基于小波分解与Akaike信息准则的微地震初至拾取方法

微地震震源的定位要求精确确定初至,人工拾取微地震有效事件需要很大的工作量。首先讨论了Akaike信息准则(AIC)初至拾取方法;然后根据微地震信号在相邻小波尺度上连续的特点,将基于AIC的初至拾取方法与小波多尺度分析方法相结合,对微地震资料进行多尺度分析;最后利用AIC拾取初至,并根据初至的分布特点确定地震记录中是否存在有效的微地震事件。克服了传统AIC法由于噪声影响使初至点模糊而难以准确拾取的缺点。模型与实际资料的应用表明,基于小波分解与AIC相结合的初至拾取方法能够从信噪比低的资料中较准确地识别出有效微地震事件。

基于Akaike信息论准则的无人机OFDM信道估计算法

文章通过对无人机通信信道的分析,指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(phase-rotated Chu sequences)训练序列的OFDM航空信道LS(least square)估计方法,该方法利用GAIC准则确定信道MA(moving average)模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least square)估计,又大大减化了计算复杂度。文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道。

基于AIC信息准则法的摆式列车倾摆伺服系统建模研究

通过对摆式列车倾摆控制系统输入、输出数据的研究,建立一个来自实验数据的倾摆控制系统模型。基于AIC信息准则法极大似然参数估计建模的基本思想和理论,分析摆式列车倾摆伺服系统的结构、作动原理及控制输入参考信号的特点,通过仿真获取摆式列车倾摆控制系统的输入、输出数据,用极大似然函数法对同类模型的不同模型结构进行参数估计,并以得到的估计参数计算出相应的似然函数值及AIC信息距离值,选取AIC信息距离最小的模型为倾摆伺服系统的模型。实验仿真结果表明:基于AIC信息准则的极大似然参数估计方法能够对系统模型进行建模估计,该模型不仅是同类模型中与实际系统误差最小的而且是最佳的。

有序参数的一类AIC型信息准则(英文)

给出一种基于Akaike信息量准则(AIC)原理的参数估计方法.该方法给出了具有有序分布参数的正态分布的一种AIC偏差修正项的精确无偏估计量;且兼有自助抽样的功能得到了开发.

基于AIC信息准则的Delta T声发射源定位方法

疲劳断裂是金属结构中的主要失效形式,而金属结构中的早期疲劳断裂信号通常难以检测。TOA方法是常用的声发射定位源方法,但是声波传播过程中波速变换和路径的复杂性对其结果影响很大。运用Delta T声发射源定位方法,用断铅实验模拟声发射源,用AIC信息准则对到达时间进行优化,通过使用差值求源点坐标和图像处理的方法,求得声发射源坐标。通过在平板上的实验,比较两种源定位方法在不同结构中的定位结果,分析定位误差,结果表明图像处理方法更为优秀。

基于AIC准则的锂离子电池变阶RC等效电路模型研究

提出一种变阶RC等效电路模型,并基于赤池信息量准则(AIC)辨识不同SOC处RC模型的最优阶数,兼顾了模型的准确度和实用性。通过脉冲充放电、恒流充放电以及自定义UDDS循环工况实验验证了该模型的有效性。变阶RC模型通过略增加模型的复杂度,能更加准确地描述锂离子电池两端陡、中间平的非线性电压特性,相对误差在1%以内,具有较高的实用价值。

AIC准则在数据融合中的应用

提出了一种利用AIC准则来确定信息源信任度系数的方法,并以此衡量信息源的质量.实验结果表明,利用AIC准则确定的信任度系数可以得到较好的图像识别结果,同时也证明了将该方法应用在数据融合中的可行性.

基于最小信息准则的AR(1)模型的单位根检验

文章在讨论AR(1)模型统计性质的基础上,利用最小信息准则给出一种判断AR(1)模型单位根的方法,这种方法与传统的假设检验方法(DF检验法)相比具有一定的优点.同时对这两种检验法进行了实证模拟研究,结果表明:信息准则法在单位根检验中是一种有效的检验方法.

一种基于拟似然函数的信息量准则

文章提出了一种基于拟似然函数的模型选择策略,该模型同时考虑了模型被正确指定的情况和被错误指定的情况。继承Wedderburn(1974)的想法和Akaike(1973)的构筑信息量的思路,在只假定数据的前两阶矩的基础上,使用广义线性模型中的均值和方差定义半参数统计模型;在半参数模型基础上,定义半参数信息量;提出具有较弱假设的基于拟似然函数的半参数信息量准则。半参数信息量准则可应用于连续的以及离散的数据分析。还从理论上证明了半参数信息量准则的近似无偏性。

改进BIC的GNSS站坐标时序有色噪声特性分析

为了有效解决传统的极大似然估计方法存在的未知数多导致结果不准确的问题,提出一种改进BIC的GNSS站坐标时序有色噪声特性分析方法:选取全球范围内100个基准站2008—2022年坐标时序及仿真的100组坐标时序,采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、改进的贝叶斯信息准则(BIC_tp)对不同有色噪声模型进行噪声特性分析,获取基准站坐标序列的最优噪声模型及速度参数;探讨BIC_tp对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型呈现出多样性特征,在北(N)和东(E)方向主要表现为闪烁噪声+白噪声(FNWN)模型,天顶(U)方向主要表现为幂律噪声+白噪声(PLWN)模型;相比于AIC和BIC噪声模型估计准则,BIC_tp方法对有色噪声模型估计具有较高的准确性,尤其是闪烁噪声+随机游走噪声(RW)+白噪声(FNRWWN)模型对全球卫星导航系统(GNSS)站速度不确定度的影响在N与E方向远大于U方向;正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GNSS坐标时间序列数据具有重要意义。

一种基于Akaike信息准则的极限学习机

为了减小传统的极限学习机网络的规模及提高网络的泛化性能,利用Akaike信息准则作为学习的最优停止准则以选择合适的隐层节点数量,同时利用修正Gram-Schmidt算法自动调整网络参数,提出改进的极限学习机网络构造算法。通过与传统极限学习机在通用标杆问题上的实验结果比较表明,该改进的极限学习机具有更精简的网络结构和更快的学习速度,同时具有良好的学习精度。

基于广义AIC和RPC的OFDM航空信道估计算法

文章通过对航空信道的分析,指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(repeated phase-rotated Chu)训练序列的OFDM航空信道LS(least squares)估计方法,该方法利用GAIC准则确定信道模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least squares)估计,又大大简化了计算复杂度。文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道。

利用Akaike信息准则研究退相位对量子干涉的操控作用

量子干涉(QI)和Autler-Townes分裂(ATS)是原子-光相互作用系统中的两种不同效应。在电磁诱导透明(EIT)系统中,当耦合光强度适中时,二者会同时存在。一般以耦合光拉比频率作为定性区分QI与ATS的依据,同时Akaike信息准则(AIC)可用于量化二者的相对权重。本文基于AIC方法研究了原子系统中退相位对QI和ATS权重的操控作用。研究表明,通过调节退相位率,可以实现QI和ATS之间的相互转换,以及相消干涉和相长干涉之间的相互转变。利用耦合光和探针光之间的相位关联可以实现退相位的精确操控,由此改变QI和ATS的权重,进而达到QI效应的极大增强。

基于AIC优化RBF网络的机床主轴轴承磨损状态分析

利用赤迟信息准则(AIC)确定RBF神经网络的隐含层节点数和中心,建立基于该神经网络的机床磨损状态分析模型,并利用实验获取的振动信号来判断机床主轴轴承磨损状况。实验及仿真结果表明:基于AIC的RBF网络技术的分析方法在机床磨损状态分析中是有效可行的,对单一磨损状态的正确识别率达到了97.5%,对其他复杂机械的振动分析同样具有参考价值。

基于循环正交序列和广义AIC的信道估计

设计了一种适合多入多出单载波频域均衡(MIMO-SCFDE)系统的循环正交训练序列,并提出相应的时域信道估计算法.利用训练序列理想的自相关性与互相关性,不仅能够抑制天线间的干扰,而且可以有效降低噪声的方差.在得到时域信道估计的基础上,通过广义Akaike信息准则(GAIC)进一步确定各多径时延值并保留有效子径,从而提高了信道估计的精度.稀疏MIMO信道环境下的仿真结果表明,基于循环正交序列和GAIC的算法能够有效地减少噪声对信道估计的影响,显著降低了信道估计的均方误差.

一般协方差矩阵下的修正Akaike信息准则

本文在Stein恒等式(Stein’s identity)的框架下,给出了一种适用于有限样本场合的全新的修正Akaike信息准则(corrected Akaike information criterion),所提出的新准则适用于非常一般的协方差结构.在一定的正则性条件下,本文建立了所提出准则的渐近有效性.应用带有自回归误差的空间回归模型进行模拟,结果表明,在备选模型与真实的数据生成过程之间的差异较小时,本文所提出方法的表现是令人满意的.当这种差异变大时,本文所提出的方法与其他已有方法相比也非常有竞争力.所提出的方法也被用于一组实际数据(社区犯罪数据)的分析中,所得到的结果更进一步支持了我们的方法在实际数据分析中的应用.

基于Shearlet-AIC算法的微地震初至拾取

初至拾取是微地震数据处理的基本步骤及重要环节,在低信噪比情况下,传统的初至拾取方法性能不佳,无法满足实际需求。为此,提出一种新算法,该算法将时域微地震数据映射到Shearlet域,利用AIC(Akaike Information Criterion)模型对Shearlet域各尺度层的数据实现初步识别,最小AIC值作为初至时刻。通过大量实验验证Shearlet-AIC算法在低至-13 d B信噪比下自动拾取的准确性,证实该算法优于传统初至拾取算法,解决了传统初至拾取算法在低信噪比时难以有效拾取微地震初至的难题。

基于GAIC的MIMO-OFDM信道估计

对于多径稀疏的多输入多输出正交频分复用(Multiple-input and multiple-output orthogonal frequency di-vision multiplexing,MIMO-OFDM)信道,提出了基于广义Akaike信息论准则(Generalized Akaike informationcriterion,GAIC)的MIMO-OFDM系统实用的信道估计算法,该算法能够估计出信道的长度和每径信道的时延,降低加性白噪声对信道估计的影响,提高信道估计的精度。通过仿真,与最小二乘(Least squares,LS)算法和离散傅里叶变换(Discrete Fourier transform,DFT)算法相比较,大大地降低了信道的估计误差,提高了系统性能,且信道稀疏性越强,性能改善越好。

上行MIMO-OFDM系统中基于改进GAIC算法的稀疏信道估计

大量实验证据和物理论证表明,无线信道中的信号传输呈现系统的多径稀疏结构,并随着信号空间维度变大愈加明显,而现有大多数信道估计算法均未在复杂度与准确的稀疏信道估计之间实现平衡。根据大规模MIMO(multiple-input multiple-output)系统固有的稀疏特性,提出基于改进广义Akaike信息准则(GAIC)的具有低矩阵运算量的信道估计算法。该算法根据有效抽头处脉冲幅度值较大特点,利用代价函数获取有效抽头位置准确执行信道估计,最大程度地降低噪声干扰。仿真表明该算法具有良好的抗噪性能和抗多径干扰能力。