基于非稳态加性噪声模型的因果发现算法

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。

基于非凸低秩张量分解和群稀疏总变分的高光谱混合噪声图像恢复

高光谱图像(Hyperspectral Image,HSI)在采集的过程中会被大量混合噪声污染,会影响遥感图像后续应用的性能,因此从混合噪声中恢复干净的HSI成为了重要的预处理过程。在本文中,提出了一种基于非凸低秩张量分解和群稀疏总变分正则化的高光谱混合噪声图像恢复模型;一方面,采用对数张量核范数来逼近HSI的低秩特性,可以利用高光谱数据固有的张量结构,同时减少对较大奇异值的收缩以保留图像更多细节特征;另一方面,采用群稀疏总变分正则化来增强HSI的空间稀疏性和相邻光谱间的相关性。并采用ADMM(Alternating Direction Multiplier Method)算法求解,实验证明该算法易于收敛。在模拟和真实的高光谱图像实验中,与其他方法相比,该方法在去除HSI混合噪声方面具有更好的性能。

非高斯噪声下基于KL散度最小化的目标跟踪

在复杂环境下的目标跟踪系统中,由于受随机脉冲干扰、建模误差、未知异常值等因素影响,系统模型的过程噪声和测量噪声呈现出非高斯重尾的复杂特性。提出了一种在分布式融合框架下基于KL散度(KLD)最小化的算法。首先,包含了目标状态、过程噪声和测量噪声等多个参数的先验模型被构成学生t分布;其次,KLD最小化的方法解决近似分布拟合真实分布差距过大的问题,提高了学生t建模的准确性;最后,采用协方差交叉融合策略实现对局部平台状态估计融合与修正。仿真结果表明,所提算法较传统的NKF、STF、MCCKF算法,具有更高的估计精度。

基于非凸约束和噪声抑制的图像增强算法

在暗视觉条件下,图像采集设备捕获的图像具有较低的能见度。Retinex模型增强方法通过操纵估计的照度,可以映射出相应的反射图像,但由于没有考虑噪声项,极易放大增强结果的噪声。针对该问题,提出了一种基于非凸约束和噪声抑制的图像增强算法。首先,定义了一个新的带有噪声项的Retinex模型;然后,基于梯度最小化的平滑滤波器构造了一种0正则约束下目标函数,以此获取照度图像;接着,在上述基础上建立了一种1正则约束下目标函数,用来从反射图像中分离噪声;最后,经过图像重构,获得最终的增强结果。实验结果表明,所提算法不仅能够提升图像的视觉效果,而且在保留图像较多信息的情况下,具备更强的噪声抑制能力。

非平稳强噪声环境中的音频信号端点检测系统

为提高音频信号端点识别能力,设计一种非平稳强噪声环境中的音频信号端点检测系统。构建音频信号端点检测硬件单元,利用预处理单元对音频信号进行预加重、分帧以及加窗处理后,端点检测单元在提取处理音频信号的MFCC倒谱距离特征、频带方差特征的基础上,依据动态阈值估计策略确定恰当阈值;通过双特征参数双门限法来实现对音频信号起止点的确定以及语音帧和非语音帧的分离;利用包络确定延时单元,防止噪声段被错误识别为语音段,避免出现拖尾太长问题。实验结果表明,所设计系统可实现非平稳强噪声环境音频信号端点检测,检测误差满足设定要求。

非高斯测量噪声下的结构响应重构

针对非高斯噪声下使用卡尔曼滤波(Kalman filter, KF)算法进行响应重构时精度下降,甚至重构结果偏差较大的现象,提出一种非高斯卡尔曼滤波(non-Gaussian Kalman filter, NGKF)算法进行结构响应重构。首先将L1卡尔曼滤波(L1KF)算法引入结构响应重构,并重新构造了L1卡尔曼滤波算法中的损失函数,其次根据损失函数导出的系数阵惩罚状态方程和观测方程的噪声协方差阵,使KF算法适用于非高斯噪声。最后通过有限的加速度测量信号,结合重构方程计算结构的加速度、速度和位移响应。数值仿真和外伸梁试验均表明所提方法在仅使用有限数量的加速度传感器进行结构响应重构时具有良好的噪声鲁棒性,能有效降低重构误差,改善多种非高斯噪声下使用KF算法进行响应重构时偏差较大的现象。

基于量子Bernoulli噪声的一维时空非齐次开放量子游荡

用量子Bernoulli噪声方法研究一维时空非齐次开放量子游荡,给出该游荡的演化性质以及极限概率分布,并表明以局部基态作为初始态时,基于量子Bernoulli噪声的一维时空非齐次开放量子游荡具有与经典随机游荡相同的极限概率分布.

强噪声与非周期脉冲激励下单稳系统的随机共振及应用

随机共振是噪声背景下非线性系统对微弱特征信号的最优响应,能够对微弱特征信号进行增强。偏置单稳态系统相较于传统的双稳态系统,对非周期脉冲激励具有良好的共振特性。然而,非线性系统的参数影响系统的最优输出,对不同的非周期脉冲激励,系统难以自适应调节。针对上述问题,该研究强噪声与非周期脉冲激励下偏置单稳态自适应随机共振。首先,基于优化算法实现不同非周期脉冲激励下的自适应随机共振。然后,以强噪声背景下钢丝绳漏磁检测信号为应用对象,经偏置单稳态系统自适应随机共振输出后,以峰峰值作为损伤特征演化评价指标,评估不同微弱损伤特征间的差异。同时,应用偏置单稳态自适应随机共振法和自适应移位平均法对强噪声背景下钢丝绳漏磁信号进行对比分析,以峰峰值增益和信噪比增益为指标,结果表明偏置单稳态自适应随机共振法效果优于自适应移位平均法。最后,讨论了噪声强度对单稳态自适应随机共振的影响,发现偏置单稳态自适应随机共振具有较强的抗噪能力。

非高斯噪声中水下目标辐射噪声的分布式检测融合方法

针对非高斯噪声干扰环境中,基于噪声统计信息的分布式传感器检测融合求解困难这一问题,提出一种非高斯噪声中水下目标辐射噪声的分布式检测融合方法。首先,将水声环境中的非高斯噪声建模为Alpha稳定分布模型,而将目标辐射噪声建模为高斯信号。然后,采用高斯函数检测器将非高斯噪声污染的目标辐射噪声转换为高斯噪声中的信号检测模型,得到检测器输出与输入噪声分布的参数关系以及信号分布参数关系。最后,以高斯函数检测器输出抽样样本作为检测统计量,在奈曼-皮尔逊(Neyman-Pearson,N-P)准则下设计分布式传感器检测融合系统的检测门限及检测融合规则,使得各传感器检测结果得到最优融合。计算机仿真结果验证了所提方法的正确性和有效性。

汽车非平稳车内噪声时变综合烦躁度客观评价方法

与汽车非平稳车内噪声时变声品质主观评价序列的平滑性相反,传统客观评价模型输出的预测序列是较为波动的。本文在传统模型建立的基础上,利用Savitzky-Golay滤波器对预测序列进行时域平滑后处理。检验结果表明,相比于预测序列,时序平滑评价序列对车内噪声时变综合烦躁度的评价性能更高,预测精度(误差均方根值降低11.40%)、稳定性(误差方差降低31.50%)与一致性(Pearson相关系数提高9.95%)均得到较大提高。在传统模型基础上对预测序列进行时域平滑后处理,是具有更高精度的时变综合烦躁度客观评价方法。

非高斯噪声背景下的目标辐射线谱自适应增强方法

针对非高斯噪声背景下因噪声二阶矩发散导致常规自适应线谱增强方法的权值迭代不收敛,无法有效增强水下目标辐射线谱信噪比的问题,提出了基于最大相关熵准则的自适应线谱增强方法。该方法基于窄带线谱信号和宽带非高斯噪声在广义时间相关半径上的差异,采用参考信号与输出信号的相关熵作为惩罚函数进行自适应滤波器权值的迭代优化,有效提升了目标辐射线谱的输出信噪比。仿真结果表明,该方法能够实现在非高斯噪声背景下对线谱信号的有效增强,相比于基于奇异谱分析和基于香农熵的两种非高斯噪声背景适配的线谱增强方法,在低信噪比条件下该方法可将信噪比增益分别提升12 dB和5 dB。海试数据处理结果也验证了所提方法的可行性和可靠性。

含噪声的三体量子非局域共享的持久性

量子非局域共享问题是量子通信中的一类基本问题.目前通过违反Mermin不等式和NS不等式证明了有无限个独立的Charlies可以与一对Alice和Bob共享标准三体量子非局域性和真正无信号非局域性.然而,上述结论是在理想状态下得出的,在实际操作过程中不可避免地会受到各种噪声的影响,这些因素都可能导致量子非局域性的减弱甚至消失.本文主要针对含有噪声的三体量子共享非局域性的持久性问题进行一系列分析.证明了即使在噪声环境下,单个Alice和Bob仍然可以与任意多个Charlies共享标准三体量子非局域性的充分条件.此外还给出了在非理想状态下,任意多个独立的Charlies与一对Alice和Bob共享真正无信号非局域性的充分条件.结果表明,即使在非理想的条件下,只要噪声参数满足相应的条件,标准三体量子非局域性和真正无信号量子非局域性仍然可以在多方之间安全地共享,这可以为实际量子通信过程提供有价值的参考.

大侧斜弹性桨非空泡噪声特性研究

以某型七叶大侧斜螺旋桨为研究对象,视螺旋桨为弹性体,采用计算流体力学(Computational Fluid Dynamics,CFD)耦合有限元法(Finite Element Method,FEM)的双向流固耦合方法,计算螺旋桨水动力性能。通过现有试验数据及相关文献验证该数值方法的准确性。并基于时域下桨叶表面的脉动压力作为旋转偶极子声源,通过傅里叶变换及声学有限元软件LMS Virtual. Lab计算分析七叶大侧斜弹性桨的非空泡噪声特性。结果表明,在5~1 000 Hz频段内,弹性桨的辐射声压级大于刚性桨。桨叶低阶弹性振动容易被激发,产生共振。针对偶极子声源,桨叶轴向平面内,远场的声压指向性主要为“∞”形分布,并且轴向的声压级远大于盘面方向,更容易被敌方声纳探测。近水面会影响螺旋桨辐射声压级的大小,越接近水面,声压幅值越小,这一现象在远场点处更显著。此外,螺旋桨轴向两端的声压指向性受近水面影响呈现不对称分布。

非高斯噪声下基于CKMC-CKF的发电机动态状态估计

准确的动态状态估计对于电力系统实时运行状态的监测至关重要。针对同步发电机中非高斯噪声导致状态估计器性能下降的实际情况,提出一种基于基于柯西核最大相关熵(Cauchy kernel maximum correntropy, CKMC)的容积卡尔曼滤波(cubature KF,CKF)算法(简称CKMC-CKF算法)。首先,建立CKMC目标函数,采用2种加权局部相似度来更新噪声协方差矩阵,从而降低不良数据的权重;其次,利用线性化回归方程统一目标函数中的状态和测量误差,并通过定点迭代法获得最佳估计状态。最后,以IEEE 39节点系统为算例分析验证所提出方法的有效性。与CKF和最大熵CKF相比,CKMC-CKF在非高斯噪声环境下具有更好的估计精度和更强的鲁棒性。

4K高清全媒体转播车音频信号非稳态噪声过滤

4K音频信号噪声呈现复杂状态,在冲击响应下会出现非稳状态,对噪声信号进行识别和标记是一个难点。提出4K高清全媒体转播车音频信号非稳态噪声过滤方法。采用幅频响应特征提取方法对非稳态噪声信号的位置尺度参数进行计算,分割音频信号片段后构建冲击响应函数。在冲击响应函数的支持下,采用粒子滤波完成非稳态噪声特征的提取。根据特征提取结果,对音频信号进行时域内的分段处理。采用维格纳变换分析音频信号解析信号的时频域,构建非稳态噪声的标记函数,完成非稳态噪声的检测。对非稳态噪声进行编码处理后,获得对应的解析信号,完成非稳态噪声的过滤处理。实验结果表明,所提方法能够提高音频信号的信噪比,并且能够在提升非稳态噪声过滤效果的同时,缩短过滤时间,说明所研究的非稳态噪声过滤方法具有较高的现实应用意义。

基于近似消息传递的NOMA系统信道和脉冲噪声联合估计方法

针对非高斯脉冲噪声背景下的非正交多址接入(non-orthogonal multiple access,NOMA)系统的信道估计问题,利用信道和脉冲噪声的稀疏特性,提出一种基于近似消息传递的信道和脉冲噪声联合估计方法。首先构建全子载波的压缩感知方程,然后基于稀疏贝叶斯学习理论提出一种信道、脉冲噪声和数据符号的联合估计优化问题。为解决这一超参量非线性非凸问题,设计了一种基于高斯广义近似消息传递和稀疏贝叶斯学习理论的期望最大化实现算法。仿真结果表明,与基于期望最大化的稀疏贝叶斯学习方法相比,所提算法在信道和脉冲噪声估计的均方误差、误码率等方面性能虽略有下降,但算法复杂度降低了1个数量级。

人为噪声对动物的非听觉影响

噪声在环境中广泛存在,城市化的迅速发展也使野生动物接触到人为噪声的机会增大。越来越多的证据表明,人为噪声在许多方面影响着人类的健康以及野生动物的生存。对这些研究进行总结发现,噪声会改变动物的生理状态,使其处在较高的应激水平,进而影响动物的抗氧化能力和免疫能力,甚至使雏鸟的端粒缩短。人为噪声的存在还会影响动物的学习和认知能力,干扰动物觅食、交流等行为。这些因素累积就可能会降低动物后代的存活率,改变物种丰度,对动物的生存造成威胁。对人为噪声带来的非听觉影响的研究,有助于更全面地了解噪声的潜在危害,采取更为积极的缓解应对措施。

无界域上具有记忆的非自治Plate方程随机吸引子的存在性

研究无界域上一类具有衰退记忆和加性噪声的非自治Plate方程解的长时间行为.利用一致估计验证了解的拉回渐近紧性,获得了其随机吸引子的存在性.

基于四元数非局部低秩和全变分的图像混合噪声去噪算法

许多彩色图像去噪算法没有充分利用图像块间和颜色分量间的相关性,在去噪时丢失大量细节,容易导致颜色失真,从而影响后续处理.此外,真实的图像噪声通常是高斯-脉冲混合噪声而不是单一类型的,导致许多成熟的仅针对加性高斯噪声或脉冲噪声的去噪算法无法直接使用于真实场景.为解决这些问题,本文提出了基于四元数非局部低秩和全变分的图像混合噪声去除算法.该算法首先将彩色图像从空间域转换至四元数域,然后计算图像的非局部结构相似性和局部梯度,利用四元数域下的L1范数最小化模型,最终实现图像去噪.与现有的彩色图像去噪算法相比,该算法能更有效地保留图像块间、块内以及颜色分量间的相关性.去噪实验结果表明,本文算法在峰值信噪比和结构相似性上分别提高0.21~3.04 dB和1.51%~14.51%,并能在有效去噪和抑制伪影的同时,更好地保持图像细节和颜色信息,对噪声类型和强度变化更具鲁棒性.

船舶低频通信中噪声幅度的概率分布探讨

随着信息时代的到来,海面上航行中的船舶需要进行通信活动。此过程中有大量噪声,造成通信信号时有时无或消失。探究此类噪声,构建一种模型叫非高斯噪声模型,利用其概率分布探讨电磁噪声、越级噪声、串频噪声这三种的概率分布,从而提高船舶低频通信能力。