信号估计中的贝叶斯方法及应用

贝叶斯估计理论在图像处理领域有广泛的应用.结合图像去噪问题,讨论了贝叶斯最大后验概率估计技术,并推导了信号的最小均方误差估计;在此基础上,提出了一种利用后验均值准则推导维纳滤波表达式的方法.

基于最大后验概率的K/N规则研究

现有K/N规则大都未考虑判决代价,未提供一般式,且从数学意义上不符合假设检验的最优准则。本文基于最大后验概率准则,使用贝叶斯理论,考虑判决代价,推导出K/N融合规则的一般式。数值试验结果表明本文的算法较同类算法性能更佳,适用性更广。同时本文还研究了漏检率,误检率之间的关系和组成传感器的选择规则。

根据非线性贝叶斯理论的界面波频散曲线反演

通过时频分析法从海底环境噪声数据中提取界面波频散曲线,进而采用非线性贝叶斯反演方法估算海底沉积物厚度、剪切波速度、压缩波速度和密度等参数及其不确定性。参数的最大后验概率(MAP)估计值和边缘概率分布分别通过自适应单纯形模拟退火法和Metropolis-Hastings采样法在各参数先验区间内搜索获得,采用贝叶斯信息准则(BIC)从不同参数化模型中选择最优模型。界面波频散曲线反演结果表明:满足实测数据的最优海底模型结构为3层均匀分布剪切波速度剖面结构,海底深度的反演精度在800m以内,比起压缩波速度和密度,剪切波速度的不确定性更小,对界面波频散曲线更敏感。

一类非线性动态模型的贝叶斯随机模拟

对一类非线性动态模型进行了随机模拟 ,利用Metropolis算法完成了样本的修正递推 ,并对模型进行各种预测和推断 ;

正态分布序列均值变点检测的贝叶斯方法

对于方差相等且已知的正态分布序列的均值多变点问题,一般采用二分法,把问题简化为仅有唯一变点问题。本文提出利用贝叶斯统计的方法识别唯一变点的位置,主要是利用贝叶斯统计的方法求出变点位置的后验概率密度,然后利用贝叶斯信息准则给出变点有无的检验准则,并在有变点的情况下给出变点位置的具体估计。

一种大规模IP网络多链路拥塞推理算法

基于最小集覆盖理论的拥塞链路推理算法,仅对共享瓶颈链路进行推理,当拥塞路径存在多条链路拥塞时,算法的推理性能急剧下降.针对该问题,提出一种基于贝叶斯最大后验(Bayesian maximum a-posterior,简称BMAP)改进的拉格朗日松弛次梯度推理算法(Lagrange relaxation sub-gradient algorithm based on BMAP,简称LRSBMAP).针对推理算法中链路覆盖范围对算法推理性能的影响,以及探针部署及额外E2E路径探测发包的开销问题,提出设置度阈值(degree threshold value,简称DTV)参数预选待测IP网络收发包路由器节点,通过引入优选系数?,在保证链路覆盖范围的基础上,兼顾开销问题,确保算法的推理性能.针对大规模IP网络多链路拥塞场景下,链路先验概率求解方程组系数矩阵的稀疏性,提出一种对称逐次超松弛(symmetry successive over-relaxation,简称SSOR)分裂预处理共轭梯度法(preconditioned conjugate gradient method based on SSOR,简称PCG_SSOR)求解链路先验概率近似唯一解的方法,防止算法求解失败.实验验证了所提算法的准确性及鲁棒性.

一种基于似然极大的动态聚类方法及其应用

将传统的动态聚类分析和判别分析相结合,引出一种基于似然极大的动态聚类方法,该方法以EM算法实现的极大似然估计进行类参数估计,以相应的贝叶斯后验概率判别个体的归类。模拟研究表明,该方法通常既可无偏估计类参数,又可判别最佳分类个数。与重心法动态聚类和最小组内平方和法动态聚类相比,稳健性较高。同时通过提高判别标准,可以降低误判率。用Fisher的Iris试验数据验证了方法的可行性,并将之成功应用于一个水稻F2群体的个体的主基因基因型鉴别。

模糊马尔可夫随机场理论在阴影检测中的应用

阴影的检测是目标检测、目标跟踪、视频监控等领域的一个关键问题。提出了一种基于模糊马尔可夫随机场的阴影检测算法。该算法把阴影检测问题看做是一个求最优化的像素点分类问题。对于输入的视频,提取背景图像,找出阴影和前景目标物体区域。通过计算阴影概率分布,前景概率分布,隶属度函数,建立模糊马尔可夫随机场。应用贝叶斯准则,最大后验(MAP)估计和条件迭代模式(ICM)算法,寻找最优化的模糊马尔可夫随机场,并利用最大隶属度原则消除模糊性,得到阴影检测的结果。实验证明,文中算法具有较好的阴影检测率和目标检测率。

基于隐马尔可夫模型的协作频谱检测策略

频谱检测是认知无线电的基础和关键技术,将其建模为隐马尔可夫模型(hidden Markovmodel,HMM),并由此提出基于隐马尔可夫模型的协作频谱检测策略.该策略首先使用Baum-Welch法对HMM的系统参数进行最大似然估计;然后基于HMM模型,利用各次用户的检测信息以及过去信道状态的后验概率信息进行贝叶斯推理,更新当前时隙信道状态的后验概率;最后根据最大后验概率准则对当前时隙的信道状态进行最终判决.使用后验概率,该策略可进一步估计系统协作检测的性能,在满足系统协作检测性能要求的前提下,选择尽可能少的、检测性能较优的次用户来参与协作,以节约开销和降低复杂度.仿真实验表明,所提出的策略的系统检测性能优于基于大数判决、似然比和Chair-Varshney准则的协作频谱检测策略.

基于遗传算法的多结构变点检测及其应用

文章基于贝叶斯后验推理及遗传算法研究了线性回归模型多结构变点的变点检测方法,其中变点的数量和位置均未知。首先引入参数的无信息先验并基于后验分布得到变点信息的贝叶斯后验概率;然后基于后验概率定义一个施瓦兹-贝叶斯信息准则并应用遗传算法快速得到变点的个数及其位置,通过数值模拟验证了新方法的有效性和计算的快速性;最后,将所提方法应用于气象时序数据和股票交易价格两个实际数据的多变点检测问题,得到了有意义的结果。

基于贝叶斯理论的多载频SIAR雷达频率分集角度测量

SIAR雷达采用多载频正交发射、多天线接收模型,通过频率分集处理,其接收回波经过变换等效为非均匀空域采样信号,常规傅里叶变换处理得到的目标谱分析会出现较大的旁瓣效应,文中先对接收天线位置进行预排序处理,之后通过贝叶斯后验概率分布准则,采用l2范数对目标功率谱进行加权约束,进而获得空间均匀采样阵列回波.仿真试验给出了目标在不同SNR、不同外推阵列个数及不同仰角下的谱分析,仿真结果有效验证了SIAR雷达在高分辨角度测量等方面的优势.