一类随机过程的多尺度建模

基于多尺度随机模型具有有效性和高度并行算法这一优势,提出如何用三阶树多尺度模型来表示1-DReciprocal过程;并如何获得多尺度模型的参数.这就为具有Markov统计特性的信号或过程建立起一般的三阶树多尺度随机模型,为更有效的解决实际问题提供了理论基础.同时,给出了一类定义在单位区间上的随机过程三阶树多尺度表示的仿真示例.

一类随机动态过程基于q阶树的多尺度建模方法

利用多尺度随机模型能建立处理问题有效并行算法的这一优势,提出一类随机动态过程基于一般q阶树的多尺度建模方法。首先,利用Markov过程的条件独立性给出一类过程基于q阶树的多尺度表示方法;其次,基于q阶树多尺度表示和具体实例推导出多尺度模型中的状态转移矩阵、扰动阵、初始状态和相应的协方差矩阵等的具体形式,为具有Markov统计特性的过程或信号建立起多尺度随机模型,这将为有效地解决多源同类信息和多源异类信息的数据融合等实际问题提供了理论基础;最后,给出一类Gauss-Markov过程基于三阶树和五阶树多尺度表示的计算机仿真结果,进一步验证建立模型的实用性和有效性。

基于不规则树的一类随机过程多尺度建模方法

该文针对一类异步采样的多传感器动态系统,在已有的规则树建模基础上,基于现象或过程所具有的Markov性,给出了过程基于不规则树的多尺度表示方法和多尺度动态建模过程,并通过计算机仿真验证了新方法的有效性。

基于不规则二阶树的多尺度表示和多尺度建模

多数现象或过程具有Markov性,对在不同尺度上拥有对同一目标进行观测的多传感器系统,利用Markov过程的条件独立性,提出了不规则树的新概念,建立了动态过程基于不规则二阶树的多尺度表示方法,给出了确定多尺度模型中各种参数的具体步骤,并通过计算机仿真实验验证了所建立的动态过程基于不规则树的多尺度表示方法和多尺度模型的有效性与实用性.