检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

重尾噪声环境下的扫描雷达稳健角超分辨方法

信号处理 2023年第9期39卷 1562-1572页

作者：张寅张永超晏家楠刘帅迪杨建宇电子科技大学信息与通信工程学院四川成都611731 电子科技大学长三角研究院(衢州) 浙江衢州324000

扫描雷达由于天线孔径受到平台尺寸限制,存在角分辨率低下的缺陷。角超分辨技术能够在不改变雷达硬件系统的前提下,通过信号处理方法,获得超越雷达实孔径波束宽度的角度分辨能力。近些年研究表明,基于最小绝对收缩和选择算子(LASSO)的... 详细信息

扫描雷达由于天线孔径受到平台尺寸限制,存在角分辨率低下的缺陷。角超分辨技术能够在不改变雷达硬件系统的前提下,通过信号处理方法,获得超越雷达实孔径波束宽度的角度分辨能力。近些年研究表明,基于最小绝对收缩和选择算子(LASSO)的稀疏角超分辨方法能够获得比传统方法更高的分辨能力。然而,该方法基于高斯白噪声假设,在残余项中主要基于l2范数进行约束。当回波数据中存在重尾分布的噪声时,该方法中的l2范数约束无法有效抑制重尾分布噪声,导致目标分辨能力下降,甚至产生虚假目标。针对该问题,本文提出一种扫描雷达抗重尾噪声角超分辨成像方法。首先,本文引入一种最小绝对偏差(LAD)-LASSO约束准则以抑制重尾分布噪声;更进一步的,针对模型中存在的正则化参数自适应选取难题,本文基于稀疏自相关迭代准则导出正则化参数的最优表达。最后,针对LAD-LASSO非平滑代价函数最优化求解难题,本文提出一种基于迭代重加权最小二乘(IRLS)算法的求解方法,通过将l1范数替换为重加权的l2范数,并在每次迭代中计算权值实现最优求解。仿真结果表明,相比传统稀疏角超分辨方法,本文提出的方法在不同信噪比下均能够有效抑制重尾分布噪声,并有效提升扫描雷达角分辨率。同时,本文采用岸基X波段雷达实测数据验证了本文提出方法的有效性。

关键词：扫描雷达角超分辨重尾噪声最小绝对偏差-最小绝对收缩和选择算子迭代重加权最小二乘

在线全文

学校读者我要写书评

暂无评论

面向重尾噪声的模糊规则模型

南京大学学报（自然科学版） 2019年第1期55卷 61-72页

作者：贾海宁王士同江南大学数字媒体学院无锡214122 江苏省媒体设计与软件技术重点实验室江南大学无锡214122

针对一般模糊规则模型对含有重尾噪声的数据集鲁棒性较差的问题,提出了面向重尾噪声的模糊规则(Rule-based Fuzzy Model for Heavy-tailed Noisy Data,HtRbF)模型.该模型使用了两种新的聚类方法,学生t分布均值聚类算法(Student’s t-dis... 详细信息

针对一般模糊规则模型对含有重尾噪声的数据集鲁棒性较差的问题,提出了面向重尾噪声的模糊规则(Rule-based Fuzzy Model for Heavy-tailed Noisy Data,HtRbF)模型.该模型使用了两种新的聚类方法,学生t分布均值聚类算法(Student’s t-distribution C-Means,StCM)和学生t分布下的背景模糊聚类方法(Student’s t-distribution Context Fuzzy C-Means,StCFCM),并将其应用在初始规则和新规则的生成中,使模型在重尾噪声场景下生成更为准确的规则,有效减少了模型的输出误差,使其更接近真实输出.HtRbF模型具有良好的抗噪能力,通过对数据集添加不同类型的重尾噪声进行系统性实验,实验结果证明了HtRbF模型的有效性.

关键词：重尾噪声学生t分布模糊规则学生t分布模糊聚类学生t分布背景模糊聚类

基于智能计算的重尾噪声干扰下Hammerstein模型参数辨识研究

在线全文

学校读者我要写书评

暂无评论

基于智能计算的重尾噪声干扰下Hammerstein模型参数辨识研究

作者：王晨北京化工大学

学位级别：硕士

对于模块化Hammerstein模型,往往是在高斯噪声假设下使用最小二乘法等方法来进行辨识研究,对于工程中存在大规模离群点等复杂干扰的情况考虑不够,进而造成辨识困难,这类干扰在分布形态上表现出“尖峰重尾”的特征,可以使用重尾噪声对其... 详细信息

对于模块化Hammerstein模型,往往是在高斯噪声假设下使用最小二乘法等方法来进行辨识研究,对于工程中存在大规模离群点等复杂干扰的情况考虑不够,进而造成辨识困难,这类干扰在分布形态上表现出“尖峰重尾”的特征,可以使用重尾噪声对其进行描述,因此,重尾噪声下Hammerstein模型的参数辨识问题成为一个重要的研究方向。智能计算方法作为新的计算形态在系统辨识领域取得了不错的成果,可以有效解决传统辨识方法难以解决的对噪声的处理问题。因此,本文将智能计算引入到重尾噪声下Hammerstein模型参数的辨识问题中,具体内容如下:首先,针对单变量Hammerstein模型,采用BP神经网络拟合模型中的非线性模块,提出一种基于BP神经网络的Hammerstein模型结构,并推导出基于梯度法的误差反向传递学习规则;针对该模型,提出一种双层优化策略的参数辨识方法,采用带有随机飞行策略的布谷鸟算法作为外层循环以削弱重尾噪声的影响,并使用BP思想的反向传递作为内层循环用来对模型参数进行优化,通过带有混合高斯分布重尾噪声的辨识实验进行了验证。然后,针对多变量Hammerstein模型,使用泰勒级数逼近模型中的非线性部分,并提出一种混合模糊布谷鸟算法,通过设计模糊逻辑将非线性随机搜索算法引入布谷鸟搜索算法,同时使用模糊逻辑的输出改进布谷鸟算法的搜索步长,使用Levy飞行策略与非线性随机搜索策略来对削弱重尾噪声对系统辨识的影响,通过带有混合高斯分布重尾噪声与带有t分布重尾噪声的辨识实验对所提方法进行了验证。论文提出的基于BP神经网络的模型结构与多项式模型结构能够很好地对单变量与多变量Hammerstein模型进行描述;另外,相对于传统的Hammerstein模型参数辨识方法,论文提出的基于智能计算的双层学习策略与参数寻优算法能够更好地处理重尾噪声下Hammerstein模型的参数辨识问题。

关键词：系统辨识 Hammerstein系统重尾噪声布谷鸟算法神经网络模糊逻辑

复杂重尾噪声影响下系统模型的参数估计方法研究与改进

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂重尾噪声影响下系统模型的参数估计方法研究与改进

作者：邢云飞北京化工大学

学位级别：硕士

在众多的工程实践中,由于离群点或脉冲干扰的存在,系统所受到的随机噪声干扰往往呈现出重尾分布,即重尾噪声。研究表明,传统的基于高斯噪声假设的参数估计算法在重尾噪声中将会出现性能上的严重下降或根本无法使用,因此如何针对重尾噪... 详细信息

在众多的工程实践中,由于离群点或脉冲干扰的存在,系统所受到的随机噪声干扰往往呈现出重尾分布,即重尾噪声。研究表明,传统的基于高斯噪声假设的参数估计算法在重尾噪声中将会出现性能上的严重下降或根本无法使用,因此如何针对重尾噪声设计相应的鲁棒参数估计算法具有重要的理论意义与实践价值。本文根据不同类型的随机系统,以重尾噪声为背景,针对一些典型的模型结构研究并提出了相应的鲁棒辨识方法,所做的具体工作如下:1.回顾了系统辨识的发展历程,归纳并总结了国内外学者对于参数估计类问题的研究现状。介绍了包括用于描述随机系统的基本模型类、常用的系统辨识输入信号、典型的重尾分布噪声等在内的与本课题相关的基础知识。2.针对一类受到重尾噪声干扰的输出误差滑动平均系统,首先给出了一种基于迭代再赋权重相关分析法的鲁棒辨识方案,并针对该算法中权重函数在鲁棒性及可靠性上的缺陷,通过使用Tukey m估计对权重函数进行改造,从而提出了一种改进算法,该算法可将一定区域内的离群点完全滤除,因此提高了参数估计的鲁棒性,通过仿真实验给出了改进前后的算法在参数估计精度上的差异。3.对于一类存在重尾噪声干扰的多变量Box-Jenkins系统,通过子模型法对其进行分解,并针对分解后得到的若干多输入单输出系统,提出了一种迭代再赋权重的广义增广最小二乘算法,通过构造增广的参数向量和信息向量,该算法可以将系统模型和噪声模型的参数同时辨识出来。对于重尾噪声的处理,该算法在迭代的过程中引入了基于Hampel m估计的权重函数,通过选取合适的门限参数值,可以使所提出的算法在对重尾噪声具有鲁棒性的同时,在高斯噪声中也能发挥作用,仿真实验证明了该算法的有效性。4.针对一类典型的块状非线性Hammerstein系统,在极大似然框架下研究了当噪声为重尾的混合高斯分布时的鲁棒迭代辨识方法。通过使用最大期望算法对含有隐变量的似然函数进行求解,可以在保证迭代收敛的同时有效削弱重尾噪声的影响,该方法不但可以辨识出非线性模型的参数,还可以辨识出噪声分布函数的参数。最后通过仿真实验对比了相关算法在参数估计性能上的差异。

关键词：系统辨识参数估计重尾噪声 m估计迭代辨识最小二乘算法最大期望算法

不确定重尾量测噪声干扰下的鲁棒目标跟踪算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

空军工程大学学报 2022年第6期23卷 64-70页

作者：马天力张扬刘盼高嵩西安工业大学电子信息工程学院西安710021

在大多数目标跟踪方法中,通常假设量测噪声服从参数已知的高斯分布或对称重尾分布,但其非常受限并且在实际过程中常常无法得到满足。因此,针对存在不确定重尾量测噪声干扰下的目标跟踪问题,提出基于变分推理的鲁棒容积卡尔曼滤波算法。... 详细信息

在大多数目标跟踪方法中,通常假设量测噪声服从参数已知的高斯分布或对称重尾分布,但其非常受限并且在实际过程中常常无法得到满足。因此,针对存在不确定重尾量测噪声干扰下的目标跟踪问题,提出基于变分推理的鲁棒容积卡尔曼滤波算法。该算法利用Skew-T分布对不确定重尾量测噪声进行建模,在基于容积规则的数值积分过程中,结合变分推理将Skew-T分布量测噪声参数与系统状态变量进行联合递归计算,通过对近似后验概率密度函数进行变分迭代,获得系统模型和不对称重尾量测噪声参数。仿真结果表明,该算法相比变分贝叶斯扩展卡尔曼滤波算法具有较高的滤波精度。

关键词：目标跟踪重尾噪声变分贝叶斯容积卡尔曼滤波 KL散度

类奈曼-皮尔逊检验加权l_p相关的干扰鲁棒同步算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2017年第11期45卷 2575-2581页

作者：李舟帆李旦张建秋复旦大学信息科学与工程学院智慧网络与系统研究中心和电子工程系上海200433

为实现正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的时域同步,本文利用ZC(Zadoff-Chu)序列提出了类奈曼-皮尔逊检验加权的l_p(p=1或2)相关(Neyman-Pearson-like test Weighted l_p-Correlation,l_p-NPWC)同步算法.分析表明:该算法利用类奈曼-皮尔逊检验能有效抑制多径效应对l_p相关同步的影响,特别地,当取p=1时,它对重尾分布噪声及循环前缀导致的伪峰具有极强的鲁棒性.实验及仿真结果均证明了理论分析的正确性和有效性,并表明本文算法相较于现有算法在各种干扰环境中均具有更高的同步精度和性能.

关键词：正交频分复用 ZC序列时延估计 lp相关奈曼-皮尔逊检验重尾噪声多径效应

在线全文

学校读者我要写书评

暂无评论

稳健的重尾线性赌博机算法

计算机研究与发展 2023年第6期60卷 1385-1395页

作者：马兰霁弘赵鹏周志华计算机软件新技术国家重点实验室(南京大学) 南京210023

线性赌博机模型是在线学习的基本模型之一,其每个摇臂的平均奖赏可以由线性函数进行参数化.该模型具有坚实的理论保证和良好的实际建模能力,被广泛应用于各个场景.然而在一些现实场景中,数据通常是从开放动态环境中收集得到,因而会存在... 详细信息

线性赌博机模型是在线学习的基本模型之一,其每个摇臂的平均奖赏可以由线性函数进行参数化.该模型具有坚实的理论保证和良好的实际建模能力,被广泛应用于各个场景.然而在一些现实场景中,数据通常是从开放动态环境中收集得到,因而会存在数据不规范的问题,已有算法缺乏对此的稳健性.特别关注2类数据的不规范性:奖励函数的回归参数可能随时间变化,环境噪声可能无界,甚至不服从亚高斯分布.这2类问题分别被称为分布变化和重尾噪声.为了应对这2类不利因素,提出一种基于置信上界的在线算法,该算法使用均值中位数估计器以处理潜在的重尾噪声,同时采用重启机制来解决分布变化问题.在理论上,首先建立了问题的遗憾理论下界,进一步给出了算法的理论保障,所取得的结果可以回退到已有研究中没有分布变化或没有重尾噪声场景线性赌博机的理论结果.此外,针对未知环境设计了实用的在线集成适应技术,并在合成和真实世界的数据集上进行了广泛的实验来验证其有效性.

关键词：机器学习开放环境学习线性赌博机或没有重尾分布变化重尾噪声

在线全文

学校读者我要写书评

暂无评论

学生t混合势均衡多目标多伯努利滤波器

电子与信息学报 2019年第10期41卷 2457-2463页

作者：陈树新洪磊吴昊刘卓崴岳龙华空军工程大学信息与导航学院西安710077 空军研究院北京100096 93658部队北京100144

在有重尾的过程噪声和量测噪声的影响下,高斯混合势均衡多目标多伯努利滤波器(GM-CBMeMBer)的滤波性能会明显下降。针对上述问题,该文提出一种新的学生t混合势均衡多目标多伯努利滤波器(STM-CBMeMBer)。该滤波器将过程噪声和量测噪声近... 详细信息

在有重尾的过程噪声和量测噪声的影响下,高斯混合势均衡多目标多伯努利滤波器(GM-CBMeMBer)的滤波性能会明显下降。针对上述问题,该文提出一种新的学生t混合势均衡多目标多伯努利滤波器(STM-CBMeMBer)。该滤波器将过程噪声和量测噪声近似为学生t分布,并用学生t混合模型来近似多目标的先验强度。从理论上推导出学生t混合形式的预测强度和后验强度,建立了势均衡多目标多伯努利滤波器的闭式递推框架。仿真结果表明,在重尾的过程噪声和量测噪声存在的环境中,该滤波器能有效抑制其干扰,相比于传统方法,具有更高的跟踪精度。

关键词：多目标跟踪重尾噪声势均衡多目标多伯努利学生t分布闭式递推框架

在线全文

学校读者我要写书评

暂无评论

基于多元混合高斯分布的多分类人脸识别方法

计算机应用研究 2013年第9期30卷 2868-2871页

作者：袁少锋王士同江南大学数字媒体学院江苏无锡214122

针对实际人脸图像含有的噪声模型常常表现出的非高斯特性,该非高斯特性具有较厚重的拖尾现象,提出一种基于多元混合高斯分布的多分类人脸识别方法。该方法将多元混合高斯分布、核函数、概率密度函数估计中的参数估计以及贝叶斯理论结合... 详细信息

针对实际人脸图像含有的噪声模型常常表现出的非高斯特性,该非高斯特性具有较厚重的拖尾现象,提出一种基于多元混合高斯分布的多分类人脸识别方法。该方法将多元混合高斯分布、核函数、概率密度函数估计中的参数估计以及贝叶斯理论结合起来,能对含有重尾噪声的人脸图像有较高的识别率。用ORL标准人脸库进行验证,实验结果表明了可行性。

关键词：重尾噪声多元混合高斯分布参数估计核函数贝叶斯理论