非高斯背景下基于ODV的距离扩展目标检测器

本文研究了球不变随机向量杂波背景下的距离扩展目标检测问题.给出了修正的距离扩展目标检测器MSDD,推导了相应的虚警概率与检测阈值的解析表达式.MSDD需要事先估计目标散射点个数,而散射点个数估计失配时会出现严重的信杂比损失,针对这一问题,利用有序数据方差估计散射点个数,提出了ODV-MSDD检测器.仿真结果表明,ODV-MSDD对目标所占距离窗的大小具有很好的鲁棒性,并且其检测性能随着目标散射点个数、阵元数以及杂波尖峰的增加而提高.与MSDD相比,ODV-MSDD能根据实际观测数据自适应地估计散射点个数,有效提高检测器性能,增强系统的鲁棒性.

基于二阶罚函数自适应变阶拟合的全局电网惯量时空感知

随着传统同步发电机逐步被新能源发电替代,电力系统惯量不断降低,惯量时空评估对保障系统安全稳定运行愈加重要。首先,提出了基于二阶罚函数自适应变阶拟合的全局电网惯量时空感知方法;其次,基于同步相量测量单元(PMU)准确估测系统各空间节点的频率变化率及功率变化,采用二阶罚函数对PMU监测数据进行预处理,并对每段拟合数据的处理过程加以自适应变阶拟合;最后,通过两种方法的结合,可实现对电力系统广义节点惯量的时空感知。通过仿真案例分析,验证了所提方法在大、小扰动工况下对惯量时空评估的准确性及适用性。

核电厂外围辐射环境监测数据异常自适应预警

针对核电厂周围的环境因素复杂多样和当前预警方法的虚警率较高的问题,提出核电厂外围辐射环境监测数据异常自适应预警方法。根据核电厂外围辐射环境监测数据的属性分布对数据进行修正处理,以提高数据的有效性。对于监测数据进行离散化分解,以获取数据属性的一阶滞后变量,结合数据之间的相似性度量识别数据的异常特征,并构建数据异常自适应预警模型,将模型输出的预警因子与预设值相比较,以此实现数据异常预警。以某核电厂运维系统作为研究案例对所提方法的预警性能进行测试,结果表明:该方法可以有效实现监测数据的异常预警,虚警率较低,预警效果好。

一种基于ODV和CA的恒虚警检测器

基于有序数据方差(ODV)方法和单元平均(CA)方法提出一种新的恒虚警检测器(MODVCA),它的前沿和后沿滑窗分别采用ODV和CA产生局部估计,再取二者的和作为背景功率水平估计。在Swerling II型目标假设下,推导出MODVCA在均匀背景下虚警概率的解析表达式,并与其他CFAR方法进行了比较,结果表明在均匀背景及多干扰目标情况下,MODVCA的性能均比MOSCA获得了改善,同时该检测器的样本排序时间只有ODV的四分之一。

韦布尔背景下ODV检测器的筛选性能分析

研究了在韦布尔背景下一种基于ODV的恒虚警检测器。通过连续地使用基于ODV的统计量和相应的假设检验，这种检测器对有序样本进行删除来估计背景的噪声功率水平。在均匀背景及加入干扰两种情况下，通过仿真验证ODV方法的筛选性能。结果表明，ODV方法在韦布尔背景下的筛选性能是理想的，而且此方法不需要知道任何关于背景的先验信息，且具有自适应筛选的优点。

基于自动删除算法的恒虚警检测器

为了提高恒虚警检测器在均匀背景中的检测性能及增强对干扰的鲁棒性,基于自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(MACCA),它的前沿和后沿滑窗均采用ACCA算法产生局部估计,再对二者求和得到背景功率水平估计,从而设置自适应检测门限。在Swerling II型目标假设下,推导出MACCA-CFAR在均匀背景下虚警概率Pfa和检测概率Pd的解析表达式。分别针对均匀背景和非均匀背景分析了MACCA的性能,并与其他现有方案进行了比较。结果表明MACCA继承ACCA优点的同时,有效地提高了在杂波边缘环境下的虚警控制能力,它的虚警尖峰比ACCA少了近一个数量级,并且样本排序时间只有ACCA的一半。

基于有序统计和自动删除平均的最大选择恒虚警检测器

基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(OSACGO)以提高CFAR检测的性能,它采用OS和ACCA产生两个局部估计,然后取二者中最大值作为背景功率水平估计,从而设置自适应检测门限。在SwerlingⅡ型目标假设下,推导出OSACGO在均匀背景下虚警概率P_(fa)的解析表达式。通过与其它现有方案进行比较,结果表明在均匀背景及多目标和杂波边缘引起的非均匀背景中,OSACGO均具有相当好的检测性能,而它的样本排序时间只有OS和ACCA的一半。

基于自动删除算法的最大选择恒虚警检测器

基于自动删除单元平均(ACCA)恒虚警算法,提出一种新的恒虚警检测器(ACCAGO-CFAR)以提高CFAR检测的性能。它的前沿和后沿滑窗均采用ACCA算法来产生2个局部估计,取其中最大值作为总的背景功率水平估计,从而设置自适应检测门限。在SwerlingⅡ型目标假设下,推导出ACCAGO-CFAR在均匀背景下虚警概率P_(fa)的解析表达式。通过与其他现有方案进行比较,结果表明ACCAGO在均匀背景及多目标和杂波边缘引起的非均匀背景中,均具有较好的检测性能,尤其是在杂波边缘环境中,它的虚警尖峰比ACCA小近2个数量级,并且处理时间也比ACCA大为缩短。

基于有序统计和自动删除平均的恒虚警检测器

为了增强检测器对干扰的鲁棒性,基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(MOSAC),其前沿和后沿滑窗分别采用OS和ACCA产生两个局部估计,然后取二者的和作为背景功率水平估计,从而设置自适应检测门限。在Swerling Ⅱ型目标假设下,推导出MOSAC在均匀背景下虚警概率Pfa的解析表达式,并与其它现有方案进行了比较。仿真结果表明MOSAC在均匀背景及多目标和杂波边缘引起的非均匀背景中,均具有较好的检测性能。在杂波边缘引起的非均匀背景中,虚警尖峰比MOSCM减少了一个数量级,并且样本排序时间只有OS和ACCA的1/2。

一种新的鲁棒恒虚警检测器

本文基于自动删除单元平均(ACCA)方法和单元平均(CA)方法,提出了一种新的恒虚警检测器(ACGCA-CFAR)以提高CFAR检测的抗干扰性能。它的前沿和后沿滑窗分别采用ACCA和CA方法产生两个局部估计,然后取最大值作为背景噪声功率水平估计。在SwerlingII型目标假设下,推导出ACGCA在均匀背景下虚警概率Pfa的解析表达式,并与现有方案进行了比较,仿真和试验数据处理结果表明:ACGCA-CFAR在均匀背景和非均匀背景下均具有相当好的检测性能,而它的样本排序时间只有OS和ACCA的1/4。

基于自动删除平均和单元平均的恒虚警检测器

为了增强恒虚警检测器的抗干扰性能,基于自动删除单元平均(ACCA)方法和单元平均(CA)方法,提出了一种新的恒虚警检测器(ACCAM-CFAR)。它的前沿和后沿滑窗分别采用ACCA和CA方法产生两个局部估计,再对二者求和得到背景功率水平估计。与现有的CFAR检测器进行比较表明:该方法更为有效地利用了参考单元所提供的信息,具有更少的恒虚警损失。

混频数据模型应用研究现状及展望

混频数据模型能有效避免传统计量经济模型对不同频率数据"预处理"带来的有效信息损失或无效信息虚增问题。文章将混频数据模型的演变发展分为3个阶段,系统梳理了MIDAS模型及其衍生模型的提出背景及国内外应用领域;分别从预测方向及时效、变量指标选择、研究对象的频率差、滞后阶数及权重函数确定、基准模型比较5个方面分类介绍了混频数据模型的应用研究。最后,提出混频数据模型的未来研究方向可考虑拓宽理论模型应用领域,将现有金融经济领域的最新研究方法拓展应用到其他行业;引入统计学中变量选择的方法,更科学地筛选混频变量指标。

偏序时态XML索引TempPartialIndex

时态数据管理是常规数据管理的深化和扩展,具有理论研究的意义与实践应用的价值.时态数据索引是时态数据管理的重要技术支撑,是其中的一个研究热点.首先,提出了一种时态数据结构,通过数据节点间的偏序关系,可将常规的二维时间区间的处理转化为基于偏序的时态等价类上的一维的处理,该数据结构可以快速有效地处理时态操作;其次,在该新型时态数据结构基础上研究了时态XML索引Temp Partial Index,其基本特征是将时态数据结构整合到非时态的XML索引中,即,将其整合到语义层之中,通过时态过滤和语义过滤掉大量节点之后,再进行结构连接;另外,着重讨论了基于Temp Partial Index"一次一集合"及其时态变量查询和增量式的动态更新机制.同时,仿真结果表明:Temp Partial Index能够有效地支持时态XML的各类查询及更新操作,技术上具有可行性和有效性.

基于有序数据可变索引的SAR图像目标检测方法

该文提出了一种基于有序数据可变索引(Ordered Data Variability Index,ODVI)的SAR图像目标恒虚警检测算法,该算法首先对待测像素的参考窗进行基于ODVI的自适应筛选处理(Automatic Censoring,AC),以去除窗内的强杂波和干扰像素,并以窗内保留的均匀像素对背景的统计特性进行建模,估计其概率密度函数的参量,同时构建双参数恒虚警检测(CFAR)的检验统计量,计算检测的自适应阈值,实现检测的判决。论文给出了该算法的检测性能曲线,并利用实测的X波段SAR图像进行实验验证,与其它检测方法进行比较,结果显示该文算法具有较好的检测性能和较低的虚警概率。

二阶Volterra变数据块长LMS算法

二阶Volterra数据块LMS算法利用当前时刻及其以前时刻更多输入信号和误差信号的信息提高了算法的收敛速度,但由于其固定数据块长取值的不同导致了算法的收敛速度和稳态误差此消彼长。针对这个问题,本文提出一种二阶Volterra变数据块长LMS算法,通过时刻改变输入信号数据块长度提高算法性能。本算法首先采用两个并行的二阶Volterra滤波器,其输入信号数据块长差值始终保持一个单位;然后将其各自的输出误差信号同时输入到数据块长判决器,通过判决器得到下一时刻各个滤波器输入信号的数据块长度;最后以第1个二阶Volterra滤波器的输出作为整个滤波系统的输出,从而改善了算法性能。将本算法应用于非线性系统辨识,计算机仿真结果表明,高斯噪声背景下本算法的收敛速度和稳态性能都得到了明显的提高。

基于排序方差的非参量自动删除检测算法

为了增强广义符号(GS)检测算法在多目标环境中的检测性能,基于自动删除单元平均(AC-CA)检测算法和GS统计量提出了一种新的非参量检测算法(ACGS),它的前沿和后沿均采用ACCA检测算法进行参考单元选择,然后与检测单元进行比较形成检验统计量。分别针对均匀背景和多目标环境分析了ACGS检测算法的性能,并与GS检测算法进行了比较,最后利用实测数据进行验证。结果表明在均匀杂波背景下,ACGS检测算法较GS检测算法有较小的CFAR损失,但在多目标背景下较GS检测算法取得了较大的性能改善。

基于排序数据变率的最大似然恒虚警检测方法

在韦布尔杂波背景下,针对在未知数目的目标干扰情况下不能够正确估计杂波统计模型的参数,进而影响雷达对目标的恒虚警检测性能,提出了一种基于排序数据变率的自适应删除最大似然恒虚警检测(ACML-CFAR)。利用基于排序数据变率(ODV)的删除算法对杂波单元进行自适应删除,然后使用其余参考单元采样基于最大似然法来估计杂波分布的参数,并形成检测器的检测门限。仿真结果表明:在均匀杂波下,ACML-CFAR略好于ML-CFAR,表明了ACML-CFAR对于拖尾杂波中的部分较强的杂波尖峰也能够删除;在干扰杂波背景下,能够自适应删除杂波中的干扰,不需要关于干扰目标数的先验信息,克服了ML-CFAR检测器在删除个数小于干扰个数时检测性能严重下降的问题。

面板有序响应模型多种参数估计方法的仿真比较

面板有序响应模型已经被广泛应用于主观评价问题的研究,但在估计方法上,该模型依据对排序变量的处理规则不同产生了多种估计技术。因此,有必要设计蒙特卡罗仿真实验,综合考察这些方法在模型参数估计以及假设检验两个方面的表现,进而判别其优劣,其结果对于应用研究的方法选择也具有重要的指导意义。基于仿真实验的研究结果表明,OMD方法在小样本下会存在严重的估计偏误与假设检验的显著性水平扭曲现象,在超大样本下该方法可以产生有效的估计结果与检验结论,但效率改进的幅度不明显。DvS、BUC和CML方法在各种样本条件下都可以获得稳健一致的估计结果,但是对于参数的约束检验,CML方法会产生较明显的错误结论。针对以上结果产生的建议是,应该优先使用DvS或者BUC方法来估计面板有序响应模型并开展后续的假设检验工作。

基于DCS系统组件的变力度组合测试方法

系统组件间的交互故障及功能失效是导致核电厂数字化仪控系统(DCS)故障的主要原因,传统组合测试能有效检测组件之间交互作用,但存在测试数据冗余、检测能力下降等问题。提出一种基于逐参数扩展(IPO)策略的变力度组合测试方法IPO_VD。根据DCS系统组件开发的特性,从待测组件间实际交互关系,对水平扩展过程中参数的取值选择进行改进。实验结果表明,相比固定力度下的IPO算法,IPO_VD算法在测试数据规模、覆盖率以及检错能力上均有一定优势。在减小测试数据规模的同时实现对组件间实际交互关系的全覆盖。

一种基于排序数据方差的恒虚警检测器

为了充分利用参考单元信息,减少恒虚警(CFAR)损失,基于有序统计(OS)方法和排序数据方差(ODV)方法提出一种新的恒虚警检测器(MOSODV),它的前沿和后沿滑窗分别采用OS和ODV产生2个局部估计,然后取二者之和作为背景功率水平估计。在Swerling Ⅱ型目标假设下,推导出MOSODV在均匀背景下虚警概率的解析表达式,并与其他CFAR方法进行了比较。仿真结果表明,MOSODV在均匀背景及多目标环境中均具有较好的性能,而杂波边缘环境中,MOSODV也保持了比较好的虚警控制能力。