基于假设检验的雷达近邻目标距离统计分辨限——幅度随机分布

基于假设检验的统计分辨研究能够衡量统计意义下的分辨能力,还能够突破瑞利限的限制。当前研究均假定两目标的回波幅度为确定情况,实际中雷达观察的快起伏目标回波服从随机分布。基于随机分布假设,本文推导了两近邻点目标的距离统计分辨性能。研究表明,两种假设下的检验统计量均服从加权卡方分布,统计分辨概率和波形、幅度相关系数、回波信噪比等多种因素有关。仿真验证了理论推导的正确性,并且与应用于时延分辨的MUSIC算法相比,该方法具有更好的距离超分辨性能。

一种混合型数据的分布差异检验方法

针对两个独立的既含数值型分量又含分类型分量的混合型随机向量,通过对其中的分类变量引入虚拟向量,将原始的混合型随机向量转换成纯数值型随机向量,再利用转换后的两个数值型向量的能量距离,构造出检验混合型随机向量分布差异的一种简便方法.该方法相当于将普通能量距离中的欧氏距离换成欧氏距离与Hamming距离的混合距离.模拟实验与实例数据分析说明,新方法能在控制第一类错误的同时很好地鉴别两个混合型向量的分布差异,与已有的基于混合核方法的检验相比,新方法不受混合向量中数值型分量的维数影响,从而在一定程度上扩充了能量距离的应用范畴.

基于能量距离法的多维分类变量的分布差异检验

通过引入虚拟向量,将两个分类变量的分布差异检验问题等价地转换成两个虚拟向量的分布差异检验。基于这两个虚拟向量的能量距离,给出了一种新的简便的检验方法,采用置换样本的程序计算检验法的p值。数值模拟显示,相比传统的卡方检验法,新的检验方法不受样本频数列联表中各单元格的频数的影响,因而大部分时候具有更高的功效。最后,给出该方法在两个多维分类向量的分布差异检验中的应用。

K分布杂波中距离扩展目标的Wald检测

将距离扩展目标建模为子空间信号,用球不变模型模拟K分布杂波,提出了广义Wald检测算法。该算法是对待检测距离单元进行非相参积累,对杂波的纹理分量而言具有CFAR特性。首先对各个待检测距离单元分别检测,其输出的统计量是"白化"后的信号向信号子空间投影的能量和其向与信号子空间正交的噪声子空间投影的能量的比值来计算的,然后将各个待检测距离单元输出的统计量进行累加,形成最终的检验统计量。为了验证其有效性,通过Monte Carlo仿真了该算法的检测性能,并与文献[5]提出的自适应Wald检测器进行比较。

KK分布杂波下的距离扩展目标检测算法

针对服从KK分布的大拖尾雷达杂波背景下的扩展目标检测问题,利用球不变随机变量表示了KK分布雷达杂波模型。在假设目标回波幅度已知的情况下,研究了基于Neyman-Pearson准则的距离扩展目标最优积累检测器,并通过对目标幅度的最大似然估计,推导了广义最大似然比检验检测器模型。为了降低这两种检测器中因计算第二类修正的贝塞尔函数而引入的运算复杂度,提出了一种基于顺序统计量的广义似然比检测器。该检测器利用检测窗内幅度较大的距离单元回波作为目标回波进行判决。利用蒙特卡罗仿真对这三种算法的性能进行了验证与比较,虽然最优积累检测器与广义似然比检测器具有更好的检测性能,但实现困难,计算量大,而基于顺序统计量的广义似然比检测器则具有更高的实用性。

不需要训练数据的分布式MIMO雷达距离扩展目标检测器

在非均匀杂波环境中,研究了高分辨率分布式多输入多输出(MIMO)雷达的距离扩展目标检测问题。由于分布式MIMO雷达观测到的杂波是非均匀的,无法获得足够的独立同分布的均匀训练数据来估计检测单元的杂波协方差矩阵。采用复逆Wishart分布对杂波协方差矩阵建模,基于该杂波模型设计了一种不需要训练数据的分布式MIMO雷达距离扩展目标广义似然比检测器。数值仿真结果表明:在非均匀杂波环境中,所设计的检测器的性能比用训练数据的协方差矩阵类检测器有明显的改进。

土性相关距离的自由分布统计研究

利用自由分布统计检验的方法研究了不同土性参数、不同土层对相关距离值的影响。认为相关距离是土体的属性 ,对同一土层由原位试验参数得出的相关距离值要大于室内指标的结果 ,更能反映土体的真实属性。

实际采集数据的参数估计及其分布检验分析

针对实际采集数据的模型分布问题,给出了几种常用分布模型及其参数估计方法,基于Cramer-Von Mises(CVM)距离检验模型分布方法,对实际杂波/噪声的分布模型在多种长度下的分布模型进行了实验,最后给出了相关结论.

基于概率分布测度的高炉故障检测研究

高炉冶炼过程属于大惯性的非线性系统,针对生产数据的非高斯和动态特性,提出一种基于概率分布测度的高炉故障检测方法。首先利用子空间方法对在线采集的正常数据进行辨识,处理高炉数据的动态性,获取模型参数、滤波后的数据和模型残差序列。再利用所得到的模型参数,计算待测样本的估计值及残差。采用基于核函数的密度比估计法改进KL距离计算,分别对估计值和模型残差序列进行概率分布检验,直接比较正常和待测数据的概率分布,从而实现高炉故障的检测。测试实例表明,相比支持向量数据描述等方法,基于概率分布检验的故障检测方法具有较好的检测效率和精度。

图像中值滤波快速计算的符号检验法

在研究图像中值滤波及其快速算法的基础上,设计并实现了一种新的基于符号检验改进算法的中值滤波快速算法。该算法不需要对邻域内的像素值进行排序,消除了耗时的数据移动操作,从而提高了图像处理速度;同时,符号检验改进算法使用相对值作为统计量,考虑了两个总体样本完全一致的情况,解决了符号检验法的不足之处;最后将改进的符号检验法应用于图像中值滤波。算法分析与大量实验结果表明,该算法不仅大幅度提高了图像中值滤波速度,并且比其他几种快速算法更大程度地保留了图像的边缘、轮廓及纹理等各种信息。

基于假设检验匹配约束的点云配准算法研究

针对点云配准中效率低、误差大、抗噪性弱等问题,提出了一种改进的基于t检验的迭代最近点(T-ICP)算法。在初始配准阶段,采用统计分析对源点云和目标点云中的离群点进行标记并提取非离群点,然后采用主成分分析法(PCA)计算非离群源点云和非离群目标点云之间的变换矩阵,并将变换矩阵应用于源点云。在精配准阶段,以迭代最近点(ICP)算法作为基本框架,通过对候选点对的邻域距离分布进行t检验来剔除错误点对,并采用均匀分布策略来搜索点对,保证点云的完整形态配准。实验结果表明,相较于迭代最近点算法以及近两年一些改进的配准算法,该算法在效率和精度上分别提高了10%~50%和4%~40%,并具有较好的鲁棒性。

随机向量独立性检验的研究

现有的二维随机向量(X,Y)独立性检验方法都以假设X和Y相互独立为原假设进行检验,具有保护原假设的倾向,即更容易得到接受"两个变量相互独立"的结论.在"两个变量不相互独立"为原假设的基础上,利用分布函数的Kolmogorov距离构建了一种检验方法,使得能够控制将"X和Y不独立"错判成"X和Y相互独立"的概率.数据模拟表明,该方法能更好地区分不独立的随机变量.

单纯形分布模型的统计诊断

该文讨论了单纯形分布广义线性模型和广义非线性模型的影响分析问题,得到了若干有用的诊断统计量;证明了数据删除模型和均值漂移模型的的等价性定理.同时还研究了该模型的变离差检验,得到了Score检验统计量.最后给出了两个实例,说明该文方法的应用价值.

非均匀环境中MIMO雷达距离扩展目标检测器

针对非均匀干扰环境中分布式多输入多输出(MIMO)雷达的距离扩展运动目标检测问题进行了研究。由于分布式MIMO雷达的干扰(杂波和噪声)是非均匀的,无法获得训练数据来估计干扰的协方差矩阵,为此提出了一种新的知识辅助(KA)干扰模型,它和每个发射—接收(Tx-Rx)对相对应的干扰协方差矩阵具有服从复逆Wishart分布的矩阵结构,但具有不同的功率电平。基于该模型提出了一种无训练数据的距离扩展目标知识辅助—广义似然比检测器(KA-GLRT)。仿真结果表明,在非均匀干扰环境中,所提出的KA-GLRT检测器的性能明显优于传统的有训练数据的协方差矩阵类检测器。

基于GIS的黔南州近31 a降水时空分布特征

该文利用贵州省黔南州12个国家级自动气象站1989—2019年的地面降水观测资料,采用线性回归方法、Kriging法、反距离权重法、滑动t检验等方法,分析了黔南州近31 a降水的时空变化规律及突变特征,主要得出以下结论:①黔南州年平均降水呈东西部偏多、北部和中南部偏少的“川”字型分布,降水量有明显的增加趋势;②季节降水高值区围绕都匀为中心南北摆动,其中春、夏、秋3个季节降水呈增多趋势,冬季呈减少趋势;③月降水主要集中在4—8月,其中11月—次年4月降水为东多西少的东西向分布,5—9月为南多北少的南北向分布,10月为北多南少的南北向分布;④降水突变总体表现为2000年左右由减少趋势向增多趋势突变、21世纪10年代初由增多趋势向减少趋势突变。

一个检验点位置分布类型的距离方法

随机分布、聚点分布和正则分布,是点位置在空间中的三种主要分布类型.本文提出一种检验上述分布的距离方法,并讨论它的应用问题.

两个伽玛分布的同质性检验

对于两个伽玛分布,Γ(α_1,β_1)和Γ(α_2,β_2),讨论了统计假设:H_0:α_1=α_2,β_1=β_2H_1:α_1≠α_2或β_1≠β_2,基于Hellinger距离与参数的最大似然估计,建立了一个检验统计量.在一定的条件下证明了统计量渐近服从自由度为2的卡方分布.最后用随机模拟的方法研究了所建立的统计量的稳健性,并且与似然比检验统计量进行了比较.

一类相合的分位点型检验

广义非参数似然比检验统计量是一类很广的统计量,包含了众多重要的检验统计量,如Anderson-Darling(AD)等.利用Rubin的随机经验分布函数替代经验分布函数的方法,得到了广义非参数似然比检验统计量的新版本,构造了新的检验统计量.由于新的检验统计量在给定样本下仍然是随机变量,选择了它的分位点和期望作为检验统计量,分别称之为分位点型检验统计量和期望型检验统计量.在简单假设情况下,证明了分位点型检验统计量和期望型检验统计量在固定备择下的相合性.模拟结果显示,在某些备择下,新的检验的功效明显高于原有的基于经验分布函数的检验的功效.