基于雷达/红外测量的期望最大化容积卡尔曼滤波

为解决相应的目标跟踪问题,该文针对二维空间雷达/红外测量系统提出了一种期望最大化容积卡尔曼滤波(EMCKF)。在期望最大化框架下计算出量测噪声自适应因子,修正量测噪声协方差,以解决跟踪过程中时变量测噪声场景造成的量测模型失配的问题。仿真结果表明,与容积卡尔曼滤波(CKF)相比,在时变量测噪声环境下,该文EMCKF可以得到更准确的结果,并且该算法对量测信息丢失具有更好的鲁棒性。

含缺失数据的小波-卡尔曼滤波故障预测方法

研究了复杂系统存在缺失数据时的故障预测问题.首先,针对测试数据的非平稳性,在小波-卡尔曼滤波预测模型的基础上进行了改进,并利用期望最大化算法对模型参数进行了在线更新,提高其对非平稳时间序列的预测能力;其次,将数据缺失通过一个满足伯努利分布的随机变量描述,实现了缺失数据情况下小波-卡尔曼滤波状态估计.基于此,提出了缺失数据下的故障预测算法;最后,通过数值仿真和实例验证,说明了所提算法的有效性和可行性.

一种基于期望最大化去偏转换量测滤波的目标跟踪算法

针对雷达测量系统因野值干扰导致跟踪精度下降的问题,提出了一种期望最大化去偏转换量测卡尔曼滤波(EMDCMKF)。先对目标量测去偏转换,将转换后的量测噪声协方差解耦合并适配自适应因子,之后利用期望最大化方法估计自适应因子矩阵,从而对量测噪声协方差进行修正。仿真结果表明,提出的EMDCMKF位置均方根误差相比于EKF和DCMKF分别减少了45.1%和52.5%,速度均方根误差分别减少了52.6%和66.8%,在野值干扰的环境下,所提出的EMDCMKF算法可以得到更高的估计精度。

期望最大化法和回归法对亚洲心血管病国际合作研究缺失数据填充效果比较

目的分析亚洲心血管病国际合作研究(international collaborative study of cardiovascular disease in ASIA,InterASIA)缺失值缺失机制,探索适合该资料的方便、有效、合理的填充方法。方法利用SPSS16.0软件,分析数据的缺失机制,分别采用期望最大化法和回归法对缺失数据进行填充。结果InterASIA资料缺失指标缺失率在0.1%～2.1%,缺失机制为随机缺失,年龄偏小的人指标缺失率更高;采用期望最大化法和回归法对缺失数据进行填充后各指标的算术均数、标准差以及线性回归模型中的回归系数及标准误与填充前各指标的取值非常接近。结论InterASIA资料缺失率低,其缺失机制为随机缺失,期望最大化法和回归法是方便、有效、合理的填充方法。

联合手肘法和期望最大化的高斯混合聚类电力系统客户分群算法

为进一步提升电力系统客户的用户体验,针对现有聚类算法寻优能力差、紧凑性不足以及较难求解聚类数目最优值的问题,提出一种联合手肘法与期望最大化(EM)的高斯混合聚类算法,挖掘大量客户数据中的潜在信息。该算法通过EM算法迭代出良好的聚类结果,而针对传统的高斯混合聚类算法需要提前获取用户分群数量的缺点,利用手肘法合理找出客户的分群数量。案例分析表明,所提算法与层次聚类算法和K-Means算法相比,FM、AR指标的增幅均超过10%,紧凑度(CI)和分离度(DS)的降幅分别低于15%和25%,可见性能有较大提升。

基于期望最大化算法的车载导航定位

随着GPS车载导航系统的普及,围绕车载导航系统性能的研究主要集中在了如何提高导航精度的问题上。然而,车载导航应用的特殊环境决定了传统的精度提高方法的局限性。文中首先简述了车载导航的特殊环境,然后在此基础上提出了利用EM(Expectation Maximization,期望最大化)算法提高导航状态解算精度的构想。通过使用平淡卡尔曼滤波,解决了期望最大化两步算法中的第一步即状态估计问题。基于实测数据的仿真结果证明,该方法能够有效地提高车载环境下接收机的定位精度和稳定性,进而提高车载导航的服务质量。

期望值法在企业最优化方案中的运用

市场经济是竞争的经济，经济主体为了能够在激烈的竞争中获胜，在经济社会中占有一席之地，必然会采取各种措施以实现自身经济利益最大化。

基于化学发光的火焰层析重建算法

化学发光(chemiluminescence)与层析成像(CT)结合能够测量燃烧流场的三维信息。为了研究层析成像的重建效果,实现了两种经典的迭代类算法:代数迭代法(ART)和最大似然期望最大化法(MLEM),比较了两种算法在不同布置方式、不同流场以及不同噪声水平下的重建性能。仿真结果表明,在投影数目较少的情况下,非共面布置方式可以有效提升重建精度;当投影数目达到9个时,ART算法和MLEM算法的均方根误差均小于2%,MLEM略优;同时MLEM算法的抗噪声能力更强,更适合在复杂环境下重建,但ART算法的时间成本占优,9个投影时ART算法比MLEM算法快约56.57%。实验结果表明,两种算法均能得到良好的重建效果,MLEM算法的计算精度略高于ART算法。在待测流场划分的体素更多的情况下,MLEM耗费的时间成本约为ART算法的8.37倍。

基于稀疏贝叶斯学习的GFDM系统联合迭代信道估计与符号检测

针对当前广义频分复用(Generalized Frequency Division Multiplexing,GFDM)系统时变信道估计精度低的问题,提出基于稀疏贝叶斯学习的GFDM系统联合信道估计与符号检测算法.具体地,采用无干扰导频插入的GFDM多重响应信号模型,在稀疏贝叶斯学习框架下,结合期望最大化算法(Expectation-Maximization,EM)和卡尔曼滤波与平滑算法实现块时变信道的最大似然估计;基于信道状态信息的估计值进行GFDM符号检测,并通过信道估计与符号检测的迭代处理逐步提高信道估计与符号检测的精度.仿真结果表明,所提算法能够获得接近完美信道状态信息条件下的误码率性能,且具有收敛速度快、对多普勒频移鲁棒性高等优点.

基于麻雀搜索算法的土壤重金属X射线荧光光谱重叠峰解析

近年来随着土壤重金属污染的加剧,和人们环境意识的逐渐提高,科研人员对快速检测土壤重金属含量方法的研究正在不断深化。目前,X射线荧光分析法(XRF)是广泛应用于土壤重金属污染检测的方法。但由于X射线荧光光谱仪的能量分辨率有限,而一些重金属元素的荧光产额较低,一些元素的相邻谱峰出现了重叠现象。针对XRF法中元素相邻谱峰的重叠问题,提出了一种基于麻雀搜索算法(SSA)的光谱重叠峰解析方法。首先,将从河北保定地区采样得到的土壤,制备出不同含水率、不同重金属元素含量的样本并用X射线荧光光谱仪获取原始光谱数据。接着,对光谱数据进行预处理,采用谱聚类算法剔除异常光谱样本,采用Savitzky-Golay五点二次去噪法和线性本底法完成对光谱的去噪和本底扣除,并对光谱净计数用随机数法生成大量模拟光谱数据,以备后续算法使用。然后,用期望最大化法(EM)对重叠峰进行初步解析,首先设置EM算法的初始参数,并将生成的模拟光谱数据代入EM算法,当达到迭代次数时,即可初步得到高斯混合模型(GMM)中各高斯峰的期望、方差和权重参数。但由于EM算法容易受初始参数设置的影响,且易陷入局部最优而导致结果不准确,还需对EM算法进一步优化。本研究采用SSA对GMM的各参数进行全局优化,在设置SSA算法的基本参数后,将100组由EM算法得到的参数作为该算法的初始种群,并设置合适的适应度函数,通过迭代,最终得到全局最优参数,实现了重叠峰的分解。SSA受参数设置的影响较小,相比于一些传统的优化算法,如遗传算法(GA)、蚁群算法(ACO)、粒子群算法(PSO)等,具有收敛速度快、不易陷入局部最优的特点,因此,采用此算法,可以达到较好的优化效果。通过对重叠峰解析结果的分析表明,该算法可在较少的迭代次数下得到较准确的解析结果,可广泛应用于能谱重叠峰解析。

MIMO-OFDM系统中基于变分贝叶斯EM算法的联合符号检测与信道估计

基于变分贝叶斯期望最大化(VBEM,variational Bayes expectation maximization)算法和Turbo原理,提出了时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法。设计的软入软出空时检测器在采用列表球形译码避免穷尽搜索的同时,考虑了信道估计误差方差矩阵的影响;利用空时检测获得的发送信号后验概率分布估计,推出了新的Kalman前向后向递归信道估计器。仿真结果表明,在时变多径信道条件下,提出的算法比传统EM算法和面向判决算法更加具有顽健性。

对模拟纵向数据集缺失值处理的几种方法比较

运用SAS9.0、数据模拟技术,分别模拟纵向完整数据集和具有各种缺失率的随机缺失数据集,采用多重填补法(MI)、期望值最大化法(EM)和回归插补法(Regression)对各缺失数据集进行处理,对结果进行比较和分析。结果表明,对不同缺失率的数据集,MI、EM和Regression法对缺失值的处理各有优劣。

基于无迹卡尔曼滤波的直升机主减速器剩余安全寿命预测

剩余寿命预测为管理者制定预防性维修策略以保证设备不发生非正常停机提供重要信息。针对设备状态呈现非线性变化以及工程实际中的实时性寿命预测要求,提出一种基于无迹卡尔曼滤波的在线剩余寿命预测方法。该方法首先建立状态空间模型描述设备的退化过程,然后利用监测信号使用无迹卡尔曼滤波估计模型的状态,并通过期望最大化算法估计模型的参数,进而利用当前时刻模型的状态和模型的参数递推求解设备的剩余寿命,最后将该方法应用于直升机主减速器的剩余安全寿命预测。结果表明:该方法能够较准确的在线预测出直升机主减速器的寿命。

隐Markov模型的多算法交叉耦合自适应算法

以离子通道信号重构为例,扩展HMM为矢量隐M arkov模型,利用随机逼近原理对期望最大算法进行自适应改造,估计离子通道的动力学特征参数;递归辅助变量算法估计背景噪声的统计特征;卡尔曼滤波预测背景噪声;三种算法交叉耦合重构离子通道信号。该算法能够克服滤波器和背景噪声的影响,在低信噪比情况下得到了较高精度的估计参数和重构信号,具有鲁棒性和一致收敛特性。

SEM混合模型脑血管分割算法

针对脑血管结构复杂、空间比例小,易导致对其进行图像分割较困难的问题,面向脑MRI提出参数统计分类算法,通过随机迭代提高血管分割精度.首先应用最大强度投影法(MIP)实现脑血管图像预处理,以降低脑血管图像中混合成分的数目;其次用有限高斯混合模型模拟脑血管和脑组织的随机分布;最后通过随机期望最大化(SEM)算法进行混合模型的参数估计,解决了传统期望最大化(EM)算法收敛速度缓慢和局部极值的问题.实验结果表明,采用文中算法可有效地分割脑血管主分支及周围较细小分支,且其收敛速度比传统EM算法有较大提高.

SAS中处理数据集缺失值方法的对比研究

采用SAS软件中的多重填补法(MI),期望最大化算法(EM)和Ad Hoc法分别对医疗费用集的缺失值进行处理,比较三种方法的优劣并探讨其在医疗费用缺失值处理中的适用性。运用SAS9.10,采用数据模拟技术,分别模拟真实医疗数据集的各种缺失率的随机缺失数据集,分别用MI、EM和Ad Hoc对各缺失数据集进行处理,对结果进行比较和分析。结果:数据缺失率≤10%时,Ad Hoc更优;数据缺失率在15%～30%时,经MI处理后的分析结果更接近“真实”;数据缺失率≥35%时,三种方法均无效。结论:对不同缺失率的费用科目缺失数据集,MI和Ad Hoc对缺失值的处理各有优劣,EM效果略差于MI,没有明显优势。

基于Monte Carlo模拟的完全随机缺失数据处理方法效果比较

目的探讨不同缺失比率下几种缺失处理方法的优劣,为缺失数据的处理提供参考。方法以慢性心力衰竭的部分患者电子病历资料为数据基础,运用R软件,采用Monte Carlo模拟完全随机、任意缺失的数据集,并采用成组删除法、均值填补法、期望最大化填补法、缺失森林填补法和多重填补法分别对模拟的不同缺失比率数据集进行缺失处理,并对所得"完整数据集"拟合多元线性回归模型,得到的参数估计结果与完整数据集参数估计进行比较。结果在不同的缺失比率下不同缺失处理的效果存在差别,在5%和10%缺失比率下,链式方程填补法(multivariate imputation by chained equations,MICE)和期望最大化法(expectation maximization,EM)最优,缺失森林填补法(miss forest,MF)、均值填补法(mean completer,MC)和成组删除法(complete case method,CCM)效果接近;在20%缺失比率下,MICE最优,EM次之,CCM和MF近似,MC最差;在30%缺失比率下,MICE和MF最优,EM和CCM次之,MC最差;在50%缺失比率下,MICE最优,EM和CCM次之,CCM和MF最差。结论对于不同缺失比率的数据,研究人员应综合考虑缺失处理方法的准确度和精确度以及操作难易程度,必须根据实际数据加以调整,采用不同的方法进行处理。

编码板成像系统MLEM算法优化

为增强γ辐射编码成像系统中最大似然期望最大化(Maximum Likelihood Expectation Maximization,MLEM)算法对噪声的抑制,提高算法重建质量,基于互补编码板成像相减去除噪声的思想,对原有MLEM算法进行改进,提出了MLEM互补算法,并引入修正因子?对MLEM互补算法的收敛程度进行控制。通过模拟及实验方式验证了MLEM互补算法的有效性,给出了不同情况下MLEM互补算法达到最优值时修正因子?的拟合曲线。结果表明,MLEM互补算法可有效抑制噪声,提高重建图像质量。修正因子?的拟合曲线可以有效确定MLEM算法的最佳?值。

编码成像MLEM互补算法的参数优化

为了提高编码近场成像质量,本文对最大似然期望最大化法互补算法的参数进行优化选择。采用最大似然期望最大化互补算法消除近场成像伪像的原理,利用Geant4程序模拟研究了不同位置^(137)Cs单点源通过修正均匀冗余阵列(19×19)嵌套编码孔的成像结果,并利用参数选取对成像质量的影响。选取合理的修正参数进行理想迭代次数与源项位置关系式的拟合并验证。结果显示:伪像主要由源项在探测器上投影的不均匀性造成的,相关成像性能明显优于传统δ解码成像法,相比于源项所在极角,极径对于迭代参数的选取影响更大。

基于EM-KF的同步发电机参数辨识方法

同步发电机的参数的准确性直接影响电力系统仿真结果。本文首先利用电网扰动下的PMU数据,将同步发电机与外部电网解耦;然后利用卡尔曼滤波和期望最大化算法相结合的算法对同步发电机的参数进行辨识,最后利用仿真结果验证方法的有效性。