BP神经网络在缺失数据估计中的应用

由于飞行参数记录系统所记录的数据很容易被污染,所以对飞参数据进行预处理已显得十分重要,而预处理的一项重要内容就是对缺失参数数据进行合理且有效地估计,真实地反映飞行器当时的状态。通过分析神经网络理论和飞参数据特征,提出了一种基于BP神经网络的缺失数据估计的方法,有效地解决了目前飞行参数记录系统记录数据时缺失数据的问题。利用某型飞机真实的数据进行仿真,结果表明了这种方法是可行且有效的。

一种新的半盲联合信道数据估计算法

提出一种新的半盲联合信道估计与数据检测器,通过将递归-EM信道估计算法嵌入Turbo均衡器中,根据接收信号进行逐符号信道估计,不但能够适应时变信道,而且有效提高了联合信道数据估计收敛速度。仿真表明本算法对初始信道响应估计精度要求很低,从而大大降低了对训练序列长度的要求,使用很短的训练序列就能够达到较好性能,有效提高了频谱利用率。

基于马氏距离的飞行缺失数据估计方法

针对基于欧式距离的最近邻居的缺失值估计算法的不足,提出了一种基于马氏距离的估计算法来估计飞行数据集中的缺失数据。该算法通过飞行数据之间的马氏距离来选择最近邻居数据,并将已得到的估计值应用到后续的估计过程中,然后采用信息熵来计算最近邻居的加权系数,得到缺失数据的估计值。仿真结果表明该算法优于基于欧式距离的最近邻居缺失值处理算法,是一种有效的飞行数据缺失值估计方法。

一种基于相关分析的多元回归数据估计方法

针对无线传感器网络中数据估计方法存在输入变量较多、估计计算复杂度较高和估计效率低等缺点,提出了基于相关分析的多元回归估计方法.对无线传感器网络监测的数据序列进行相关分析,找出与当前数据相关性较强的其他历史监测数据,采用这些历史监测数据进行多元回归建模和估计.在保证估计精度的前提下,降低估计的计算复杂度,提高无线传感器网络中缺失监测数据估计的效率.实际无线传感器网络采集数据的实验分析结果表明,该方法具有较高的估计效率和较小的估计误差,能够有效地估计无线传感器网络中缺失的传感数据,具有一定的应用价值.

一种对WSN数据估计的改进方法研究

对WSN系统的数据估计具有重要意义。在WSN系统中,各节点信号受到噪声影响,其估计处理的性能需要提高。为解决上述问题,提出了一种改进的基于树状拓扑的自适应分布式估计方法,同时实现了对耗能方面的优化。改进算法中,将各节点特征进行融合,增强了鲁棒性;通过进一步优化,节省了传输带宽,且树状拓扑结构可以使节点之间的数据传输更加便捷,节省了能量。最后,通过计算机仿真,验证了对待测目标信号数据估计处理的高效性,并得到了理想的估计效果。

数据缺失情况下基于M⁃SPICE的低空风切变风速估计方法

针对机载气象雷达回波数据缺失的情况下,低空风切变风速估计失准这一问题,本文提出了一种基于缺失数据稀疏迭代协方差估计(Missing Sparse Iterative Covariance-based Estimation,M-SPICE)的低空风切变风速估计方法。该方法首先构造数据缺失模型,然后根据协方差拟合准则计算估计算子,并不断迭代更新得到最终所需的估计算子,进而恢复得到缺失的风切变数据,最后将恢复得到的数据重构得到完整的风切变数据,实现对风场速度的准确估计。仿真结果表明,该方法能够有效实现缺失数据的重建并精确地估计风速。

基于机器视觉的文件扫描机器人缺失数据填补

由于扫描环境噪声过高,导致机器人扫描文件图像内部分信息无法识别读取,为此,提出一种基于机器视觉的文件扫描机器人缺失数据填补方法。采集机器人的历史扫描缺失数据,划分不完备数据集及容差属性数据集,利用对数非自然函数识别数据集内的缺失数据,自适应函数值越大的数据,估计缺失的概率越高。采用机器视觉技术结合扫描机器人激光映射特点,根据扫描点的时间序列关系,提取扫描区域内的中心值。根据中心值判定邻近范围内的数据是否存在噪声影响,采用收敛模型实现填补。仿真实验证明,所提方法填补效果极佳、缺失数据识别率较高。

一种飞行参数缺失数据的预测估计方法

飞行参数数据在记录过程中受到各种干扰因素影响,容易产生部分数据的丢失。为了得到完整又符合实际飞行状态的飞行参数数据,需要对缺失数据的参数数据进行预测估计。飞行参数数据中包含十几个参数,若将所有参数用于每个动作的飞行评估,复杂度太高。考虑到不同飞行状态下,不同的参数相关度不同,采用主成分分析选择相关度较大的若干参数。这些参数数据构成多元时间序列,因为飞行参数具有连续性和平稳性,所以利用多元时序建模综合多个参数相关性进行建模分析,实验证明该方法能够准确地估计缺失数据。

基于区间删失数据估计方法的COVID-19潜伏期分布估计

目的新型冠状病毒肺炎疫情已经成为全球关注的公共卫生问题,其潜伏期等流行病学特征尚不明确,本研究旨在对新型冠状病毒肺炎的潜伏期分布进行估计。方法收集各省份卫生健康委员会官方发布信息平台的确诊病例暴露与发病信息,利用区间删失数据估计方法,基于Log-normal、Gamma和Weibull分布,对新型冠状病毒肺炎的潜伏期分布进行估计。结果本研究共收集确诊病例109例,平均年龄为39.825岁。基于Log-normal分布的潜伏期M=4.938(P25~P75:3.451~7.304)d,Gamma分布的潜伏期M=5.064(P25~P75:3.489~7.301)d,Weibull分布的潜伏期M=5.678(P25~P75:3.653~7.666)d。Gamma分布的对数似然函数值最大。结论COVID-19的潜伏期服从Gamma分布,基于区间删失数据的估计方法可用于传染病潜伏期分布的估计。

基于状态估计数据的电网线损理论计算方法

为了适应负荷实测和线损理论计算对数据的同时性和准确性的要求,提出一种利用状态估计数据进行35kV及以上供电网电能损耗率的计算的方法。在分析采用状态估计数据的可能性与必要性的基础上,根据电网线损理论计算软件的计算原理,论述了在状态估计数据中提取电网线损理论计算需要的数据,进行数据转换的步骤和方法。通过潮流核对,保证当前运行方式与线损理论计算的条件一致。应用结果表明:采用实时数据进行电网线损理论计算,可减少人为错误,提高效率,同时,也提高计算的准确性和精度。

单模型多传感器多尺度交互式数据综合估计算法

将小波分析理论中的多尺度分析思想与传统Kalman滤波、多尺度数据融合算法相结合 ,提出了单模型多传感器多尺度交互式数据综合估计新算法 ,并通过计算机的仿真结果 ,对此算法进行了定性分析 ;用标准差对此进行了定量分析 ,从而说明了该算法的有效性 .

基于数据协作的信道估计优化

为了减小大规模多输入多输出系统中导频污染对信道估计的影响,利用已知导频符号及用户发送数据独立同分布的特点,给出一种信道估计优化方案。基站接收到数据信号后,先按照行不变列扩展的方式进行矩阵扩展,再进行信道估计,如此可增加用于信道估计的已知数据长度,减小数据之间的相关性,使污染项逐渐趋于零,从而达到优化信道估计的目的。仿真结果表明,所给方案在优化信道信息上有较好的性能增益。

基于混合学习算法的材料计算数据误差估计

鉴于低误差的基于密度泛函理论的材料计算模拟数据在新材料设计与发现中的重要性,提出一种基于BP神经网络和粒子群优化(particleswarmoptimization,PSO)混合学习算法的材料计算数据误差估计建模方法。结合PSO的全局搜索和BP算法的局部搜索优点,将不含速度项的简化PSO算法和BP算法相结合,提出一种PSO和BP混合的学习方法(tsPSO-BP),用于训练材料计算模拟数据误差估计神经网络模型,并以立方晶系二元合金弹性常数计算模拟数据误差估计为应用实例。应用结果表明ts PSO-BP训练后的弹性常数计算模拟误差预测神经网络模型预测的C_(11),C_(12)和C_(44)的计算模拟数据误差的准确率分别达到88.19%,87.83%和88.26%。

一种振动信号处理过程的数据量估计方法

采用硬件板卡在对振动信号进行实时处理时,需要对信号处理过程的运算量进行估计,进而作为选择处理器和相关硬件配置的依据。本文从Cache使能、傅里叶变换、位翻转和读写片外SRAM等四个方面,精确估计了一种振动信号进行FFT运算时的数据量和时间。该方法的估计结果与实测数据一致,可作为相关算法运算量估计的参考。

智能电网中隐私保护状态估计的数据混淆算法

在智能电网中,通过收集和使用细粒度电表数据,可以有效推断用户的活动和行为模式。针对存在敏感数据泄露的严重问题,通过数据隐藏,虽可以实现对用户隐私的保护,却降低了分布状态估计能力。由此,文中提出一种仪表数据混淆算法来保护具有执行分布状态估计能力的消费者隐私。首先在基于802. 11s的无线网状网络中,由网关创建混淆向量;然后通过引入多个网关的方式将混淆值进行分配;最后对混淆测量值进行计算和传输,所得混淆值使仪表读数模糊化。此方法既有效保护了消费者隐私免受窃听者和公用事业公司的影响,又保持了公用事业公司使用数据进行状态估计的能力。对比基线、基准符号、基准秒和反应性混淆,仿真结果表明,数据混淆法在数据包传输率,数据吞吐量和延迟方面都有性能提升。

利用Monte-Carlo方法模拟比较动态平行数据模型参数的估计方法——最小二乘与工具变量估计方法

总结了动态平行数据模型的固定效应与随机效应模型的最小二乘估计 (OLS)与工具变量估计(Tool)方法 .并利用 Monte-

样本数据缺失情形下泊松过程的强度估计和检验

文章讨论了样本数据缺失情形下泊松过程的强度估计和检验问题。用极大似然估计、矩估计法和最小二乘估计法对强度进行估计,分别得出了极大似然估计强度的迭代方法,矩估计值及最小二乘估计值。证明了矩估计值和最小二乘估计值的无偏性和相合性,导出了其统计量的极限分布。最后,对两个Poisson过程的差异进行了假设检验同时给出渐近置信区间。

基于状态估计数据的电网线损理论计算方法

为了适应负荷实测和线损理论计算对数据的同时性、准确性的要求,提出一种利用状态估计数据进行35kV及以上供电网电能损耗率的计算方法。在分析采用状态估计数据的可能性与必要性的基础上,根据电网线损理论计算软件的计算原理,论述了在状态估计数据中提取电网线损理论计算需要的数据,进行数据转换的步骤和方法。应用结果表明:采用实时数据进行电网线损理论计算,减少不必要的人为错误,提高了效率及计算的准确性和精度。

基于深度学习的RGB图像目标位姿估计综述

6自由度(DoF)位姿估计是计算机视觉与机器人技术中的一项关键技术,它能从给定的输入图像中估计物体的6DoF位姿,即3DoF平移和3DoF旋转,已经成为机器人操作、自动驾驶、增强现实等领域中的一项至关重要的任务。首先,介绍了6DoF位姿的概念以及基于特征点对应、基于模板匹配、基于三维特征描述符等传统方法存在的问题;然后,以基于特征对应、基于像素投票、基于回归和面向多物体实例、面向合成数据、面向类别级的不同角度详细介绍了当前主流的基于深度学习的6DoF位姿估计算法,归纳整理了在位姿估计方面常用的数据集以及评价指标,并对部分算法进行了实验性能评价;最后,给出了当前位姿估计面临的挑战和未来的重点研究方向。

基于频偏估计算法研究

载波频率偏移是光通信系统中一种常见的损伤,常用数据辅助估计算法和非数据辅助估计算法进行频偏估计并补偿。两类算法可以均在时域或者频域进行估计。基于M次幂周期图盲估计是一种较为成熟的应用算法,经过改进可以应用在高阶调制格式。为降低频偏估计的计算量可以使用多级频偏估计算法,可以在不损失估计精度的前提下大大降低频偏估计的实现复杂度。通过仿真与实验,验证了多种频偏估计算法的正确性和有效性以及多级频偏估计的实用性。