基于最大时间阈值与自适应步长的时间相关性感知数据去冗余算法

针对传感器网络感知数据去冗余方法存在冗余度高的不足,提出一种基于最大时间阈值及自适应步长的时间相关性感知数据去冗余算法(TCDA).TCDA充分考虑了去冗余过程中,数据变动幅度大、局部最大值与最小值存在较大误差、局部特征值的丢失以及数据平稳时的数据相似阈值失效因素;TCDA在保证去冗余率的前提下,设置最大时间阈值防止数据相似阈值失效,确保数据的时效性;同时TCDA采用自适应步长机制降低计算复杂性,减少计算能耗.实验结果表明:TCDA与数据传输协议(DaT)方法相比,节约了3%的传输能耗和50%的计算能耗.

基于最小冗余线阵的谱相关波达方向估计算法

根据均匀线阵输出的共轭循环相关矩阵具有很大的冗余特性 ,提出了基于最小冗余线阵的谱相关共轭循环 MUSIC算法。该算法利用了信号的时域和空域联合特征 ,并引入了伪数据矩阵 ,使算法的性能远优于其他方法。理论分析和计算机仿真实验均表明 ,与基于最小冗余线阵的共轭循环 MUSIC算法相比 ,该算法具有良好的波达方向估计性能 ,扩展了阵列孔径 ,抗噪能力强 ,分辨率高 ,能用较少的阵元估计更多的信号源方向。

基于邻域互信息最大相关性最小冗余度的特征选择

特征选择是一种重要的数据预处理步骤,其中互信息是一类重要的信息度量方法.本文针对互信息不能很好地处理数值型的特征,介绍了邻域信息熵与邻域互信息.其次,设计了基于邻域互信息的最大相关性最小冗余度的特征排序算法.最后,用此算法选择前若干特征进行分类并与其它算法比较分类精度.实验结果表明本文提出算法在分类精度方面且优于或相当于其它流行特征选择算法.

相关性分析和最大最小蚁群算法用于脉搏信号的情感识别

针对脉搏信号的情感识别问题,提出了一种相关性分析和最大最小蚁群算法相结合的方法,找出了对情感识别模型构建具有较好性能的稳定特征子集。首先将原始特征用序列后向选择(SBS)方法排序,然后利用线性相关系数分析法计算特征间的相关度,并根据排序结果去除部分相关度较大的特征,最后针对筛选后的特征子集用最大最小蚁群算法进行特征选择,并结合Fisher分类器对高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感进行分类。实验结果表明,该方法能在原始特征集合中找出更稳定有效的特征子集,从而建立起有效的情感识别模型。

最大相关最小冗余限定性贝叶斯网络分类器学习算法

朴素贝叶斯分类器(nave bayes)是一种简单而有效的基于贝叶斯思想的分类方法,但它的属性条件独立性假设并不符合实际,影响了它的分类性能。BAN(bayesian network augmented nave bayes)分类器扩展了朴素贝叶斯分类器,使其表示属性之间依赖关系的能力增强,但是其学习算法需要大量的高维计算,在小采样数据集上,影响BAN分类器的分类性能。基于改进的最大相关最小冗余特征选择技术,提出限定性贝叶斯网络分类器学习算法(k-BAN)。本算法使用改进的最大相关最小冗余特征选择技术,通过选择属性结点的连接关系集合建立属性之间的依赖性关系。将该分类方法与NB,TAN和BAN分类器进行实验比较。实验结果表明,在小采样数据集上,本算法获得的限定性贝叶斯网络分类器具有更高的分类准确性。

基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法

癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义。针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法。对脑电信号进行短时傅里叶变换,并选取能量时频分布为特征,利用基于最大相关和最小冗余准则的方法进行特征选择,并使用极限学习机、支持向量机和反向传播算法对癫痫不同状态进行分类和判别。实验结果表明,极限学习机的分类准确率和训练速度两方面性能优于支持向量机和反向传播算法,发作间期和发作期的分类准确率达到98%以上,训练时间仅为0.8 s,所提方法能够实时准确地检测癫痫发作。

基于约束最小冗余线阵的TLS-ESPRIT快速算法

在各种高分辨测向算法中,TLS ESPRIT估计精度较高,因不需要谱峰搜索而具有更小的运算量.提出一种利用约束最小冗余线阵的快速TLS ESPRIT算法,在不降低阵列孔径利用率前提下,进一步减小了运算量.分析表明,该算法不仅降低了运算量,而且在一定条件下,性能优于常规TLS ESPRIT算法,所得结论通过计算机仿真得到了验证.

加权最小范数法在单冗余度机器人容错算法中的应用

利用梯度投影法对冗余度机器人进行容错轨迹规划时，常常导致关节速度变化较大，为解决这一问题，将加权最小范数法引入到容错轨迹规划中．理论分析及ＢＵＡＡ－ＲＲ七自由度机器人的仿真研究结果表明，利用加权最小范数法可以获得更平滑的关节速度，这说明它是一种有效的容错轨迹规划算法．

基于时间相关性的差分消零数据压缩算法研究

随着无线通信技术和物联网技术的快速发展,物联网数据采集终端定时采集数据,并利用无线方式和服务器进行数据交互已经成为行业信息化发展的重要环节。采集终端通信模块能量主要由无线远距离传输数据序列消耗,传输序列长度直接影响终端能耗。分析了采集序列的数据特点,基于序列数据量较小、时间相关性较好的特点,提出一种基于传输序列时间相关性的差分消零无损压缩算法（DC-AOZS）。DC-AOZS算法通过分析序列最小值和相邻数据最大差值,选取不同编码位数对差分因子和消零因子进行编码,去除最终编码中的冗余。仿真表明,DC-AOZS算法能够进一步提高数据压缩率,减少无线传输数据量。

基于最小冗余线阵的二维传播算子DOA估计

针对二维DOA(direction of arrival)估计所需阵元数量较多且阵元利用率较低的问题,提出了一种低阵元冗余度的阵列模型,将最小冗余线阵的应用拓展到二维DOA估计领域,降低了阵列冗余度。同时,利用传播算子算法估计二维波达方向,该算法无需谱峰搜索,且避免了大矩阵的特征分解,在解决计算量问题上有着巨大优势。最小冗余线阵的设置方式,用较少的阵元获得了较大的阵列有效孔径,从而弥补了传播算子算法在低信噪比条件下性能下降的缺点,具有了更好的低信噪比适应能力。该文从理论上论证了三平行最小冗余线阵设置的合理性,仿真实验证明了该方法的有效性。

基于加权最小平方法的DV-Hop改进算法

DV-Hop算法作为无线传感器网络定位中的经典算法,具有成本低、易于实现的优势,但是在定位精度方面存在一定的不足.改进算法对利用三边法或极大似然估计法得到未知节点位置信息的第三步进行改进.在求解方程组时采取平方后再相减的策略,同时为了减小多跳产生的定位误差,将跳数作为加权值,并为其设计相应的加权矩阵,采用加权最小平方法求解方程组,最后,利用求解方程组时得到的冗余信息对未知节点的位置进行进一步的修正.通过理论分析和实验仿真,证明改进算法提高了定位精度,减小了定位误差,可更好地应用于实际场景.

测量噪声相关情况下改进的多传感器融合算法

为了研究测量噪声相关情况下,同步多传感器跟踪系统的测量融合技术,根据线性无偏最小方差估计理论,给出了测量噪声相关情况下,同步多传感器系统测量融合的伪序贯和数据压缩实现算法,它们对测量噪声相关与不相关情况都适用。仿真表明,在测量噪声相关时,尤其是相关性较强时,本算法的融合精度比传统算法有明显提高;而测量噪声不相关时,性能与传统的融合算法相同。仿真结果表明了算法的有效性。

最小冗余MIMO声纳阵列结构优化仿真

研究多输入多输出(Multiple-Input Multiple-Output,MIMO)声纳阵列都是以均匀线列阵(Uniform Linear Array,ULA)为主,而非均匀线列阵列(Non-Uniform Linear Array,NLA)能产生更多的虚拟阵元,达到较高的目标检测分辨概率以及估计精度。为了提高检测和估计精度,提出了一种基于最小冗余阵列的MIMO声纳发射接收阵列结构优化算法建立阵列模型进行仿真。仿真结果表明,上述方法设计的MIMO声纳系统在目标分辨概率和估计误差方面性能均有提高,尤其在低信噪比条件下效果更好。

基于遗传算法的插接管道焊缝扫查机器人能量最小轨迹优化

针对插接管道焊缝扫查机器人末端执行器连续轨迹规划必须满足的运动限制条件，建立了安装高度可调节的全局能量最小优化多目标组合模型，该模型综合考虑了机器人的避障、末端轨迹精度、动力学约束与冗余度能量最小优化问题。基于遗传算法给出了针对该能量最小优化模型的轨迹搜索方法．仿真结果验证了该方法的有效性，并可推广应用到其他类型机器人．

基于最小冗余线阵的ROC-ML测向方法

在冲击噪声环境下,通过构造数据把最小冗余线阵的共变矩阵虚拟成多阵元均匀线阵的共变矩阵。在虚拟的阵列流型和扩展的共变矩阵基础上,推导出了基于最小冗余线阵和共变矩阵的最大似然算法。由于所提方法可虚拟出更多有效阵元数,扩展了阵列孔径,可以提高最大似然算法估计性能。为了快速求解所提的基于最小冗余共变矩的ML测向算法,设计了自适应文化算法求解所提出的目标函数。Monte-Carlo仿真试验证明了所提的测向算法具有估计性能好、抗冲击噪声能力强且可以用较少的阵元测出更多的信源。

一种最小冗余线阵的目标DOA估计方法

针对目标波达方向(DOA)估计的子空间类算法工程实现上的问题,提出了一种次最小冗余线阵的目标DOA估计方法。该方法应用孔径合成理论和最小冗余线阵理论,在保证阵列孔径等价的前提下,从工程应用的实际问题出发,对次最小冗余线阵的阵元配置进行研究。在分析MUSIC及MMUSIC算法的基础上,对次最小冗余线阵进行仿真。通过与相同孔径的均匀线阵和最小冗余线阵对比表明,次最小冗余线阵与相同孔径的均匀线阵性能相仿,并有更小的计算复杂度,比最小冗余线阵有更大的阵元灵活性,可以解决一般最小冗余线阵不能解决的相干信源的DOA估计问题。

基于扰动传播时空相关性的电网扰动事件快速定位方法

广域测量系统(wide area measurement system,WAMS)为快速准确地定位扰动事件提供了量测信息和数据基础。然而,由于电网中有限的同步相量测量单元(phasor measurement unit,PMU)布点以及通讯堵塞、硬件故障、GPS信号丢失和网络攻击等原因带来的数据质量问题,使得量测信息呈现不冗余性,给定位带来额外的挑战。该文提出一种适用于PMU量测信息不冗余场景下的电网扰动事件快速定位方法。利用主站电压相角量测数据生成Hankel矩阵,提出一种基于奇异值分解的扰动响应时间检测方法。基于电网子拓扑中的PMU测点以及网络拓扑连接关系,分别从时间和空间维度提取了表征扰动传播的时间差特征和空间距离差特征。进而,通过扰动传播的波速,耦合扰动传播空间距离差特征,提出基于时空相关性的自适应电网扰动事件定位方法。通过扰动传播过程的时空约束特性,实现了电网量测信息在时间维度不冗余的情况下,快速定位扰动事件的功能。基于IEEE 10机39节点系统和中国某西部实际电网,验证了所提方法的有效性和鲁棒性。

可靠性网络中费用最小化问题的一种新的分枝定界算法

本文对可靠性网络中串-并系统的费用最小化问题提出一种新的分枝定界算法.我们根据这类网络的特殊结构和性质,建立了新的最优性必要条件,在分枝搜索过程中增加新的剪枝准则,从而加速了算法的收敛速度.有效的数值试验表明,该算法可求解大规模可靠性网络的费用最小化问题.

烟叶致香成分相关性分析研究

烟叶致香成分数据具有"小样本、高维数、模糊和非线性"等特点,传统的统计分析方法难以有效解决其相关性问题。本文综合运用M5P模型树、mRMR特征选择以及神经网络等多种智能方法解决致香成分之间复杂的非线性问题,并结合行业专家经验,客观地对多种方法结论进行验证和评价,得出具有概括性的最终特征参数。综合分析方法拟补了传统分析方法的不足,提高了数据分析结果的准确度。

聚合物网的网络结构同力学性能间相关性的研究 交联—缠结网弹性分子理论同实验的对比

从交联——缠结网的弹性分子理论出发,求得了五种形变方式的应力——应变关系式.建议了一种从实验上来测定结构参数的“逐步逼近直线作图法”.在较宽形变范围内研究了NR 和IR 网的上述五种应力——应变关系,它们的理论应力——应变曲线均能同实验线很好的符合.分析了PDMS 网的结构参数同弹性性能间的关系,得到(?)结链数同损耗正切成正比,(?)结时弹性模量的供献有赖于形变量和平衡态.证明了所提出的弹性分子理论能较好地表征聚合物网的大形变弹性力学行为.