未知环境下激光雷达非平稳数据隔离方法

激光信道的随机性较强,对环境影响因素变化较敏感,导致激光雷达回波传输中存在一定的噪声,形成了包含不平稳数据的未知环境。为此,提出一种激光雷达非平稳数据隔离方法,及时隔离未知环境中的相关数据,保证输出传输质量。将干扰下的激光雷达回波信号分割为多个不同的子集,降维和去噪处理激光雷达回波数据。以互信息获取和与㶲最相关的变量为脉冲能量,获取回波信号特征变量,以此为依据利用支持向量数据描述(SVDD)方法检测非平稳数据。利用颜色-时序标记对象(CTMO)模型在全部回波数据与非平稳数据之间建立影响关系,利用该关系实现激光雷达非平稳数据隔离。实验结果表明,所提方法可以准确检测激光雷达非平稳扫描点、离群值和局部异常值三种数据,最高计算时间为25 s;颗粒物激光雷达接收机非平稳数据噪声基底与实际频谱变化基本一致,保留了传输数据的细节特征;数据传输过程中的最高时间负载增量为4.8%,可有效隔离非平稳数据。

通信网络链路非平稳数据自动修复方法

针对传统方法数据修复率较低,修复耗时较长,修复准确性较低的问题,为提高通信网络链路非平稳数据修复效果,设计了一种通信网络链路非平稳数据自动修复方法。采集通信网络链路传输数据,并构建非平稳数据噪声模型,对采集的数据进行去除噪声处理。根据噪声处理结果采用遗传算法对非平稳数据进行检测,并采用决策树方法对非平稳数据进行自动修复。实验结果表明,所设计方法的数据修复准确性较高,非平稳数据自动修复率较高,并且修复耗时少,证明了所研究的修复方法提高了非平稳数据的修复效果,具备实际应用意义。

非平稳数据流下的网络入侵检测优化方法研究

由于非平稳数据流下的网络具有一定的复杂性和时变性,因此需要对其进行网络入侵检测。但是采用传统检测算法不能有效提取出非平稳数据流下的数据特征,存在检测准确率低的问题。为此提出一种基于非平稳数据流下的网络入侵检测优化方法。上述方法首先利用蚁群算法选择非平稳数据流下的网络入侵数据的特征子集,消除冗余特征;计算信息增益,确定不同特征子集的特征权重,利用贝叶斯分类器对各特征权重进行分类,计算出非平稳数据流下的网络入侵检测的类别后验概率值,并利用辨别函数完成对非平稳数据流下的网络入侵检测辨别。仿真结果表明,所提算法进行非平稳数据流下的网络入侵检测准确率较高,具有较好的稳定性。

舰船电子通信系统非平稳数据自动修复方法

非平稳数据自动修复是舰船电子通信系统研究中的一个重要问题,本次研究针对传统自动修复方法修复率低,影响非平稳数据修复质量的问题,提出一种新的方法。该修复方法主要分为两部分,一部分为非平稳数据自动检测,检测采用遗传算法来完成;另一部分是在检测结果的基础上,利用决策树对非平稳数据进行弥补。结果表明:随着非平稳数据比率的增长,本方法的修复率跨度为5.4%,传统方法的修复率跨度为16.2%,二者对比,本方法的修复效果更好,更能保证数据的完整性。

非平稳数据的时频谱分析

文章阐述了几种常用的非平稳数据处理方法,即短时傅里叶变换、小波变换、Hilbert变换。分析了小波变换和Hilbert变换在非平稳数据处理中的特点。用算例进行实验分析,比较了傅里叶变换、小波变换和Hilbert变换等时频谱分析的各自特点。

光纤通信网络非平稳数据智能挖掘仿真研究

探究一种有效的非平稳数据智能挖掘方法,可以克服智能挖掘过程中受多种噪声的干扰,对光纤通信网络的大规模使用具备重要的现实意义。为了解决当前挖掘方法由于各种原因影响造成数据不完整、延时较长、遗漏率较高等问题,提出一种基于关联规则映射的非平稳数据智能挖掘方法,利用原始去噪算法对收集的非平稳数据样本进行去噪,获取非平稳数据的置信度。利用时间加权方法依据非平稳数据置信度对非平稳数据进行去噪,得到去噪后的非平稳数据。将其用于构建数据子空间矩阵,挖掘不同子空间非平稳数据集,利用同一空间下非平稳数据集的关联强度挖掘出非平稳数据集,实现了非平稳数据智能挖掘。仿真测试结果证明,所提方法能够有效缩短挖掘延时、提高数据挖掘完整率、降低遗漏率,具备较强的可行性。

数据中心光纤通信网络传输非平稳数据无损检测技术研究

针对当前方法存在检测准确率低、稳定性差、耗时长等问题,提出一种基于BP神经网络分类器的非平稳数据无损检测方法,构建数据中心光纤通信网络传输数据的噪声模型,采用平均斜率法和最小二乘法相结合的方式,根据数据中心光纤通信网络传输数据中包含的线性趋势项和非线性趋势项进行消除,完成数据中心光纤通信网络传输数据预处理;将得到的数据中心光纤通信网络传输数据预处理结果作为样本训练BP神经网络,采用梯度下降法作为BP神经网络学习规则以及成批训练模式,对BP神经网络各层权值进行初始化设置,并将权值向训练误差减小方向进行调整,同时进行权值更新,完成对BP神经网络分类器训练,将经过预处理得到的数据中心光纤通信网络传输数据样本全部输入到训练好的BP神经网络分类器中,进行非平稳数据无损检测。实验结果证明,相比其他方法,本文方法能够实现光纤通信网络传输非平稳数据高效、准确、稳定的无损检测。

利用自回归模型的平稳时序数据快速辨识算法

由于自回归模型的参数估计可归结为求解一个线性方程组的问题,所以其在平稳时序数据的辨识过程中具有广泛的应用场合。提出了一种基于自回归模型的快速辨识算法,以递推的方式对平稳时序数据自相关函数矩阵的秩的下界值进行估计,再以该估计值作为自回归模型的起始阶数对系统进行依次的递阶辨识。最后,基于F检验对相邻阶次的拟合误差的变化趋势进行显著性检验,并以检验结果作为算法的结束条件。新算法在保证较高辨识精度的条件下,其计算效能及辨识精度的稳定性均优于现有的自回归模型辨识算法,实验结果验证了新算法的有效性和先进性。

时间序列分析中数据的平稳性判定研究

时间序列的平稳性判定是时间序列分析预测的关键技术,为了根据数据特征提供更为可靠合理的平稳性判定方法,从数据平稳条件入手比较分析了时间路径图、自相关函数、DF检测和ADF检测四种方法的数学原理。以股票数据为应用背景,采用EViews工具对时间序列的平稳性判定进行了实验仿真和对比分析,得出对于复杂的时间序列多种检测方法综合检验更为可靠的结论,为随机过程中数据分析预测的进一步研究提供数据预处理的技术参考。

非平稳时序数据的分段辨识及其递推算法

在实际生活中,广泛地存在着一类在整体上属于非平稳但又可转化为数段局部平稳的时序数据,对该类非平稳时序数据的辨识问题进行了研究,并提出了一种具有递推机制的分段辨识算法.该算法从平稳时序数据的定义出发,以均值、方差及自相关函数等数字统计特征为校验统计量,构造了具有递推机制的均值突变点、方差突变点及自相关函数突变点的析出算法,在此基础上,从被辨识的非平稳序列中划分出数段局部平稳的子序列,进一步,应用Burg算法对各局部平稳子序列进行了自回归的递推辨识.实验表明,新设计的算法能以较小的位置偏差析出各局部平稳子序列的分界点,同时,在保证较高精度的辨识条件下,计算效能获得了显著的提升.

基于自相关函数的非平稳时序数据的辨识改进

由于自相关函数刻画了时序数据在不同时刻取值的线性相关程度,故其在时序数据的统计分析中得到了广泛的应用。讨论了基于FFT变换的自相关函数计算原理,结合非平稳时序数据的辨识需求,基于自相关函数理论对趋势和周期成份的分离次序以及残留序列的随机类型识别等问题进行了深入分析,进一步提出了一种改进的非平稳时序数据的辨识算法。实验验证了改进算法的合理性和有效性。

平稳时序数据的Bootstrap辨识及其改进算法研究

在平稳时序数据的自回归辨识过程中,通过引入Bootstrap方法对辨识残差序列进行重采样、参数估计及模型修正等处理。对现有的基于Bootstrap方法的自回归辨识算法进行了如下的两点改进:一是以自回归模型阶数为Bootstrap方法的滑动窗口宽度,对残差序列进行重抽样处理;二是基于矩阵奇异值的迭代分解理论,对Bootstrap重抽样序列的参数进行求解。实验表明,上述改进能有效地提高原有算法的辨识精度和辨识速度。

非平稳弹道数据处理方法研究

利用雷达的径向速度信息提取非平稳弹道的特征点 ,应用三次样条函数构建了数据处理模型 ,解决了雷达测量非平稳弹道数据处理问题 .通过仿真 。

一种平稳时序数据的高效辨识改进算法

时序数据驱动系统辨识的主要优点是可利用既有数据所蕴含的内在规律进行建模,且无需掌握系统内部结构,利用这一优势,提出一种基于自回归模型的平稳时序数据的高效辨识改进算法。利用重抽样方法估计待辨识序列的数学期望和方差,分别析出相依随机型序列和完全随机型序列,并以矩阵满秩为约束条件,用升阶的方式计算相依随机型序列的自回归系数矩阵的秩,得到自回归模型的阶数,在定阶的同时,以融合迭代和递推机制的方式估算自回归模型的参数。实验表明改进后的算法可在花费更少量计算成本的情况下,在辨识精度的稳定性上较现有算法有显著的提升。

非平稳面板数据共同因子与结构变化的交互效应探讨

数据结构的准确判定是模型设定与参数估计的前提,是保证实证研究结论可靠性的关键。文章对非平稳面板数据模型中共同因子、同质和异质结构变化的最经典检验方法进行分析,再结合实际经济数据给出共同因子与结构变化交互效应的实证结果,结果发现,非平稳面板数据模型中结构变化并不一定独立于共同因子,而有可能是共同因子发生了结构变化。因此,构建非平稳面板数据模型时应通过恰当的检验方法准确判定数据结构,避免因直接套用理论而得到的伪结论。

基于滑动最速跟踪微分器的遥测数据滤波方法

原始卫星遥测数据中通常含有噪声和野值,为确保对卫星状态的准确分析,需要对遥测数据进行滤波处理。提出一种面向卫星遥测数据的滑动最速跟踪微分器滤波方法,针对最速跟踪微分器的参数选择问题,采用扫频法分析其幅频特性,建立了跟踪因子与滤波结果之间的函数关系,在此基础上,利用滑动窗口划分遥测数据,并分析各窗口内数据局部稳定性与跟踪因子之间的关系,给出了局部数据跟踪因子的计算方法,实现对各窗口内遥测数据的动态滤波。实验结果表明,该方法能够避免传统数字滤波器处理遥测数据的局限性,可以有效滤除卫星遥测数据中的噪声和野值。

基于自适应优化的经验数据分解滤波器的设计

对经验数据分解算法进行了研究,从滤波器完全重构出发,研究了经验数据分解滤波器与两通道滤波器组对应滤波器参数的关系,得出分析和综合滤波器都为FIR滤波器应满足的条件。可根据不同的应用对分析高通滤波器进行灵活地设计,并保证重建滤波器是FIR滤波器。利用离散线性定常系统的最优滤波和预测技术对分析高通滤波器的系数进行了预测,使用超光谱图像数据进行测试分析,确定了最佳预测滤波器的系数。结合JPEG2000的核心算法EBCOT对超光谱图像数据进行处理,并比较了该算法的输出码率同JPEG2000中无损压缩输出码率。结果表明经验数据分解算法产生的图像输出码率比JPEG2000中无损压缩输出码率平均小0.217bpp,是一种对非平稳数据有效的分析方法。

基于技术进步的中国能源消费反弹效应——使用省际面板数据的实证检验

反弹效应是能源经济学研究的重要课题,由技术进步引起的能源消费反弹效应的大小直接关系到能源政策的实施效果。在新古典三要素生产函数的框架内,采用中国1985年～2005年28个省份的面板数据,检验了非平稳面板数据的单位根和协整关系,运用索洛余数方法计算了考察期间中国不同地区的技术进步贡献率,进而依据测算的全要素生产率来估计由技术进步引起的能源消费减量、增量和反弹效应。结果表明:①中国能源消费的反弹效应存在下降趋势,说明提升能源利用的技术水平已成为能源有效利用和节约的重要手段;②1986年～2005年中国总体的平均反弹效应为53.68%,说明不能仅将技术进步作为提高能源效率的唯一手段来解决能源约束问题,适当的能源政府管制手段是有必要的;③西部地区的反弹效应最大,其次是中部,最小的是东部,而技术进步带来的能源消费减量效应则相反,因此要彻底解决能源约束问题,需要关注和重视中国区域经济和技术进步的均衡协调发展问题。

基于重复抽样Bootstrap方法的移动数据块算法的研究

运用排列法的移动数据块算法,使得原始样本的样本点在整个自助法样本中出现的频率达到相等,从而提高了基于移动数据块算法的统计量的精确性。通过与一般自助法,平稳移动数据块算法的蒙特卡罗数值模拟,比较了这三种方法的优劣性。

云计算环境下嵌入式CPU负载预测仿真

由于嵌入式中央处理器(Central Processing Unit, CPU)负载需要同时考虑CPU利用率、内存利用率等相关因素,导致对其预测时难度较大且无法保证精准度。因此,提出一种新的自适应预测算法。构建嵌入式CPU负载预测框架,对其负载数据预处理,降低非平稳数据对预测结果精度的影响;在整合移动平均自回归模型中加入周期变动因素,构建季节性差分自回归滑动平均模型,分析CPU负载数据时间序列变化特征;并对其迭代计算,得到季节性差分自回归滑动平均模型的参数和CPU负载预测结果。实验结果表明,所提方法的MAPE值低于25%,表明该方法的预测精度高。