基于反事实的非因果解释研究

反事实情形下的非因果解释理论能够在解释实践中更好地实现解释力,在解释的反事实理论、结构模型解释、最优模型解释等非因果解释理论中均存在反事实。但反事实与非因果解释的结合并不充分,反事实在应用于非因果解释的过程中,引发了非因果解释的不对称问题、过分覆盖问题,以及基于反事实无法涵盖所有类型非因果解释的问题。解决这些问题的关键在于坚持多元干预自由主义的解释立场,解释多元论与结构方程模型的结合为上述解释案例所出现的问题提供了可能的解决方案,从而实现对非因果解释的合理性辩护。

短时傅里叶变换域最优非因果滤波器和滤波矩阵降噪算法

在现有短时傅里叶变换域单通道降噪算法考虑帧间相关性的基础上,为提高算法的灵活度以及滤波器的性能,提出了一系列最优非因果滤波器和滤波矩阵.具体地,通过引入非因果概念,设计出一组单通道非因果降噪滤波器,以实现同时利用过去帧和未来帧信息进行噪声抑制的目的.并在此基础上,推导出了一组最优单通道滤波矩阵,以降低算法的复杂度.将非因果滤波器以及滤波矩阵的思想相结合,进一步提出了一组单通道非因果滤波矩阵.随后,将所提算法扩展至多通道场景中,设计出了一组最优多通道非因果降噪滤波矩阵,以达到更好的降噪效果.最后,对所提算法进行了仿真实验.实验结果表明,与传统算法相比,本文提出的算法可有效改善带噪信号(输入信号)的信噪比,提升语音质量.

现象自身给予之非因果性——论马里翁“事件”理论

作为当今欧陆现象学继承者与领军人物的马里翁,“事件”理论是其给予性现象学之核心理论。事件在时间中自发涌现、突然降临、无限绵延,具有非因果性、非对象性和事实性,最为典型地彰显了现象自身给出与显现的根本模式。通过阐发“事件”理论来祛除形而上学主体强加于现象自身之上的因果性等知性桎梏,马里翁为我们揭示现象自身给予之充溢与过度的事件性特征,并废黜传统形而上学笛卡尔式思维主体的操控性权威,恢复现象的本真面目。

基于Modelica语言的电液伺服阀非因果建模仿真

针对电液伺服阀这一典型机械、电子、磁场、液压与控制耦合的复杂系统,考虑其多领域、多层次化的特点,应用多领域建模仿真语言Modelica对电液伺服阀进行建模仿真。不同于传统的电液伺服阀控制框图建模分析方法,Modelica语言的非因果性与面向对象性,使得该方法具有强可读性,强可用性,便于修改等特点,克服了传统方法不能从底层元件反映伺服阀特性、考虑因果性、不易修改与重用的缺点。仿真结果显示,该方法可以反映电液伺服阀的动态特性,同时可以方便地通过参数修正对电液伺服阀进行优化设计,为电液伺服工程技术人员提供了电液伺服阀设计的更为高效便捷的手段。

非因果空时二维副瓣干扰对消算法及性能研究

通道失配降低了窄带副瓣对消系统的性能,采用多辅助通道多抽头延迟线的宽带对消算法可以提高对消性能。鉴于对群延迟处理的FIR滤波器应为非因果滤波器,文中提出了非因果的副瓣对消器,该算法通过对主通道或辅通道信号的延迟,获得了对消权系数的非因果特性,从而构成了非因果的空时二维对消算法。通过实验对算法性能进行了对比,结果表明,该非因果宽带对消算法比因果算法具有更好的对消性能。

非因果滤波器在强震数据处理中的应用

本文叙述了非因果滤波器的特点,以汶川主震记录为例,采用Butterworth非因果滤波器,研究了加零、余弦过渡以及截止频率对于强震动记录有关参数的影响,对比了四种非因果滤波器在不同阶数下的计算结果,探讨了滤波后的加速度保零和去零的问题。研究表明:借助于在记录的首尾加零得以实现的非因果滤波具有零相位特点,余弦过渡处理对于加零部分与原始记录间的过渡很必要;Butterworth非因果滤波器的计算结果比较稳定,PGV和PGD对于高通截止频率的选择比较敏感,当波纹系数为0.2dB时,宜使用Chebyshev I型非因果滤波器;当波纹系数为3dB时,宜使用Cheby-shev II型非因果滤波器;对于滤波后的加速度数据需要保零以适应数据间的协调。

基于非因果先验信噪比估计的语音增强改进算法

为提高MMSE-LSA语音增强算法在低信噪比下的语音增强效果,提出一种改进的MMSE-LSA算法。该算法采用非因果先验信噪比估计法来估计先验信噪比,并引入无语音概率的思想,对增益函数进行改进。实验结果表明,相比传统MMSE-LSA算法,改进算法能更好地抑制残留噪声,提高语音的信噪比,增强效果更好。

非因果离散广义大系统的分散镇定

该文利用Lyapunov方法研究了非因果的离散广义线性大系统的渐近稳定性及分散镇定问题。首先给出了镇定非因果广义系统的状态反馈律。其次在子系统正则的条件下,给出了广义大系统渐近稳定的判定定理,设计了镇定离散广义大系统的反馈律。该方法对子系统有无因果关系均适用。最后给出算例说明方法的有效性。

非因果输入的LTI系统全响应求解方法

求解线性时不变系统的全响应是"信号与系统"课程教学中一个重要知识点。本文总结了仅已知系统非因果输入、系统初始条件未知情况下,分别从时域、频域和复频域,直接求解线性时不变系统全响应的三类主要方法。我们对这三类方法进行了总结和对比,并以实例说明其正确性。

一类非因果系统的最优滤波与平滑

研究一类非因果系统的最小方差滤波与平滑．引入前、后向马尔可夫过程的等价性定理，得到了等价系统实现最优滤波的条件，并给出最优滤波和平滑算法．该算法可应用于一系列实际问题中．

全空间弹性介质系统的非因果扰动

通过研究恒定损耗因子在全空间弹性介质下非因果反应,发现在绝大多数频率下,模型会产生错误的衰减值,但是如果该值相对较小,则它对于整个系统的影响将微乎其微,且如果损耗因子较小,那么脉冲前的反应基本上可以忽略不计。另外,如果真实的损耗因子与频率近乎独立,那么恒定损耗因子模型给出的估计就是比较有说服力的。

非因果预测和直方图平移下的可逆音频数字水印

预测算法在可逆水印隐藏中扮演重要角色.预测算法越好,得到的预测值就越精确,嵌入水印后的失真度就越低.为此,提出一种新的非因果音频预测算法.在预测之前,利用每相邻3个样本点之间的相关性计算出一个预测系数,再将这些预测系数进行统计平均得到最佳预测系数.根据每相邻3个样本点间的数值关系计算预测值和非整数预测误差.最后利用直方图平移技术嵌入水印信息.该算法利用了相邻3个样本点间的相关性,而且集合了非因果预测的优异性和音频信号本身的固有特性.测试了6个标准的音频文件,对比了已有同类可逆音频水印算法,该算法在预测性能和嵌入失真方面都更有优势.

基于算子外推的非因果滤波技术的应用研究

f-x(频率-空间)域预测滤波技术是消除叠后地震记录中随机噪声的常用方法,然而该方法存在两点不足:一是保幅性较差,二是无法有效提高高频段信噪比,制约了地震资料分辨率的提高。对此,重点研究了非因果滤波器和算子外推两大技术,提出了一种基于算子外推的非因果滤波技术。实际资料的处理结果表明,该技术可明显降低反射信号的畸变,并能有效提高高频段的信噪比,通过后续的谱白化等高分辨率处理技术可明显改善资料的分辨率,结果令人满意。

非因果格形滤波器

本文提出了因果和非因果格形概念,在内积空间中导出了非因果格形的递推式,由此得到非因果格形网络。

基于相关迭代的非因果匹配滤波器多次波压制方法

针对常规多次波压制(SRME)方法存在的缺陷进行了改进.首先在多次波模型道预测阶段,采用数据相关和迭代更新的策略预测多次波模型道,该方法降低了SRME方法采用数据空间褶积对输入数据要求严格的限制,提高了对近偏移距缺失和空间假频数据的适应性.在匹配相减阶段,本文设计了一种非因果非平稳的匹配滤波器,该滤波器可以对整道多次波模型进行处理,而且当预测多次波模型道滞后于实际多次波时,也能够对多次波模型道进行很好的匹配.模型数据和实际数据试算证明该方法在多次波模型道预测和匹配相减阶段的优越性.

基于最大峰度准则的非因果AR系统盲辨识

本文结合最大峰度准则和非线性优化理论中的梯度法，设计了一种非因果AR系统的盲辨识算法，并证明了它的全局收敛性，给出了它在平衡点附近的收敛速度．算法通过构造逆滤波器的方法来进行盲辨识，同时通过基于高阶累积量的自学习算法将逆滤波器的系数逼近AR系统的参数．由于采用了高阶累积量，算法对高斯观测噪声有较好的抑制能力仿真的结果表明了算法的有效性．

分数阶非因果BP神经网络模型

由一阶因果、反因果微分的定义推导出Caputo分数阶因果、反因果微积分,并在此基础上定义Caputo分数阶非因果微积分。将它们分别应用于BP神经网络的反向传播过程中对权值进行处理,产生了Caputo分数阶因果、反因果和非因果BP神经网络模型。为了方便对比,将这些模型分别对波士顿房屋数据集和MNIST数据集进行处理。模拟结果表明:在整数阶因果、反因果和非因果的模型之间,整数阶非因果模型的结果最好;分数阶因果、反因果和非因果模型分别与其相应的整数阶模型进行比较,得出分数阶模型得到的准确率比整数阶的高;在分数阶因果、反因果和非因果的模型之间,非因果的准确性最高。总的来说,Caputo分数阶因果、反因果和非因果微积分都对传统BP神经网络有优化作用,尤其是分数阶非因果微积分的优化效果最好。

非因果先验信噪比估计的LSA算法改进

对于大多数的语音增强算法,先验信噪比及背景噪音频谱估计的准确与否,对语音增强的效果影响至关重要。为此,在传统MMSE-LSA算法的基础上,提出一种基于非因果先验信噪比估计的LSA改进算法,较好地弥补了传统LSA算法在先验信噪比上估计的不足,同时采用平滑系数动态更新噪音频谱值,使估计值能更好地跟踪噪音的变化。实验结果表明,改进算法能有效减少残余噪音量,提高语音分段信噪比,改善语音质量。

对称NSHP模型拟合非因果模型及其一致性估值算法

本文针对非因果模型不易递归实现的缺点提出一种新的可递归实现的非因果模型,并提出一种相应的渐近一致性参数估值算法,实验结果表明这种模型及建模算法是有效的,适用于图象的数据压缩及特征提取。

基于最优状态转移的非因果稳定逆（英文）

本文研宄非最小相位系统的精确跟踪问题.理想情况下,非最小相位系统针对参考轨迹的精确跟踪可以通过非因果稳定逆方法实现,但控制输入需从负无穷处开始作用.而在实际情况下应用非因果稳定逆算法时,控制输入通过延拓提前作用的时间是有限的,只能得到近似的跟踪效果.本文提出了一种基于最优状态转移的非因果稳定逆算法,能够在实际情况下实现非最小相位系统对参考轨迹的精确跟踪,放松了稳定逆方法对系统的初始状态和延拓时间的限制,而且在相同跟踪效果的条件下,比近似稳定逆方法的延拓时间更短.对比仿真结果验证了所提方法的性能.