNN)法在室内定位中的应用。为提高定位精度,设计新的相似度计算公式。针对K近邻法计算量大问题,将聚类算法与KNN相结合,提出一种新的WiFi定位算法。实验结果表明,该算法在WiFi定位上与KNN精度基本一致,但定位时间相应缩短,可以满足室内和室外的定位要求。

基于频域单源区间的具有延迟的欠定盲分离

本文研究如何分离具有延迟而无回波的混叠信号.提出了欠定情况(即感知器少于源信号)下具有时间延迟的信道估计算法,称为单源区间衰减和延迟恢复(AD-MRISSI)算法;它在理论上能无偏差地估计信道,在应用中能准确地估计延迟和精确地估计衰减.也提出了一个基于稀疏原则的源信号重建算法,能避免Bofill算法中的求解二阶锥规划问题.几个语音信号实验展示了其有效性和实用性.

具有反应扩散的Hopfield神经网络的稳定性

本文利用平均 Ｌｙａｐｕｎｏｖ函数，研究了具有反应扩散的 Ｈｏｐｆｉｅｌｄ神经网络平衡位置的全局渐近稳定性及局部渐近稳定性．其结果包含了国际上一些最新结果为特例．

基于超平面法矢量的欠定盲信号分离算法

探讨欠定情况下(观测信号少于源数目)的盲信号分离.首先给出了m维超平面的法矢量的计算公式,提出了一个基于超平面法矢量的矩阵恢复算法.其次针对语音分离,提出了k源区间及其检测方法,从而使k-SCA条件下的算法推广到了非稀疏信号的盲分离.在源信号重建上,提出了一个简化l^1范数解的新算法.几个仿真实验(含语音信号实验)证实了所提出算法的性能.

信号的稀疏性分析

在工程应用中,许多信号统计上都服从或者近似服从广义Gaussian分布(GGD：General- ized Gaussian Distribution)．着重讨论了广义Gaussian信号的稀疏性问题．首先,针对广义Gaussian信号,推导出了反映信号稀疏性的数学公式．按照这个公式,Laplacian信号的度量值为1,Gaussian信号度量值为2．通过计算信号的度量值,并将其与Laplacian信号和Gaussian信号的度量值进行比较,可以很直观地知道该信号的稀疏程度．同时,给出了一些稀疏盲分离实例．仿真结果表明：(1)在源信号极其稀疏的情况下,比如稀疏性度量值只有0．083(仿真1),借助稀疏性能够很好地实现欠定盲分离(UBSS：Undetermined Blind Source Separation)；(2)当观测信号数目比较少的情况下,如仅有3个观测信号,只有当源信号比Laplacian信号更为稀疏时,如稀疏度量值为0．7012(仿真2),对于欠定盲信号分离问题,才可能取得较好的盲分离效果．

一种新的迭代学习控制快速算法(英文)

对一类连续系统的迭代学习控制问题进行了讨论 ,提出了一种新的迭代学习控制算法 .该算法与目前的算法具有完全不同的形式 ,数值仿真结果表明了新算法的有效性与优越性 .

卷积混叠盲信号分离的一种线性化方法

卷积混叠的盲信号分离是盲源分离问题中的难点.针对独立同分布的非高斯信号的卷积混叠,提出了一种新的盲解卷积方法———“两步提取法”:第一步消除所有源信号的延迟分量,提取仅含有源信号的线性混叠分量,使其转化为线性混叠盲源分离问题,称之为“卷积线性化”;第二步对“卷积线性化”后的估计信号进行分离,最终分离出源信号.同时,利用统计和矩阵理论,证明了设计“卷积线性化”滤波器的方法.仿真试验结果显示了该方法的可行性.