基于快速贝叶斯匹配追踪的激光大气信道估计（英文）

信道估计是指接收机获知信道状态信息的方法和过程。信道估计的准确度决定了接收机的工作性能,所以均衡之前,必须先进行信道估计。目前,激光光学传输信道估计成为多输入多输出正交频分复用的自由空间光通信系统的关键技术。传统的压缩感知方法作为一种信道估计的有效方法,具有恢复和重构原始信号的能力,但在计算复杂度上付出了一定的代价。快速贝叶斯匹配追踪算法克服了现有方法重构精度低和复杂度高缺点。通过先验模型选择和近似的最小均方误差的参数向量的估计,快速贝叶斯匹配追踪算法提供了估计信道冲激响应的一种有效方式。仿真结果表明,与传统的基于压缩感知的方法相比,该方法能显著提高系统的性能。

环境激励下基于快速贝叶斯FFT的实桥模态参数识别

近年来,贝叶斯理论逐步应用于工程结构的模态参数识别、有限元模型修正及状态评估等方面。基于快速贝叶斯FFT的模态参数识别方法是针对某一共振频率带的单个模态,通过一个四维的数值优化问题得到模态参数的最佳估计,并通过对数似然函数关于模态参数的二阶导数求得Hessian矩阵,使得基于贝叶斯的参数识别方法可以快速高效地进行。为了评估该方法在实际桥梁结构模态参数识别应用中的可行性及优越性,运用快速贝叶斯FFT方法对环境激励下一刚构-连续组合梁桥的竖向加速度响应进行了分析处理,识别了其模态参数的最佳估计,并根据模态参数的变异系数评估了其后验的不确定性。识别结果与随机子空间识别结果的对比表明,两种方法识别的频率和振型基本吻合,阻尼识别结果的差异仍然较大。

基于短时傅里叶变换的快速贝叶斯模态参数识别方法

为反映结构非平稳响应信号的时频特性,提出基于短时傅里叶变换的快速贝叶斯模态参数识别(FBST)方法。该方法采用短时傅里叶变换代替傅里叶变换进行模态参数识别,使模态参数的识别同时具有时频特性,同时能够给出识别结果的不确定性。利用时域分解解耦技术,将多自由度多模态响应信号转变为单自由度单模态响应信号以提升计算效率,推导得到高信噪比下负对数似然函数的表达式。采用数值算例验证了FBST方法在时变频率和阻尼比识别上的有效性。在此基础上,针对某大跨柔性光伏支架结构气弹模型的风洞试验数据和某高层建筑风振实测加速度响应数据,利用FBST方法识别了对应结构的阻尼比、频率,并与连续小波变换和Hilbert-Huang变换等经典方法的识别结果进行对比。数值算例分析结果显示,对于时变、非时变信号,FBST方法均能识别与理论值较为一致的阻尼比和频率结果。对于大跨柔性光伏支架结构的气弹试验数据和高层建筑实测加速度响应,FBST方法识别得到的频率结果与连续小波变换以及Hilbert-Huang的结果较为一致,而识别出的阻尼比存在较大变异系数。

基于DIC技术和贝叶斯FFT方法结合的结构位移监测和模态参数识别

文章基于计算机视觉技术拍摄的一系列结构振动图像,运用数字图像相关(DIC)技术获取监测节点的亚像素振动位移数据,在此基础上,采用快速贝叶斯FFT方法对被测试结构的动力模态参数进行辨识。为了验证计算机视觉结构振动测试和快速贝叶斯FFT方法相结合在结构模态参数识别中的有效性和准确性,以某实验室5.6 m跨钢桁架模型的振动视频为算例,针对结构有无构件损伤等6种不同工况条件下的振动视频数据,进行振动位移的提取,进而分析桁架不同位置处监测节点识别位移与实际位移之间产生的误差大小及其原因,并借助快速贝叶斯FFT方法,对从不同部位采集的振动视频数据进行结构动力模态参数识别结果的精确度和不确定性对比分析。实验结果表明,文章将DIC位移测量技术和贝叶斯FFT方法相结合,能够有效实现对结构动力模态参数的精准识别。

一种结合参数优化的贝叶斯文本分类算法

朴素贝叶斯算法的主要特征是分类速度快而分类精度较低,算法的目标是在传统贝叶斯文本分类算法的前提下达到令人满意的分类精度,并进一步提高分类速度.算法的技术手段包括在原有多项式贝叶斯模型的基础上建立简化的贝叶斯实现模型,建立仅包含单词在类别中信息的类别特征信息数据库和优化lidstone修正因子等.算法实验在Reuters-21578测试语料集上进行.结果表明,与相关文献相比,分类速度明显高于对比算法,且精度优于或近于相关文献的改进贝叶斯算法.

环境激励下的Bayesian SFFT模态参数识别法及不确定性量化研究

针对传统Bayesian模态参数识别方法存在识别结果不确定性和量化指标单一的问题,提出了贝叶斯缩放快速傅里叶变换(Bayesian scaled fast Fourier transform,Bayesian SFFT)模态参数识别法,通过求解四维数值的优化,得到模态参数的最佳估值,并采用蒙特卡罗抽样的方法得到后验协方差矩阵和信息熵,实现对识别结果进行双重不确定性量化的目的。最后,通过数值模拟与工程应用验证了该方法的有效性,并研究了频带宽度系数k对识别结果的影响以及对比了变异系数与信息熵的量化效果。结果表明,将频带宽度系数k限制在7~9之间能够确保误差与不确定性的平衡;在阻尼比识别结果的量化中,信息熵的量化效果优于变异系数的量化效果。

主动配电网局部不可观相关性分析与谐波源定位

主动配电网因量测装置不足会导致局部不可观问题,传统谐波源定位方法难以保证谐波定位的准确性。基于谐波源的稀疏性,该文采用快速稀疏贝叶斯理论解决局部不可观系统谐波源定位。通过对不可观节点进行等值,将其谐波信息附加至可观节点,建立局部不可观等值模型并进行相关性分析;通过复数域下的稀疏贝叶斯理论对等值模型进行求解,并采用基于快速边际似然的超参数迭代算法加快计算速度;通过IEEE33节点系统进行仿真分析,结果表明所提出的方法在定位准确性和抗干扰能力方面均优于贝叶斯压缩感知算法。

小波包多级树模型管道泄漏信号压缩感知方法

针对目前管道泄漏监测信号压缩感知处理过程中,所需测量数较高,在数据压缩比较高的情况下泄漏信号重构性能指标比较低,未对稀疏信号固有的结构特征充分考虑的问题,提出了基于小波包多级树模型的管道泄漏监测信号稀疏化表示方法和结构模型的快速贝叶斯匹配追踪算法(M-FBMP)的压缩感知方法,该方法充分利用管道泄漏监测信号的特点合理选择稀疏基,构建了一次分解小波包多级树的管道泄漏监测信号模型,优化了标准高斯测量矩阵,推导了基于管道泄漏监测信号稀疏信号结构的M-FBMP算法,实现了信号的压缩采样和重构。通过实验对比该方法与传统快速贝叶斯匹配追踪(FBMP)压缩感知方法,实验给出了不同数据压缩比条件下,2种压缩感知方法所能达到的性能指标,结果表明所提方法与基于FBMP的压缩感知方法在均方根误差、信号的重构信噪比相同量级的情况下,数据压缩比提高了3.4倍,大大降低了工业监控数据传输对网络通信信道带宽的要求。在数据压缩比为30∶1的条件下,利用所提算法进行信号恢复,信号的重构信噪比提高了近2倍;重构能量恢复系数优于1×10-3,重构信号精度可以满足管道泄漏检测与定位的要求。

浅谈气动阻尼识别方法

气动阻尼研究对流固耦合问题具有重要意义,因此对气动阻尼识别方法的研究是必要的。文章首先对谱分析方法和时间序列法这两类方法进行了介绍和分析;其次,对时间序列法中以随机减量法为基础的HHT和小波分析进行了详细介绍,并进行分析和比较;最后,对谱分析方法中快速贝叶斯FFT方法进行了详细阐述和分析。

MMSE准则下基于玻尔兹曼机的快速重构算法

全连接的玻尔兹曼机模型可全面描述稀疏系数间统计依赖关系,但时间复杂度较高.为了提高基于玻尔兹曼机的贝叶斯匹配追踪算法(BM-BMP)的重构速度和质量,本文提出一种改进算法.第一,将BM-BMP算法的最大后验概率(MAP)估计评估值分解为上一次迭代的评估值与增量,使得每次迭代仅需计算增量,极大缩短了计算耗时.第二,利用显著最大后验概率估计值平均的方式,有效近似最小均方误差(MMSE)估计,获得了更小的重构误差.实验结果表明,本文算法比BM-BMP算法的运行时间平均缩短了73.66%,峰值信噪比(PSNR)值平均提高了0.57 d B.