基于序贯蒙特卡罗概率假设密度滤波的多目标检测前跟踪改进算法

实现目标数目未知且可变条件下的多目标检测与跟踪是个极具挑战性的问题,在信噪比较低的情况下更是如此。针对这一问题,该文提出一种基于点扩散模型的多目标检测前跟踪改进算法。该算法在序贯蒙特卡罗概率假设密度(SMC-PHD)滤波框架下实现,通过自适应粒子产生机制完成新生目标在像平面中的初始定位,并根据目标在图像中可能出现的位置对全体粒子集进行有效子集分割和快速权值估算,最后利用动态聚类方法完成多目标状态的准确提取。仿真结果表明,该方法有效改善了多目标检测前跟踪的估计性能,并大大提高了算法执行效率。

基于自适应序贯相似性检测波形匹配延拓的EMD端点效应抑制

针对经验模态分解过程中信号两端出现的严重失真问题,在波形匹配延拓的基础上,提出了一种基于自适应序贯相似性检测波形匹配延拓的端点效应抑制方法。该算法引入基于精度的截止阈值,使算法有了很好的直观性和快速性。再通过对折自适应调节阈值,进一步减少遍历所需时间。通过对模拟信号和实际工程信号分别进行仿真分析,结果表明该算法能够有效的抑制在经验模态分解过程中出现的端点效应问题,改善分解效果。

序贯概率比检验用于残差检测的一种改进方法

分析了W ald序贯概率比检验用于故障诊断残差检测时备选假设必须唯一确定所带来的潜在局限性。在残差为正态分布的条件下,针对这种局限性提出了一种改进方法,在残差检测过程不断对备选假设进行修正,并消除了W ald序贯概率比检验产生的检测延时,定性分析认为这种改进方法适合于传感器缓变故障残差检测。仿真结果表明,改进方法相比于W ald序贯概率比方法,能更快速准确地检出缓变故障,具有更高的实时性。

多序贯概率比检验在管道泄漏检测中的研究

提出了基于多序贯概率比检验法,并以检测各种泄漏所需时间的期望为目标函数来优化备选假设,同时对判决函数进行改进以达到迅速有效地检测出各类泄漏的目的。仿真实验证明经改进的多序贯概率比检验在管道泄漏检测中是简单实用和可行的。

基于序贯概率比检验的自私路径检测方法

根据基于序贯概率比检验的无线传感器网络模型,对基于路由功能的自私路径的检测方法进行了研究。通过分析节点接收到的观测样本值,将计算得出的路径评判值与已知阈值进行比较,从而判定是否为自私路径。仿真结果表明,这种基于序贯概率比检验的序贯抽样方案所需观测值的数量大大减少,运行更快,且具有较高的检测精度。相比于其他固定抽样方案,这种方法无需事先确定检验统计假设所需的样本观测值数量,有利于对危害网络安全的行为做出快速响应,从而限制受损网络的范围。

基于Unscented卡尔曼滤波新息的多变量序贯概率比检验故障检测方法

针对非线性多变量过程监控问题,提出一种基于预测新息的多变量序贯概率比检验(SPRT)方法。首先利用Unscented卡尔曼滤波(UKF)基于正常过程模型预测输出值,将预测输出值与过程测量得到的实际输出值对比产生预测新息,然后引入多变量SPRT方法分析多元新息的统计特性,构造对数概率似然比判决函数和判决规则,监控过程的运行状态并对故障状态进行报警。在连续搅拌反应器上的仿真应用结果表明,所提出的故障检测方法能够有效实现过程监控,比传统的残差加权平方和方法误报率低、检测速度快。

基于光纤振动信号过零检测的序贯概率比振源检测算法

在光纤振动信号检测系统中,使用相干光时域反射COTDR技术,可检测长距离的光缆振动信号,但反射回的光信号都有大量的振动杂波和噪声.已有的振源检测技术都是采用单级振源检测机制,这将导致系统的虚警率不稳定和检测性能下降.由于微弱振源信号变化不明显,已有的振源检测技术对微弱振源的检测显得无能为力.为此,本文通过分析振动信号的过零检测模型和序贯概率比检测的关系,提出了一种多级振源检测算法,使虚警率稳定在一个可控范围内,同时提高了对微弱振源的检测能力.最后,用现场实验数据验证了该算法的有效性和可行性.

基于多维特征的序贯概率比振源检测算法

光纤振动传感器现已应用于管道安全预警系统中,被用来获取振动信号.已有的信号识别检测方法多是采用一维特征,并主要应用于高信噪比的情况.由于实际振源产生的振动信号经常是复杂多变的非平稳信号,本文基于此情况提出采用多维特征作为振源检测模型,根据振源数据冗余量一般较大的特点,选取了序贯概率比算法完成振源检测,并利用光纤传感器采集的现场振动数据对该方法进行验证.结果表明,本文所给方法可以有效地进行振源检测,极大地提高了系统的检测性能.

计算序贯检测器采样次数概率密度函数的一种简单方法

在ＰＮ码扩谱系统中，序贯检测器常被使用。在假设包络相关器输出端的采样统计独立的情况下，本文介绍一种利用递旧方法来计算序贯检测器采样次数的概率密度函数的简单方法。而且，还可进一步确定该检测器的错误概率。

基于远程软件认证和序贯概率比分析的蠕虫检测

针对仅认证方法无法检测到不在随机选择集合中的被感染节点,提出一种改进方法,应用序贯概率比分析(SPRA)和远程软件认证以检测蠕虫传播.首先,利用检测器观察无线传感器网络中的通信模式,识别正常流量中不会出现的连接链;然后,当探测器节点检测到蠕虫传播模式,则发起远程软件认证,且区域节点通过SPRA协作捕捉蠕虫传播.仿真结果验证了所提方法的有效性.与仅认证方法和支持向量回归(SVR)方法相比,所提方法的蠕虫检测鲁棒性更好.在蠕虫环境下,进行蠕虫检测和阻止所需的认证次数高于仅认证方法,低于SVR方法,总体开销较低.

DoS攻击检测中的自适应序贯检测算法

文章给出了一种新型的DoS攻击检测方法及其具体应用。利用自适应序贯算法统计分析接收到的各个网络协议层数据,查找其中微小变化,实现攻击的早期检测。方法具有计算量小,自学习能力强,适用于不同网络等优点,具有一定的实用价值。

序贯概率比检验在非线性Lamb波检测中的应用

为研究序贯概率比检验在Lamb波非线性检测中的应用,搭建非线性Lamb波检测系统,该系统用于检测3 mm厚的具有不同疲劳拉伸程度的铝合金板以获取二次谐波信号。将序贯概率比检验用于Lamb波非线性检测中,利用序贯概率比检验算法对收集的3种不同疲劳损伤程度的二次谐波进行分类和识别。结果表明,序贯概率比检验对不同疲劳损伤程度的二次谐波信号能有效分类。

基于序贯检验的管道泄漏检测方法

利用序贯概率比检验法检测油气管道泄漏是一种较新的方法。针对原始压力信号噪声的非高斯性,采用卡尔曼滤波器进行预处理,提高了序贯法判断泄漏的准确性。分析了传统压力梯度法的不足,借鉴负压波定位中的时间差法定位泄漏点,提高了定位的精度。实验结果表明,这种管道泄漏检测方法值得推广。

初相未知信号联合检测与估计的序贯实现

在未知参数的充分统计量和再生概率密度函数的基础上,引入了联合检测与估计的序贯算法,给出了算法的实现框图,并将该算法应用于高斯噪声中初相位未知信号的联合检测与估计当中.仿真实验表明,新算法较传统算法有一定的性能改善.

基于AWD和EBD的认知雷达序贯信号检测

研究了认知雷达在扩展目标假设下,目标冲激响应未知时的信号检测问题。根据认知雷达闭环结构的特点,基于最大似然(ML)准则完成了对目标冲激响应的序贯估计,并结合自适应波形设计(AWD)和检测前估计(EBD)方法,提出了一种迭代更新目标冲激响应估计和发射波形的序贯检测算法。由理论分析和仿真结果可知,该算法对目标冲激响应的估计精度以及在近似恒虚警检测(CFAR)准则下的实际检测概率,均随着认知雷达循环次数的增加而提高,且估计的检测概率随着目标冲激响应估计精度的提高逐渐逼近实际检测概率,从而有效提高了决策的可靠性。

基于多样本假设检验的认知雷达序贯信号检测

研究了扩展目标假设下,目标冲激响应和杂波协方差均未知时认知雷达的信号检测问题。提出了一种基于多样本假设检验的序贯信号检测方法。该方法通过分组发射信号,并结合最大似然估计准则(ML)、自适应波形设计(AWD)和广义似然比检验(GLRT),不断迭代更新目标冲激响应估计、杂波协方差估计和检测波形。理论分析和仿真结果表明:采用自适应波形(最优估计波形和最优检测波形)比固定信号(恒包络波形)在估计和检测性能上都具有明显的优势;此外,随着认知雷达循环次数的增加,目标冲激响应、杂波协方差的估计精度和实际检测概率都不断提高,估计检测概率逐渐逼近实际检测概率,从而保证了决策的正确性。

基于序贯假设校验的优化水印检测方案

数字水印在许多实际应用中,会有不同的侧重,如用之于数码相机、DVD、大型图像及多媒体数据库等情况下,自然以嵌入少和检测快为重点,这样可减少空间占用和显著提高水印检测效率,同时还可降低对宿主对象的品质影响,为此,本文提出的基于序贯假设检验的算法,以空域水印为对象,在保证水印提取检测时有足够小的虚警概率和漏警概率的前提下确定水印的最少嵌入量,并通过同条件的对比实验说明,本方法有明显的优化效果。

基于平衡分布自适应迁移学习的多风电机组运行状态监测方法

风电机组状态的准确监测对风电机组安全稳定运行和经济效益提升至关重要。但是,受不同风电机组运行数据分布差异的影响,现有状态监测方法在多风电机组应用场景下存在精度和效率难以兼顾的问题,而平衡分布自适应迁移学习(BDA)可以拉近数据距离,同化数据分布。因此,文章提出了一种基于BDA的多风电机组状态监测方法。首先,基于Copula熵的互信息法挖掘风电机组运行状态关键影响参量;然后,构建基于门控循环单元模型(GRU)和序贯概率比检验(SPRT)方法的单风电机组状态监测模型;最后,构建基于BDA的多风电机组运行数据分布同化模型,并用于多风电机组运行状态监测。算例结果表明,所提方法可以有效节省建模成本和计算成本,能够在保障多风电机组运行状态监测精度的前提下,显著提升监测效率。

Robust序贯检测及窄带随机相位信号的Robust M-检测

Robust检测是信号检测的一个新分支,不仅可用于已知信号的检测,还可用于随机信号与随机参量信号的检测等方面.本文首先讨论将序贯检测方式引入有限样本的Robust检测,导出Robust序贯概率比检测器RSPRT,证明其具有提高信号处理速度和节约平均样本等优点.本文还针对雷达和声纳系统常遇到的窄带随机相位信号,研究如何利用位置参数M-估计方法和理论,导出了窄带随机相位信号的Robust M-检测器,经过计算机模拟证明具有良好的Robust性.

一种基于卡尔曼滤波和序贯概率比检验的空气弹簧泄漏故障预警方法

为了解决城市轨道交通车辆空气弹簧系统故障检测困难的问题,提出了一种基于卡尔曼滤波和序贯概率比检验的空气弹簧故障预警方法。该方法首先将空气弹簧压力进行滤波处理,得到当前时刻的新息。然后采用序贯概率比检验判断当前时刻新息是否有故障,若新息有故障,则所提算法将报出空气弹簧系统故障;若无故障或不满足序贯概率比检验作出判断的条件,则循环进行下一时刻的判断。最后通过对地铁运营车辆采集的数据进行计算,以验证该算法的有效性。该方法可用于空气弹簧系统相关部件的故障检测,并具有故障提前预警的功能,进而增加空气弹簧系统的可靠性。