基于Robust-M估计的地空频率域电磁探测数据干扰抑制方法

地空频率域电磁探测(ground-airborne frequency-domain electromagnetic detection, GAFED),因通过无人机搭载接收系统进行空中数据采集,受到飞行因素以及环境因素的影响,引入随机噪声、尖峰噪声等环境噪声,影响数据质量。在数据预处理的基础上,提出了一种基于Robust-M估计的时窗叠加滤波方法,抑制随机噪声、尖峰噪声等,通过系数加权来消除或减弱异常点的影响。通过对该方法在模拟数据中的应用效果分析,发现相对于传统的平滑滤波方法,该方法可以有效压制随机噪声等环境噪声,在提高分辨率的基础上保证数据质量。最后通过对野外数据的应用效果,进一步验证了该方法可压制随机噪声与尖峰噪声,提高数据质量。

φ-混合噪声情况下随机信号的Robust-M检测

就随机信号的情形对 -混合噪声情况进行信号检测 ,给出了最不利密度函数及最佳的Robust- M检测器 ,计算机模拟结果表明 ,此检测器能很好地检测随机信号 .

基于小波包变换的Robust-M检测器

利用小波包分析将信号变换到其小波包系数域上 ,通过研究平稳随机噪声在各子空间上小波包系数的统计特性 ,结合 Robust检测理论的相关结论 ,对非高斯噪声下的信号检测问题建立了统一的框架 ,并提出了一种新的检测算法。仿真实验表明 ,此算法不仅具有良好的鲁棒性和广泛的适用性 ,而且能够更为充分地利用噪声统计分布信息 ,从而有效地提高检测效率。

基于最大似然估计的自适应回声消除算法

针对智能语音终端设备在复杂声学环境中由于回声抑制不佳而影响用户听觉体验的问题,该文提出一种基于最大似然M-估计的鲁棒型自适应回声消除算法.该算法利用M-估计函数构造权矢量函数来降低声学环境中冲激噪声的影响,采取Hample三段函数得到新的代价方程来替代原有的低阶范数最小均方误差,然后再利用负梯度最陡下降方法得到新的滤波器权系数更新公式.计算机仿真实验结果表明,该算法在复杂声学环境中依然能够保证良好的回声抑制能力,并且能够及时跟踪回声信道的变化.相比同类算法,该算法在复杂声学环境中的稳态误差性能和收敛速度均有提高.

m相依噪声情况下随机信号的Robust－M检测

本文就随机信号情形对ｍ相依噪声进行检测，给出了最不利密度函数及最佳的Ｒｏｂｕｓｔ－Ｍ检测器，仿真例子表明它能很好地检测随机信号．

基于灰色系统理论和稳健估计的人工源电磁数据处理（英文）

针对强干扰导致人工源频率域电磁法测量结果出现偏倚的问题,研究将灰色系统理论和稳健M-估计综合用于数据处理的新方法。由于灰色系统理论对数据分布类型及数量依赖程度低,本文通过灰色建模求解测量数据的标准差,结合阈值法识别、剔除异常值。采用稳健M-估计估算测量结果,以压制异常值影响,提高处理结果的精度。最后将保留数据的M-估计值视为真实值。为验证所述方法处理效果,仿真生成含噪信号,剔除其有效频率频谱数据中的异常值,处理结果可高度逼近理论值,其最大相对误差为3.6676%,最小仅为0.0251%。然后对野外实测数据进行处理,并通过均方根误差、电位差频谱数据和视电阻率曲线形态对处理效果进行评价。研究结果表明:本文方法可以在保留可信数据的同时有效剔除异常值,均方根误差大幅下降,为人工源电磁法资料后续处理解释提供可靠的数据。

一种基于抗差自校正Kalman滤波的GPS导航算法

为减弱异常观测值对自校正Kalman滤波精度的影响,引入抗差M估计的等价权函数,建立了抗差自校正Kalman滤波算法,并用实例进行了验证。计算表明,该自适应滤波算法在完全未知噪声统计的情况下,不仅能够自适应地求解状态参数,而且还能在一定程度上有效地抵制观测异常对导航解的影响。

偏稳健M回归在人体血糖浓度近红外无创检测中的应用

采用偏稳健M回归方法有效地解决了人体血糖浓度近红外无创检测研究过程中由于样本奇异值影响模型稳健性的问题。该方法源于现有的迭代变权偏最小二乘法,计算快、易于实现,具有M估计的所有性质,且当权函数选择合适时,能降低奇异值的影响,建立具有稳健性的校正模型。采用该方法对近红外光谱实验数据进行了处理,并与传统的偏最小二乘(partialleast squares,PLS)建模方法进行了比较。结果表明,与PLS相比,该方法可建立稳健的校正模型提高预测精度,更适合复杂样品建模,对于人体血糖浓度近红外无创检测的进一步研究具有应用价值。

基于鲁棒M估计的间歇过程离群点检测

以多元统计分析技术为核心的间歇过程建模、在线监测逐渐成为过程工业的关注焦点,然而过程数据中存在的大量离群点将直接影响上述方法的可靠性,为此提出了一种基于鲁棒M估计的间歇过程离群点检测方法。该方法首先通过积分方程离散化将模型参数估计问题转化为最小二乘优化问题;分别利用Tikhonov正则化方法及鲁棒M估计消除噪声和离群点对模型参数估计的影响;最后通过分析各个样本点的权值,实现过程数据的离群点检测。将所提出的方法应用于半间歇反应过程,实验结果验证了方法的可行性与有效性。

大地电磁阻抗估计方法对比

比较了几种大地电磁阻抗估计方法的性能。为了给阻抗估计结果提供对照标准,首先介绍大地电磁模拟数据的生成方法,并从含噪数据中提取典型的噪声时间序列;然后介绍最小二乘估计、M回归估计、有界影响估计和重复中值估计这4种回归方法的基本原理,并用一组标准数据测试了它们的性能;最后采用4种估计方法处理不同程度加噪的模拟数据,与模拟结果进行比较。结果表明:重复中值估计的稳健性最优;当磁道存在噪声时,有界影响估计给出了明显优于M回归估计的结果,也能满足要求。因此,在实测数据处理中,推荐使用重复中值估计方法与有界影响估计方法。

基于非线性偏鲁棒M-回归的萃余液pH值软测量

提出了一种径向基函数网络(Radial basis functio nnetworks,RBFNs)与偏鲁棒M-回归(Partial robust M-regression,PRM)相结合的非线性PRM(Nonlinear PRM,NLPRM)建模方法,用以解决鲁棒非线性系统建模问题.该方法首先通过RBF变换获得扩展的输入数据矩阵;接下来PRM算法通过反复迭代计算,自适应地为变换后的数据分配不同的连续权值,用以克服离群点对模型的影响.本文通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金萃取过程萃余液pH值软测量建模问题,获得了相比于偏最小二乘法(Partial least squares,PLS)、PRM以及RBF-PLS方法更高的预测精度.

响应曲面建模的稳健M-回归方法

响应曲面方法是生产过程改进和优化的一种非常有效的方法。在传统的响应曲面模型的建立过程中,通常假定随机误差服从正态分布且相互独立具有相同的方差。但是实际生产中随机误差的方差并不是完全相同,观测值中会存在异常点,这就需要稳健的估计方法来抑制异常点对模型估计的影响。为了降低异常点对响应曲面模型最优值的影响,针对响应曲面方法中的中心复合设计,充分考虑到不同实验设计位置上可能出现异常点的情况,对稳健M-回归方法:Huber-估计、Tukey-估计和Welsch-估计进行了理论比较研究。研究结果表明Welsch和Tukey-估计能有效改善异常点对响应曲面模型最优值的影响,消弱异常点对中心复合设计的干扰。通过一个来自化工方面的案例,计算了中心复合设计不同位置存在异常点与不存在异常点时,响应曲面模型的最优值,对比分析得出当异常点与响应均值的偏离程度较大时(10倍标准差),稳健M-估计尤其是Welsch和Tukey-估计显著提高响应曲面建模的稳健性。

数据驱动的最优运行状态鲁棒评价方法及应用

在现代复杂工业生产过程中,细致而稳健的运行状态评价及非优因素识别对指导工业生产具有十分重要的实际意义.考虑到复杂工业过程难以建立准确的数学模型和实际工业过程数据噪声及离群点污染比较严重的问题,本文提出一种全潜鲁棒偏M估计的复杂工业过程最优状态的鲁棒评价方法.在建立离线评价模型时,通过对过程数据主元和残差子空间的进一步分解,提取出能够反映与原材料、生产消耗和产品质量等因素相关的经济指标的变化信息,同时采用样本数据加权的方法消除离群点对评价模型的不利影响,提高算法的鲁棒性;在线评价时,针对生产过程中存在不确定性因素,引入在线数据窗口及相似度分析进行在线评价,并给出在线评价的准则和流程,提高评价结果的可靠性,当评价结果非优时,通过计算相应变量的贡献率识别非优因素.最后,通过重介质选煤过程验证了所提方法的有效性.

PMU准实时数据对主动配电网抗差估计的影响

由于相量测量单元(PMU)因成本问题无法在配电网中大规模配置,且不同设备向主站传输数据时存在客观的通信延迟、带宽限制等因素,因此状态估计器输入端存在不良数据。提出一种基于同步相量量测的主动配电网抗差估计方法,并提出以虚拟PMU量测模型补充大量的高精度冗余数据。将数据采集与监视控制(SCADA)量测系统、PMU量测和虚拟PMU量测构成的混合量测系统作为状态估计的输入端。考虑网络和量测数据不确定度对抗差M估计算法进行改进,避免了传统加权最小二乘估计中删除坏数据的残差判断和迭代过程,降低了估计耗时,提高了状态估计的可靠性和抗差性能。改进IEEE 14和IEEE 33节点配电网算例的仿真分析,验证了所提方法的有效性和普适性。

基于鲁棒M估计和Mean Shift聚类的动态背景下运动目标检测

针对动态背景下运动目标的检测问题,提出了一种基于鲁棒M估计和Mean Shift聚类的目标检测新方法。首先,在考虑全局光照变化的情况下,构建鲁棒M估计器估计全局运动,以实现最小化相邻2帧图像中所有像素亮度的绝对残差和,根据M估计得到像素点权值,提取出代表局部运动信息的离群点;在离群点中均匀抽取网格点,然后利用Mean Shift聚类算法实现不同运动点的分割;根据聚类的结果生成凸包,准确分割出运动目标区域。实验结果表明,该方法能检测出动态背景下的多个运动目标区域,多目标检测准确度到达95%以上,并且只需两帧图像就可以准确检测并锁定运动目标,满足实时处理的要求,具有一定的工程意义.

序贯平差抗差估计

推导了参数平差模型序贯平差在参数可变情形下的M－M抗差及M－LS抗差解式，讨论了相应的影响函数及验后协方差。固定参数序贯平差技差解为其特例。模拟计算表明，抗差序贯平差能有效地抵制粗差干扰。

岩石抗剪强度参数的稳健估计

提出了Ｍ－稳健估计计算岩体抗剪强度参数Ｃ，ｆ值的计算模型和方法。通过对白云鄂博主矿原位试验数据的稳健估计计算结果与最小二乘法的计算结果的对比分析表明：采用稳健估计的方法所估计出的参数更可靠。

各向异性扩散与M-估计的比较研究

通过比较研究Perona和Malik提出的各向异性扩散方程与稳健统计学中的M-估计,从理论上揭示了各向异性扩散的数学本质,可视为M-估计在图像处理领域的一种典型应用。其中稳健函数的构造是M-估计的核心。基于Huber给出的稳健性定性描述,同时借鉴各向异性扩散中边缘停止函数的单调下降性,分析并总结了M-估计中稳健函数具备的基本性质。在此基础上,简洁地建立了一种稳健函数的构造框架,并导出了一个新型稳健函数。去噪实验结果验证了新型稳健函数的有效性。

基于核偏鲁棒M-回归的间歇反应过程混合模型辨识

提出了一种混合模型两步辨识策略,用以解决间歇反应过程的建模问题,并能够有效融合先验知识及过程数据信息。该策略将混合模型的同步辨识分解成为两个独立的步骤,首先确定混合模型的结构,并利用Tikhonov正则化方法实现间歇反应过程反应速率的精确估计;接下来采用核偏鲁棒M-回归(kernel partial robust M-regression,KPRM)算法建立过程变量与反应速率间的经验模型,从而有效抑制过程数据中离群点的影响。利用半间歇过程仿真实验对所提出的策略进行验证,获得了相比于传统方法更高的估计及预测精度。

一种稳健的地面激光扫描标靶球定位方法

针对存在粗差或异常数据点时,最小二乘定位方法会产生定位错误的情况,本文提出了基于M-估计的稳健标靶球定位方法。通过M-估计剔除或减弱球体数据中异常点对参数估计的影响,获取稳健的标靶球球心坐标。利用仿真数据与真实数据进行验证,结果表明该法能克服异常值的影响,提高球体定位的准确度,具有稳健性。