基于对数条件似然比的无偏自同步扰码识别

为克服现有无偏自同步扰码识别算法在低信噪比(SNR)下存在适应性差的缺点,该文提出一种基于对数条件似然比的软判决识别方法。该方法首先构建了线性分组码自同步加扰和卷积码自同步加扰的对偶向量积线性约束方程;然后推导了基于软判决的对数条件似然比函数衡量方程的成立概率,并分析了其均值和方差的分布特性;最后通过2元假设和推导的相应判别门限来完成两种自同步加扰的识别。仿真结果表明,所提算法能够在低信噪比下完成生成多项式的识别,具有较好的适应能力,与基于求解代价函数的识别方法相比,在信噪比低于3 dB时的算法识别率得到较大提高,识别率为90%时,约有3 dB的性能增益。

基于无人机航测技术的东郊椰林海底海草盖度反演研究

海草盖度是反映海草床生态状况的重要指标。本文通过航拍方案设计和飞行条件试验采用无人机航拍获取了东郊椰林海域高分辨率海草影像图,结合ArcGIS软件影像分类工具和3D工具反演了海草分布范围,研究出海草盖度计算的新方法并计算了东郊椰林海底海草的盖度,模拟传统海草盖度调查方法的站点布置,探讨了其结果可比性和代表性问题。研究结果表明,东郊椰林海域海草主要分布于离岸300 m以内的珊瑚礁砰上,呈斑块状、间隔式分布,获取东郊椰林沿岸海草集中分布区面积为23221 m^(2),占研究区面积的比例为17.79%;海草覆盖面积约为16423 m^(2),海草盖度为12.58%,海草盖度较高,海草床生态状况良好。在研究区的东南区域有马尾藻密集分布,分布面积为755.6 m^(2),其盖度为0.5%,呈独株圆柱状漂浮生长。通过模拟试验,传统海草盖度调查方法有样框法和样线法,布置站点不同,样框、样线放置有随机性,海草盖度调查结果变动明显,是传统调查方法的结果存在代表性差、可比性差的原因。本研究成果在海草生态监控区调查中具有推广应用价值。

无线传感器网络节点自身定位算法

无线传感器网络中,节点的自身定位至关重要,在军事和民用领域中有着广泛的应用前景.目前的定位算法主要分为两种类型,即基于距离的定位算法和距离无关的定位算法.这两种类型的算法各有优势和不足.考虑了两种算法的优缺点,提出了一种廉价实用的自身定位算法,该方法通过RSSI测距技术测量节点间点到点的距离,并在多跳网络中对累加距离进行广播,最后用几何方法和最大似然估计法进行定位.仿真显示该算法在平均测距误差为10%,锚节点比为10%时,平均定位误差约为节点射频通信距离的20%.

一种新的基于RFID的室内移动机器人自定位方法研究

针对室内移动机器人自定位算法定位精度不高、定位误差存在波动的问题,提出了一种RTFL(RFID tag floor based localization)定位算法与RSSI定位算法相结合的室内移动机器人自定位方法。由RTFL定位算法给定机器人位置估算初值和机器人所在的范围,通过基于RSSI的机器人自定位系统进行机器人位置的进一步精确定位。求解过程中,通过遗传算法求解极大似然方程组,并提出染色体的筛选和剔除策略。仿真实验结果表明,该方法在有效的时间内完成定位,平均定位误差为0.157 2 m,与传统的改进方法 0.332 14 m的定位误差相比,降低了近一倍。并且新方法受环境影响较小,鲁棒性较好,能够很好地满足室内移动机器人的定位要求。

做会后悔还是不做会后悔?——自我调节模式对不作为惯性的影响

从消费者的不作为惯性反应差异出发,探讨运动模式和评估模式的消费者在错过第一次合意机会、面对第二次次优机会时购买可能性的差异及原因。通过3个研究发现,相比评估模式的消费者而言,运动模式的消费者具有更高的二次购买可能性。在自我调节模式影响次优购买可能性的过程中,预期后悔起到重要的中介作用。此外,研究还发现,当第二次次优机会中提供了与第一次机会中的产品类似但不同的替代产品时,运动模式和评估模式消费者之间的购买可能性差异消失了。

多普勒频率变化率快速最大似然估计辅助的高动态载波跟踪环路

高动态环境下接收信号含有较大的多普勒频率及其变化率,传统载波跟踪方法难以在高动态应力和跟踪精度两方面取得较好折中,针对这一问题该文提出一种多普勒频率变化率快速最大似然估计方法,并利用估计值辅助载波跟踪环路。首先指出了多普勒频率及其变化率的最大似然估计可等效采用分数阶傅里叶变换(FrFT)来实现;其次,针对频率及其变化率2维搜索运算量大的问题,提出一种瞬时自相关与分段离散傅里叶变换(DFT)求相位差相结合的频率变化率估计方法,根据粗估值可大大缩小搜索范围;最后,利用估计值辅助载波跟踪环路,降低动态应力,提高跟踪精度。理论分析与计算机仿真表明,在典型高动态参数条件下,输入信噪比为-30 dB时,搜索运算量降为原来的5.25%,输出频率的均方根误差仅为8.46 Hz/s,和传统载波跟踪方法相比,灵敏度提高3 dB以上。

多时相MODIS影像土地覆盖分类比较研究

首先以黑龙江省多时相MODIS影像为试验数据,利用最大似然分类(MLC)、自组织神经网络(SONN)、支持向量机(SVM)以及决策树分类(DTC)等四种广泛使用的分类方法进行了土地覆盖遥感分类研究。并从分类精度、样本数量对分类器的影响、模型复杂度、参数的选择、分类速度等多个方面对4种分类方法进行了深入比较和分析。综合比较得出决策树分类法最优,而经典方法之一的最大似然分类法最稳定。进而将此二法推广到全国范围的土地覆盖分类试验中,并进行精度对比。本文所得出的结论将对于在类似的应用中如何选择合适的分类方法具有一定的参考价值。

基于辅助阵元的方位依赖幅相误差最大似然自校正:针对确定信号模型

针对确定信号模型条件下方位依赖幅相误差的自校正问题,给出了一种基于辅助阵元的方位依赖幅相误差最大似然自校正方法;针对最大似然估计器中出现的高维非线性优化问题,推导了一种改进型交替投影迭代算法,从而实现了信号方位和方位依赖幅相误差的优化计算。此外,还推导了信号方位和方位依赖幅相误差的无偏克拉美罗界(CRB)。仿真实验结果验证了新方法的有效性和优越性。

数字图书馆环境下信息有用性和信息获取影响因素研究——信息获取自我效能的调节效果

数字图书馆是传统图书馆在现代信息环境下的延伸和变革,已成为科研、教学和学习的重要信息源。本文以精细加工可能性模型为理论基础,研究数字图书馆环境下信息有用性和信息获取的双路径影响因素。首先构建了研究模型,以数字图书馆的信息质量作为中枢路径,以数字图书馆的信源可信度和数字图书馆的声誉作为边缘路径,分析了中枢路径和边缘路径在信息获取自我效能的调节下对信息有用性的影响,并探讨了信息有用性和对数字图书馆的依恋如何影响用户使用数字图书馆获取信息。然后,采用在线问卷调查的方式,搜集了347份有效问卷,并利用偏最小二乘结构方程建模方法对数据进行分析,对本文的研究模型进行验证。研究结果发现,数字图书馆的声誉和信源可信度显著正向影响信息有用性,信息质量对信息有用性的影响被数字图书馆的声誉所弱化;同时,信息获取自我效能正向调节信息质量对信息有用性的影响,负向调节信源可信度对信息有用性的影响。另外,信息有用性进一步显著正向影响用户使用数字图书馆获取信息的行为,该行为也同时受到用户对数字图书馆的依恋的正向影响。

基于载波间干扰自抵消的OFDM频率同步

载波间干扰自抵消(ICISC)方案在频率域引入了冗余信息,提高了OFDM系统对频偏的稳健性。基于最大似然原理,针对ICISC方案提出了两种OFDM最大似然同步新算法。分析了算法的估计范围、方差性能以及Cramer-Rao下界。两种方法具有估计频偏范围大、估计精度高以及实现简单等优点,计算机仿真结果表明了方法的优越性。

取样鉴相数字合成器环中的混沌动力学行为

分析和研究取样鉴相数字合成器环中的混沌动力学行为,根据Ushio与Hira等人的方法,从理论上证明了当系统参数满足一定条件时,系统会出现分岔现象,并具体计算出系统在各个不动点处的Hopf分岔集、系统的李雅普诺夫指数以及豪斯道夫维数。通过对系统进行计算机模拟,观察到系统的奇异吸引子,奇异吸引子的自相似性,系统在混沌状态下对初始条件的灵敏依赖性,进一步证实了三角形取样鉴相数字合成器环中存在混沌现象。

改进质心算法的节点自定位研究

质心定位算法是指无线传感器网络节点仅基于节点间连通性进行自定位,其定位结果误差较大,但该算法思想简单,能够节约有限的节点能量。为了提高节点自定位精度,且能够保留算法简单的优越性,在此采用极大似然估计法测距模型对节点定位的误差值进行修正;极大似然估计法能够对节点间的测量距离和估算距离之间的差值进行计算。结果表明,经过修正的节点坐标有较高的精确度。

新的室内移动机器人自定位方法

针对现有室内移动机器人自定位方法中存在的定位精度不高,随时间积累定位误差增大,复杂室内环境下信号存在多径效应和非视距效应等问题,提出了一种基于蒙特卡罗定位(MCL)的新的移动机器人自定位方法。首先,通过分析基于无线射频识别(RFID)技术的移动机器人自定位系统,建立机器人运动模型;然后,通过分析基于接收信号强度指示(RSSI)的移动机器人自定位系统,提出机器人移动过程的观测模型;最后,针对粒子滤波定位执行效率不高的问题,提出粒子剔除策略和依据粒子方位赋予粒子权值策略,提高系统的定位精度和执行效率。仿真实验表明,机器人在移动过程中的自定位误差在X轴和Y轴方向上为3 cm,传统定位算法误差为6 cm,新算法定位精度提高近1倍,且算法具有很好的鲁棒性。

遥感影像的分类自校正方法研究

遥感图像分类是遥感图像研究的主要内容之一,分类精度高低直接关系到遥感数据的可靠性和实用性。多分类器系统可以提高单分类器分类的精度,但往往要求组成的子分类器分类误差相互独立,子分类器选择困难。支持向量机是新发展起来的一种非参数分类器,其分类原理和传统的基于统计的分类方法不同,表现出一定的独立性。为此本文尝试基于支持向量机和目前使用最广泛的最大似然法,构建一个性能高效且组合方式简单的复合分类器(称为遥感影像分类自校正方法)。同时,为了验证该分类器的性能,在北京市2006年4月27日的SPOT2图像上选择了一个研究区,分别利用最大似然法、支持向量机法和分类自校正方法进行分类对比试验。结果显示分类自校正方法的总体分类精度最高,比最大似然法和支持向量机法分别提高了4.35%和6.6%,而且各种地物类型的分类精度相对最大似然和支持向量机法都有提高。本文提出的分类自校正方法是一种性能高效且操作简单的分类方法。

自我构建理念对网络分享推荐意愿的影响研究

研究自我构建方式(相依自我和独立自我)对网络分享推荐意愿的影响,重点考察社会风险的中介作用和平台关系强度(关系紧密和关系疏远)的调节作用。研究结果表明:自我构建方式对在线分享推荐意愿有显著影响,与独立自我的分享者相比,相依自我的分享者在线分享推荐意愿低。不同自我构建方式的分享者通过感知社会风险的差异影响在线分享推荐意愿。此外,自我构建方式与平台关系强度之间存在调节效应,即在关系紧密的平台上,不同自我构建方式的分享者的分享推荐意愿差异显著。而在关系疏远的平台上,不同自我构建方式的分享者的分享推荐意愿无显著差异。

导弹气动力参数辨识中的一种鲁棒算法

传统的气动力参数辨识算法存在着一些问题 ,使辨识的准确性和可靠性受到较大的影响。为解决传统算法所存在的问题 ,以最大似然准则作为辨识准则 ,应用自适应遗传算法进行导弹的非线性气动力参数仿真辨识。气动力参数辨识的结果比较满意 ,表明遗传算法具有良好的优化性能 ,是进行气动力参数辨识的一种鲁棒算法。

HMM自适应法在应力变异语音识别系统的应用

为了使应力变异在顽健语音识别系统中能够达到较好的识别效果,研究了基于隐马尔可夫模型(HMM)的自适应技术,提出了将最大后验概率(MAP)和最大似然回归方法(MLLR)用于应力变异语音的自适应中。实验结果表明,与基本系统相比,两种方法均有效地提高系统识别率。以SD为初始模型的最大后验概率方法在150个训练样本时识别效果最好,可以达到90.4%。

说服效应的理论模型、影响因素与应对策略

说服效应是指面临说服性信息时,个体态度发生转变并影响其决策行为的一种现象,该现象普遍存在于政治选举、生活消费及商业广告等领域,具有重要的应用价值。说服效应的两个主要理论模型包括双加工模型和自我功效理论。信息源的可信度、情绪、信息框架、社会网络、事件卷入度等是影响说服效应的主要因素。说服效应的应对策略包括公开承诺和自我控制。未来的研究应该从说服效应的产生根源、特征成分及应用领域等方面进行深入地探讨。

基于Contourlet变换的K-L变换地震随机噪声自适应衰减方法

地震资料中有效反射信号具有丰富的纹理及边缘特性,在Contourlet变换域系数较大并具有相关性,而随机噪声均匀分布于Contourlet变换域且系数较小。考虑K-L变换具有分类特征提取的优势,在Contourlet变换基础上应用K-L变换,采用最大似然估计法和多尺度噪声估计法估算地震记录中有效信号及随机噪声的Contourlet系数方差,并将其应用到K-L变换域能量百分比阈值函数的定义中,自适应地确定用于K-L反变换的特征向量,修改Contourlet变换的系数,再进行Contourlet反变换压制随机噪声。数值模拟及实际地震资料去噪效果表明,基于Contourlet变换的K-L变换去噪方法不仅可以有效地压制地震资料中的随机噪声,提高地震资料信噪比,而且具有较好的保真性。

基于多任务学习的轨道车辆轴承异常检测方法

轨道车辆轴承温度现有异常检测方法的阈值判别指标受到路况、环境等多项外因干扰,并且基于异常检测目的的预测方法需要对轴承进行逐一建模,模型训练耗时且多模型维护困难。针对上述问题,提出一种基于多任务学习的轨道车辆轴承异常检测方法。首先考虑到数据分布在正常与异常时存在差异,把正常工况下的关联轴承温度作为模型输入构建轴承温度预测模型,当实际温度异常时预测值与实际值关联性呈现异常变化,因此该模型具有异常检测功能。其次,考虑到循环神经网络建模时进行递归运算消耗大量时间,引入多头自注意力机制,所构建的模型能够同时对一轴上的轴箱、齿轮箱、电机3类共9个轴承温度进行同时检测。最后,采用极大似然估计方法,将点预测转换为置信区间预测,解释了预测结果的意义。在正常和故障数据上分别对模型进行验证,结果证明本文所提方法具有准确的9个轴承和异常检测能力,并与单任务模型相比能大幅度减少建模时间。