分数Levy过程的随机积分及其驱动的随机微分方程

基于文献[1]对平方可积纯跳的Levy过程的白噪声分析,把由平方可积纯跳的Levy过程定义的分数Levy过程看作是Levy过程轨道的泛函,将其S-变换意义下的形式导数定义为分数Levy噪声,从而,定义了分数Levy过程的Skorohod积分.进一步地,提出了一类由分数Levy噪声驱动的Volterra方程并研究了其解的存在唯一性,同时提出了一类由分数Levy噪声驱动的随机微分方程并在线性增长条件及Lipschtz条件下证明其解的存在唯一性.

基于FGN和FLN的网络通信量模型FGLN

为了捕获大规模网络通信量的动力学行为特征,该文提出了一种基于分数高斯噪声和分数利维噪声的网络通信量新模型,给出了该模型参数的估计方法和通信量生成算法。仿真实验和对比分析表明,与其它经典通信量模型相比,新模型具有更好的性能,能够较好地捕获实际网络通信量的动力学行为特征,包括自相似性和冲激性。

随机平均原理研究若干进展

本文介绍了随机平均原理的研究现状和发展趋势,探讨了基于非高斯列维噪声、分数高斯噪声、Markov切换的随机复杂动力学系统随机平均原理研究中的若干问题及进展.

一种考虑非高斯Lévy量测噪声下的改进分数阶卡尔曼滤波

针对量测噪声模型为非高斯Lévy噪声,研究离散线性随机分数阶系统的卡尔曼滤波设计问题.通过剔除极大值的方法得到近似高斯白噪声的Lévy噪声,基于最小二乘原理,提出一种考虑非高斯Lévy量测噪声下的改进分数阶卡尔曼滤波算法.与传统的分数阶卡尔曼滤波相比,改进的分数阶卡尔曼滤波对非高斯Lévy噪声具有更好的滤波效果.最后,通过模拟仿真验证了所提出算法的正确性和有效性.