一种基于深度生成模型的ADS-B信号增强和目标识别方法

自动相关监视广播数据(automatic dependent surveillance-broadcast,ADS-B)信号在航空领域通信中占据非常重要的地位,其检测、分析对航空运输安全保障意义重大。ADS-B信号常常带有噪声或干扰,这使得直接解码的准确性受到影响。为了更好地捕捉ADS-B信号的信息提升其准确性,提出了EASTR深度学习模型。所提模型首先使用基于非因果扩张卷积和残差网络结构的方法,对原始含噪ADS-B信号进行降噪与增强;随后,经过降噪处理的信号被转换为星群图像,再利用多层感知机进行分类识别。收集了5000条来自不同飞机的ADS-B信号数据,在此数据集上将EASTR与其他同类模型进行比较。实验结果表明:不同信噪比下EASTR均在准确率上优于其他模型。通过消融实验验证了数据增强模块的效能。

基于神经元集群模型的动态因果模型算法综述

大脑是人体最复杂的器官,各个脑区之间的连接构成了复杂的功能性网络系统,脑网络连接特征的变化与脑的生理病理状态密切相关。近年来,脑网络构建与分析算法成为计算神经科学领域的研究热点之一。在众多脑网络分析方法中,动态因果模型(DCM)由于具有生物物理合理性在探索神经网络的有效连接特性中得到了广泛关注。从基本原理、神经元集群模型和应用等方面对DCM进行综述。首先,介绍DCM的基本原理,并以基于卷积和基于电导的两类神经元集群模型为例,对DCM算法的关键组成——神经生物学模型的建模思想、原理及发展进程进行回顾;然后,综述近年来DCM在认知功能和疾病病理等相关神经信号分析领域的应用,指出DCM有望成为探索脑功能整合机制的方法;最后,结合近几年DCM算法的研究进展及其局限性进行总结和展望。

基于格兰杰因果的效应性连接分析方法综述

基于格兰杰因果关系的效应性连接分析方法目前在多脑区神经信号分析中得到了越来越多的应用。首先系统介绍了此类方法中常用代表性算法的计算原理与功能特点,然后对实际应用该类方法时应注意的要点进行了总结,最后以广义偏定向相干的改进算法为例,展示了在实际脑电数据集上的应用效果。

非因果输入的LTI系统全响应求解方法

求解线性时不变系统的全响应是"信号与系统"课程教学中一个重要知识点。本文总结了仅已知系统非因果输入、系统初始条件未知情况下,分别从时域、频域和复频域,直接求解线性时不变系统全响应的三类主要方法。我们对这三类方法进行了总结和对比,并以实例说明其正确性。

基于双向LSTM的维吾尔语事件因果关系抽取

针对传统方法不能有效抽取维吾尔语事件因果关系的问题,该文提出一种基于双向LSTM(Bidirectional Long Short-Term Memory,Bi LSTM)的维吾尔语事件因果关系抽取方法。通过对维吾尔语语言以及事件因果关系特点的研究,提取出10项基于事件内部结构信息的特征;同时为充分利用事件语义信息,引入词嵌入作为Bi LSTM的输入,提取事件句隐含的深层语义特征并利用批样规范化(Batch Normalization,BN)算法加速Bi LSTM的收敛;最后融合这两类特征作为softmax分类器的输入进而完成维吾尔语事件因果关系抽取。实验结果表明,该方法用于维吾尔语事件因果关系的抽取准确率为89.19%,召回率为83.19%,F值为86.09%,证明了该文提出的方法在维吾尔语事件因果关系抽取上的有效性。

关于因果信号卷积积分的解析法浅析

对因果信号卷积积分的解析方法进行了分析和讨论，探讨有关计算因果信号卷积积分的一般数学表达式，并给出其应用的几个实例。

因果性、因果反常和快子

本文阐述了物理学中因果性和因果反常的涵义 ,指出在闭合系里快子的存在可以和相对论因果性要求一致 。

因果微分定理及其应用

本文给出了因果微分定理的时域、频域s、域和状态方程表达式,重点讨论了因果微分定理在LTI系统的时域分析中的应用,证明了因果微分定理在系统的时域、频域s、域和状态方程分析中的重要地位和作用。它们不但使得系统分析简捷清晰,而且物理概念清楚。各章之间的内在联系交待清楚,十分有利于学生的理解和消化。通过历年的"信号与系统"的教学实践证明了这一点。

基于贝叶斯网络的基因变异间的因果关系发现与验证

基因变异间的相关性是全基因组关联分析等领域中的难点。当前基因变异间关系的研究主要基于基因在染色体上的相对位置展开,从另一个角度研究发现位于同一信号通路中的基因变异之间具有较强的因果性。基于单核苷酸多态(Single Nucleotide Polymorphisms,SNPs)数据对基因状态进行编码,得到离散型的基因变异状态数据;基于大量的基因变异数据构建基因间的因果贝叶斯网模型;用真实信号通路对基因变异数据上发现的因果贝叶斯网络进行验证。在WTCCC(Wellcome Trust Case Control Consortium)数据集上的实验结果表明,相互调控的基因之间的变异具有较强的因果关系。同时,实验也发现了一批具有较强因果关系的基因变异,可能对相关研究具有一定的启发意义。

具有因果律的多分辨信号处理系统

论证了具有因果律的多分辨信号处理系统所满足的必要、充分条件，揭示了其系统的内在规律．

傅立叶变换性质在瞬时频率构造中的应用

利用傅立叶变换的性质研究信号希尔伯特变换的频谱特征。在频域内一个因果信号的频谱实部与虚部互为变换。一个信号和它的变换式能构成一个解析信号,解析信号的实部就是原信号,其虚部是原信号的希尔伯特变换;解析信号的傅立叶频谱只有正频率部分,正好是原信号正频率部分的二倍,并且该解析信号的幅值和相位就表征了原信号的幅值包络和瞬时频率变化特征,这样就使瞬时频率瞬时幅值有了明确的物理意义,对研究非线性非稳态信号有非常重要的价值。

因果移序定理及其应用

本文给出了因果移序定理的时域、z域和状态方程表达式,证明了因果移序定理在离散系统的时域z、域和状态方程分析中的重要地位和作用。这些表达式不但使得系统分析简捷清晰,而且物理概念清楚。各章之间的内在联系也可交待清楚,这十分有利于学生的理解和消化。我们历年的"信号与系统"的教学实践有力地证明了这一点。

基于传递熵关键因果连接的情感识别方法

人脑在情绪活动中呈现的信息流是复杂多变的,因此理解脑区间的动态交互过程至关重要,但是基于原始脑电信号构建的情绪网络包含了许多与情绪无关的冗余信息。针对此问题,提出一种在不丢失关键因果信息的前提下去除情绪无关网络连接的方法,并验证其在情感识别过程中的有效性。首先,基于传递熵因果分析方法对积极、中性和消极情绪构建归一化传递熵矩阵,再从积极、消极情绪矩阵中减去中性情绪矩阵,最后基于简化后的矩阵构建因效性脑网络并利用图论分析不同情绪的网络连通性。通过在DEAP数据集上的验证发现,该方法有效地提高了情感识别准确率。

非线性格兰杰因果关系在睡眠生理信号分析中的应用

基于非线性格兰杰因果关系分析睡眠生理信号。分别使用多项式核函数、高斯核函数和Sigmoid核函数将低维空间数据映射到高维特征空间,在高维特征空间使用非线性格兰杰因果方法来分析睡眠生理信号。研究结果表明,脑电信号对心电信号的影响比心电信号对脑电信号的影响更为显著,脑电信号对血压信号的影响比血压信号对脑电信号的影响更为显著,血压对心电信号的影响比心电信号对血压信号的影响更为显著,而且睡眠期样本信号间的格兰杰因果关系更为显著。仿真结果验证了睡眠期信号更能客观地反映生理信号的因果关系。

关于周期信号与因果周期信号激励下的系统响应的讨论

通过对动态系统响应函数的分析,探讨了动态系统在周期信号与因果周期信号激励下的响应函数的关系,并以二阶RLC电路为例,具体展示两种响应函数的关系,进而说明了在实验中用因果周期信号代替周期信号的合理性.

谈谈超光速

对几个"超光速"现象的理解进行了说明,介绍了近年来关于超光速运动可能性的讨论。

基于多通道脑电信号的因果网络情绪识别

情绪是由大脑内多个通道共同作用产生的,格兰杰因果检验作为情绪识别的主流方法,在计算任意2个通道之间的因果关系时容易忽略其他通道的影响。面向多通道脑电信号,提出一种基于条件格兰杰因果检验(CGC)的因果网络情绪识别方法。利用CGC算法计算不同情绪下大脑全通道的因果关系,据此构建因果网络,并通过分析各通道的入/出度和介数拓扑属性找到关键通道,得到简化的因果网络进行情绪识别。将节点之间的因果连接关系作为特征分别输入SVM和KNN分类器进行分类训练,实验结果表明,简化网络的识别率分别为75.3%和78.4%,验证了所提方法的有效性。

基于非因果信号处理的分数阶次低通滤波器

就目前而言,对于低通滤波器都不能在去除噪声与保留图像的边缘和纹理细节之间达到权衡。针对上述情况,进一步分析并研究分数阶次积分的幅频与相频的特性,再结合非因果信号处理思想,从而提出一种基于非因果信号处理的非因果分数阶次低通滤波器NCFLPF(Non-causal Fractional Low-pass Filter)。通过在合成和自然噪声图像上的定量和定性对比实验表明,所提新方法不仅能抑制滤波过程中的相位失真,而且还能在有效平滑噪声的同时,尽量保留着图像的细节。

基于相位斜率指数的脑电信号方向研究

目的将相位斜率指数(phase-slope index,PSI)算法应用在健康及癫痫患者的脑电数据上,分析导联间信息流的方向和强度,拟为临床医学研究癫痫提供借鉴方法。方法首先在相位斜率指数理论方法的基础上研究了不同脑区间的信息流向的因果关系,并取合适的阈值2作为有效结果;然后对来自军区总医院采集的健康人和癫痫患者的最新脑电数据进行分析,用t检验方法考量健康数据和癫痫数据所得到的有效结果百分比是否具有显著性差异。结果左右区没有明确的方向,前后区在alpha频段有清晰的从前到后的方向;在宽带方法(所有频率)下,健康人数据所得到的有效结果百分比与癫痫患者数据所得到的有效结果百分比的差异无统计意义;在窄带方法(alpha频段)下,健康人数据所得到的有效结果百分比要高于癫痫患者数据所得到的有效结果百分比。结论基于相位斜率指数的脑电信号研究方法得出两种信号的有效结果百分比的差异有统计意义,对临床医学分析癫痫数据具有借鉴意义。

基于复杂网络理论的高铁信号系统危险致因评价方法

针对现有网络拓扑评价方法难以适应高铁信号系统危险致因网络有向异质特征的问题,形式化定义高铁信号系统危险致因网络;通过邻接矩阵,给出危险致因网络建模方法;利用邻接矩阵,从因果路径长度、因果可达性、致因类型角度,分别定义最短路径矩阵、可达矩阵、致因类型矩阵。在上述各类结构矩阵基础上,提出因果作用强度、因果节点数、因果紧密度、因果中介性等四类新的拓扑特征指标,实现对危险致因的多角度评价。以我国高铁信号系统的典型系统危险及其致因为例,对危险致因进行建模和评价分析。分析过程表明,基于复杂网络结构和拓扑特征的评价方法适用于高铁信号系统的危险致因评价工作。