乘性
- 網(wǎng)絡化不確定系統(tǒng)集中式融合魯棒穩(wěn)態(tài)估值器
數(shù)不確定性可以用乘性噪聲來描述,對確定性參數(shù)的隨機擾動稱為乘性噪聲,包括狀態(tài)依賴和噪聲依賴乘性噪聲.在系統(tǒng)狀態(tài)和觀測矩陣中的白噪聲稱為狀態(tài)依賴乘性噪聲,在噪聲轉(zhuǎn)移矩陣中的白噪聲稱為噪聲依賴乘性噪聲.噪聲方差的不確定性可以通過確定的不確定性來描述,即噪聲方差是未知不確定的,但有已知的保守上界[14-17].近年來,對于帶乘性噪聲、不確定噪聲方差、隨機觀測滯后和丟包的網(wǎng)絡化系統(tǒng),魯棒或最優(yōu)狀態(tài)估計問題已被廣泛研究[15-17,22-28].文獻[22]中,針對
控制理論與應用 2023年8期2023-10-04
- 加乘性混合誤差模型精度評定的SUT法
的隨機誤差表現(xiàn)為乘性誤差或加乘性混合誤差[3-4]，例如LiDAR觀測值的隨機誤差表現(xiàn)為加乘性混合誤差，電磁波測距(electronic distance measurement,EDM)、全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)和甚長基線干涉測量(very long baseline interferometry,VLBI)基線精度計算中，乘常數(shù)和加常數(shù)本質(zhì)上也是加乘性混合誤差[3-7]。傳統(tǒng)的加性誤差模型平差理論不再適用于新型加乘性混合誤差模型，若直接采用基于加性
測繪學報 2022年11期2022-11-29
- 基于S-Euler-Elastic模型的彩色圖像乘性噪聲去除方法研究
包括對加性噪聲和乘性噪聲的研究。在圖像處理中對于加性噪聲的研究較多，相對而言比較成熟，對于乘性噪聲的問題的研究非常少，這類問題通常會轉(zhuǎn)化成加性噪聲的形式進行處理，導致對乘性噪聲的去除效果不夠理想。為了更好地解決乘性噪聲的相關(guān)問題，基于一階TV模型提出了乘性高斯(Gaussian)噪聲分布的RLO模型[3]，能量泛函為(1)由于RLO模型無法有效地清除乘性伽馬噪聲，因而提出了針對乘性伽馬噪聲的AA模型[4]，能量泛函為(2)上述的兩種噪聲模型針對的只是單一乘
青島大學學報（自然科學版） 2022年2期2022-05-20
- 非負矩陣分解與非負張量分解：算法與應用
于2000年提出乘性迭代算法。隨后，在乘性迭代算法的基礎上產(chǎn)生了很多推廣的NMF高效算法，如Cichocki等人[6-7]在2006年提出NMF的推廣智能化算法，并在2007年提出層次交替最小二乘算法，而Lin[8]在2007年提出NMF的投影梯度算法。非負張量分解（Nonnegative Tensor Factorization，簡稱NTF）最早在2005年由Shashua和Hazan[9]提出，他們是在研究如何提取圖片局部特征時建立了三階非負張量分解模
蘇州科技大學學報(自然科學版) 2022年1期2022-03-31
- 基于魯棒性能的信息物理融合系統(tǒng)乘性攻擊檢測
入攻擊,無法檢測乘性篡改信息物理融合系統(tǒng)數(shù)據(jù)的攻擊,且很少評估攻擊對系統(tǒng)性能的影響[17-18].近年來,乘性攻擊檢測也得到一定的關(guān)注,但主要是利用殘差閾值對比的方法[19-20],很少研究評估乘性攻擊對系統(tǒng)性能的影響和利用性能變化進行攻擊檢測.本文致力于研究基于魯棒性能的乘性攻擊檢測策略,相較于現(xiàn)有的攻擊檢測方法,主要有以下幾個方面的創(chuàng)新和貢獻:1) 利用互質(zhì)分解和間隙度量理論,提出一種信息物理融合系統(tǒng)和乘性攻擊的建模方法,并評估乘性攻擊對信息物理融合系
控制理論與應用 2022年10期2022-02-28
- 基于SRCKF的帶有乘性相關(guān)噪聲的濾波方法研究*
其中之一便是隨機乘性噪聲，廣泛存在于系統(tǒng)的工程應用當中。針對具有此類乘性相關(guān)噪聲［10，13］的非線性系統(tǒng)結(jié)合SRCKF濾波框架，可以有效地提高濾波地精度。2 非線性濾波方法2.1 擴展卡爾曼濾波EKF算法是建立在線性卡爾曼濾波基礎上，其主要思想是對非線性系統(tǒng)模型圍繞濾波值做Taylor級數(shù)展開并略去二階及以上的高階項，得到一個近似的線性化的系統(tǒng)模型，然后對該模型做線性化求解。系統(tǒng)的離散非線性狀態(tài)及觀測模型如下：其中wk∈Rn，vk∈Rm分別表示為過程噪聲
艦船電子工程 2021年12期2022-01-06
- 基于乘性一致性調(diào)整算法的二元語義決策模型①
學者將二元語義與乘性一致性結(jié)合起來進行研究。針對上述問題，通過構(gòu)造局部調(diào)整的一致性公式，結(jié)合迭代法，提出了基于乘性一致性的二元語義模型。需要指出的是,采用二元語義計算模型對語義評價信息進行處理和運算,具有計算方法簡單和計算結(jié)果更加精確等特點,有廣闊的應用前景。1 預備知識二元語義信息定義1.1.1[7]設S={s0,s1,…,s2τ}是一個語義術(shù)語集，其中τ是一個正整數(shù)，那么集合S具有有序性：若si,sj∈S且i>j，則si>sj。Herrera和Mart
佳木斯大學學報（自然科學版） 2021年4期2021-11-10
- 病態(tài)乘性誤差模型的加權(quán)最小二乘正則化迭代解法及精度評定
化，則該類誤差為乘性誤差[1]。例如，現(xiàn)代觀測手段中的合成孔徑雷達SAR觀測值的隨機誤差表現(xiàn)為乘性誤差[2-3]，光電測距EDM(electronic distance measurement)和全球定位系統(tǒng)GPS的觀測誤差表現(xiàn)為乘性誤差或者加乘性混合誤差[4-5]。目前，在大地測量領域中關(guān)于乘性誤差模型參數(shù)估計和精度評定的研究成果相對較少[6-9]，且其中尚無文獻針對乘性誤差模型中存在的病態(tài)問題進行研究，因此如何對病態(tài)乘性誤差模型進行參數(shù)估計和精度評定是
測繪學報 2021年5期2021-06-25
- 語音信號傳輸過程中的閾上隨機共振現(xiàn)象
人[8]研究了在乘性噪聲作用下，分別以互信息和信噪比為測度的具有多元輸出閾值系統(tǒng)中的閾上隨機共振現(xiàn)象。陳楠等人[9]以互信息為測度，研究了在加性和乘性噪聲共同作用下的多閾值系統(tǒng)中的閾上隨機共振現(xiàn)象。目前，閾上隨機共振的研究已經(jīng)得到了廣泛的應用[10-18]，如參數(shù)信號的估計任務[13]、信號重構(gòu)[14]、圖像恢復[18]等。該文在文獻[4,9]的基礎上，選取相關(guān)系數(shù)為測度，研究其在受到加性和乘性噪聲共同作用下的具有多元輸出閾值系統(tǒng)中的閾上隨機共振現(xiàn)象。此外
計算機技術(shù)與發(fā)展 2021年2期2021-03-08
- 基于三維塊匹配的紅外圖像降噪與缺陷量化方法
方法在對紅外圖像乘性噪聲的濾除方面有著顯著的優(yōu)勢。使用邊緣分割方法對該圖像進行邊緣提取并且對邊緣進行量化。實驗表明,該方法可以有效地對紅外圖像進行去噪,檢測出鈦合金表面缺陷的位置并對缺陷的特征進行量化。2 紅外無損檢測原理熱量傳遞一般有熱傳導、熱對流、熱輻射三種方式,紅外成像技術(shù)是以熱輻射為理論基礎的一門新型技術(shù)。熱量通過電磁波的形式擴散,而紅外探測器接收熱輻射能量并將其轉(zhuǎn)化為圖像信號。在熱輻射普朗克定律的基礎上,斯蒂芬-波爾茲曼定律隨即被提出,即：W=ε
激光與紅外 2020年10期2020-11-05
- 基于局部一致性調(diào)整算法的猶豫模糊語言決策模型①
重復了r次。2 乘性一致性改進算法由于專家給出的原始的HFLPR不一定具有乘性一致性，因此提出新的局部一致性調(diào)整算法。此外，為保證算法的合理性和客觀性，同時避免專家給出的語言術(shù)語過于極端，對于一個LTSS={s0,s1,…,s2τ}，限制專家的評價在s1～s2τ-1之間。2.1 HFLPR乘性一致性公式(5)(6)2.2 一致性指數(shù)(CI)(7)2.3 乘性一致性改進算法算法1輸入 HFLPRH=(hij)n×n，閾值δ0、迭代參數(shù)θ。(8)(9)(10)
佳木斯大學學報（自然科學版） 2020年3期2020-10-26
- 定值和隨動單閉環(huán)系統(tǒng)傳感器故障診斷
數(shù);kKsor為乘性故障模塊,k為乘性故障增益;Ksor+a為加性故障模塊,a為加性故障偏差;通過模擬機械開關(guān)實現(xiàn)了乘性故障模塊、無故障模塊和加性故障模塊之間的切換.圖1 單回路控制系統(tǒng)方框圖Fig.1 Single loop control system block diagram系統(tǒng)無故障狀態(tài)下的傳遞函數(shù):其中:G(s)=G1(s)G2(s)KV;定值系統(tǒng)輸入信號R(s)為一恒定值,隨動系統(tǒng)中R(s)為一隨時間變化值,從上述式(1)–(3)可以看出當不
控制理論與應用 2020年9期2020-10-12
- 具有乘性噪聲和未知觀測輸入系統(tǒng)的濾波器設計
也越來越高。帶有乘性的噪聲系統(tǒng)的最優(yōu)估計問題得到了越來越多的關(guān)注和研究。對于帶乘性的噪聲系統(tǒng)的研究大部分都是基于經(jīng)典的Kalman 濾波理論進行的。而在實際系統(tǒng)中，除了由乘性的噪聲引起的不確定性，還存在由未知的輸入會給系統(tǒng)帶來影響。這些干擾的影響，在進行實際系統(tǒng)的設計、建模、仿真時都需要考慮。對于具有未知的干擾輸入的濾波器設計在信號與處理、通信工程、控制系統(tǒng)等眾多領域中具有廣泛應用，近年來也引起了眾多學者的諸多關(guān)注。對于具有乘性的噪聲干擾或者未知的輸入干擾
科學技術(shù)創(chuàng)新 2020年27期2020-09-05
- 馬爾科夫鏈蒙特卡洛地面磁共振信號參數(shù)提取
為加性隨機噪聲與乘性隨機噪聲兩類。對加性噪聲有基于L1范數(shù)的低場核磁共振T2譜稀疏反演方法[6]、 稀疏表示法[7]、 時頻峰值濾波法[8]等方法降低對MRS信號的干擾, 但對乘性隨機噪聲還沒有成熟的處理算法。筆者針對儀器采集數(shù)據(jù)中的加性和乘性隨機噪聲, 使用馬爾科夫鏈蒙特卡洛(MCMC: Markov Chain Monte Carlo)算法[9-14]提取MRS復包絡信號的參數(shù)。常規(guī)的非線性擬合方法不適用于乘性隨機噪聲, 而傳統(tǒng)的蒙特卡洛算法的計算量大
吉林大學學報(信息科學版) 2020年4期2020-09-01
- 雙穩(wěn)系統(tǒng)中的隨機共振乘性信噪作用研究*
11)隨機共振是乘性在隨機動力系統(tǒng)中的非線性現(xiàn)象。當系統(tǒng)的噪聲、系統(tǒng)輸入信號和系統(tǒng)三者間協(xié)同作用時，噪聲對系統(tǒng)輸出性能有所影響。隨機共振的概念由文[1]提出，用于對周期性出現(xiàn)的地球冰川時代進行合理的建模分析。此后，隨機共振現(xiàn)象得到廣泛研究[2]。隨機共振也廣泛存在于天文領域，比如，太陽耀斑和噴流中，與磁重聯(lián)相關(guān)的隨機共振加速，不但產(chǎn)生電子，而且導致3He/4He千倍的增強[3]。小行星Bennu(101955)在行星碰撞和隨機共振的聯(lián)合作用下，經(jīng)過幾百萬至
天文研究與技術(shù) 2020年3期2020-07-24
- 深挖細究 避免再錯
向可加性”和“可乘性”，過程②同理使用“同向可加性”“可乘性”，過程③是利用“同向可加性”。每一步推理都運用不等式的基本性質(zhì)作依據(jù)，也就是說推理過程沒有問題，并且計算過程也沒有問題，那為什么這是一種錯誤解法呢?我們先看看正確解答。正解：設a+2b=u(a+b)+v(a-b)，則解得故a+2b=。因為所以④。所以0 ≤，即0≤a+2b≤8 ⑤。正解過程④利用不等式“可乘性”，過程⑤利用“同向可加性”。錯解、正解兩種計算結(jié)果無非都是利用“同向可加性”和“可乘性
中學生數(shù)理化(高中版.高考理化) 2020年6期2020-06-17
- 數(shù)據(jù)驅(qū)動的閉環(huán)系統(tǒng)傳感器故障診斷方法
2類:加性故障和乘性故障。設傳感器的測量輸出值為ym，被控對象的實際值為yr，則傳感器正常工作時，傳感器的測量輸出值為ym=yr;當傳感器發(fā)生故障時，若故障為加性故障，則傳感器的測量輸出值為ym=yr+A，式中A是不為0的常數(shù)，表示由傳感器故障引入的傳感器輸出的偏差。若故障為乘性故障，則傳感器的測量輸出值為ym=Byr，式中的B是不為1的增益，表示由傳感器故障引入的輸出信號的增益。2 故障診斷方法研究2.1 故障檢測方法故障檢測的目的是檢測系統(tǒng)所使用的傳感
儀表技術(shù)與傳感器 2020年3期2020-04-26
- 基于交叉效率DEA與群體共識的區(qū)間乘性語言偏好關(guān)系群決策
性語言信息和區(qū)間乘性語言信息集成為單值的語言術(shù)語，然后基于群體相容性提出加性和乘性語言偏好環(huán)境下的群決策模型。Xu和Wu[12]定義區(qū)間語言偏好關(guān)系的群體共識測度，并給出一種基于群體共識的偏好關(guān)系調(diào)整算法。Meng等[13]則定義了區(qū)間語言偏好關(guān)系一致性的新測度，同時構(gòu)建基于新測度的偏好關(guān)系調(diào)整算法。從已有研究來看，目前關(guān)于區(qū)間語言偏好關(guān)系的群決策還存在以下問題：一是目前普遍應用一致性調(diào)整的方法來對區(qū)間語言偏好關(guān)系進行調(diào)整，然而調(diào)整算法修改了專家給出的原始
中國管理科學 2020年2期2020-04-13
- 基于一致性局部調(diào)整算法和DEA的語言偏好決策模型
關(guān)系[4-5]和乘性偏好關(guān)系[6-7]是兩種最為常用的偏好關(guān)系形式。然而上述這些偏好關(guān)系的一個共同點就是評價信息均是用數(shù)字進行表達，而語言信息能夠貼近于人類的認知，所以運用語言變量表達決策者評估信息更為合理和直觀。因此，Zadeh[8]于1975年提出了模糊語言方法。隨后，專家們引入語言偏好關(guān)系[9-11]的概念用于對決策信息進行更為直觀和定性的表達。由于運用缺乏一致性的偏好關(guān)系進行計算容易導致出現(xiàn)不合理甚至錯誤的決策結(jié)果[12]。因此，一致性分析和排序權(quán)
中國管理科學 2019年12期2020-01-16
- 包含乘性噪聲自適應修正的非合作目標相對導航算法
量的衰減都會引入乘性誤差[14-15]。但目前的相對導航濾波算法基本都將距離量測噪聲設定為加性噪聲，沒有對因相對距離的增加而引入的乘性量測噪聲進行修正，如果只是簡單地以傳感器的標稱值或?qū)嶒炇覝y定值設置濾波中的噪聲陣，必將導致濾波精度的污染[16]，造成仿真實驗和實際的不一致性。鑒于上述的問題，本文通過分析IEKF算法中的迭代過程，利用LM(Levenberg-Marguardt)優(yōu)化的思想進行改進，提出了一種LM-IEKF(Levenberg-Marqua
航空學報 2019年7期2019-08-15
- 激光相干場成像散斑噪聲復合去噪方法*
影響, 又受激光乘性散斑噪聲影響. 為解決激光相干場成像系統(tǒng)受激光乘性散斑噪聲和背景光加性噪聲疊加引起的成像像質(zhì)退化效應問題, 從噪聲抑制角度提高激光相干場系統(tǒng)高分辨成像像質(zhì), 研究建立了激光散斑乘性噪聲和背景光加性噪聲對大氣下行鏈路激光回波場信號影響干擾模型, 并基于該模型提出了一種基于同態(tài)濾波和稀疏基追蹤級聯(lián)復合去噪算法. 首先基于同態(tài)濾波理論將激光乘性散斑噪聲轉(zhuǎn)化為加性噪聲, 再由高通濾波器濾除散斑噪聲, 最后采用基追蹤稀疏理論方法抑制背景光等加性噪
物理學報 2019年5期2019-03-26
- 多閾值系統(tǒng)中的閾上隨機共振研究
研究了該模型僅受乘性噪聲影響時系統(tǒng)中的SSR現(xiàn)象，郭永峰等人[14]和李歡等人[15]則分析了該模型同時含有加性和乘性噪聲時，系統(tǒng)中各參數(shù)對SSR現(xiàn)象產(chǎn)生的影響。但實際上該模型卻可能存在更復雜的情況，例如每個閾值單元有多個輸出。2009年，McDonnell等人[16]提出了隨機池網(wǎng)絡模型，這個靈活的模型可以捕獲感官神經(jīng)元的重要屬性，并用來模擬真實的生物網(wǎng)絡模型，能有助于人們進一步理解大腦的信號處理機制?；谶@種網(wǎng)絡模型，McDonnell等人[17]以信
復雜系統(tǒng)與復雜性科學 2018年2期2019-01-03
- 乘性噪聲干擾下基于交互多模型的目標跟蹤*
M算法沒有考慮受乘性噪聲的影響，因此本文提出受乘性噪聲干擾的IMM算法對目標運動的影響并驗證。IMM算法被廣泛應用于許多不同的領域,如文獻[9]運用IMM算法跟蹤機動目標，研究結(jié)果表明用IMM算法跟蹤機動目標模型(特別是加速度較大)有明顯的優(yōu)勢，文獻[10]研究多通道交互多模型跟蹤人體運動，進一步延展了IMM算法的應用。文獻[11]通過IMM算法得到其派生算法，并用于跳躍馬爾可夫線性系統(tǒng)的風險濾波問題。文獻[12]提出IMM-卡爾曼濾波(Kalman fi
傳感器與微系統(tǒng) 2018年12期2018-11-28
- 帶乘性噪聲的隨機分數(shù)階Ginzburg-Landau方程的漸近行為
.本文考慮如下帶乘性噪聲的隨機廣義2D分數(shù)階Ginzburg-Landau方程du=(ρu-(1+iγ)(-Δ)αu-(1+iμ)|u|6u+λ1·▽(|u|2u)+(λ2·▽u)|u|2)dt+θudW,x∈R2,t>0,(1)具有如下初值和周期邊界條件u(x,t)=u(x+2πei,t),u(x,t0)=u0(x),x∈R2,(2)其中,wk(k∈N)是相互獨立的實值布朗運動,(ek)k∈N是L2(R2)上的正交基.本文的目的是證明問題(1)～(2)在
四川師范大學學報（自然科學版） 2018年5期2018-10-08
- 含乘性噪聲圖像的全變差恢復
160)0 引言乘性噪聲廣泛存在于合成孔徑雷達、航空遙感、醫(yī)學影像(如光學相干斷層掃描技術(shù)，Optical Coherence Tomography (OCT))等相干成像系統(tǒng)領域.乘性噪聲形成原因是成像目標散射點的相干回波疊加形成相干斑，相干斑在圖像上顯示為隨機散布的小斑點.乘性噪聲也因此被稱為斑點噪聲.乘性噪聲極大地降低了圖像的質(zhì)量，導致圖像的自動分割、定量分析、目標檢測以及其它有用信息的提取受到嚴重影響，進而影響圖像的分割，識別等后續(xù)工作[1].從質(zhì)
棗莊學院學報 2018年5期2018-09-05
- 基于同態(tài)小波的乘性噪聲去除方法研究
信號而變化，但是乘性類噪聲則不同。乘性噪聲往往由信道不理想引起，噪聲部分隨著信號的變化而變化[1]。因此，對于乘性噪聲，利用傳統(tǒng)的去噪方法很難得到理想的效果?，F(xiàn)有的有效處理方法是引入同態(tài)變換去除噪聲與信號的相倚性，將乘性噪聲轉(zhuǎn)化為加性噪聲，再對信號進行濾波處理[2]，此方法的去噪效果明顯優(yōu)于傳統(tǒng)的去噪方法。聯(lián)合同態(tài)映射與小波變換，提出一種基于同態(tài)映射與小波變換的乘性噪聲消除方法，并進行仿真實驗驗證。1 基于同態(tài)小波變換的乘性噪聲消除方法一般地，乘性噪聲可用
設備管理與維修 2018年7期2018-07-10
- 基于同態(tài)小波的乘性噪聲去除方法研究
信號而變化，但是乘性類噪聲則不同。乘性噪聲往往由信道不理想引起，噪聲部分隨著信號的變化而變化[1]。因此，對于乘性噪聲，利用傳統(tǒng)的去噪方法很難得到理想的效果。現(xiàn)有的有效處理方法是引入同態(tài)變換去除噪聲與信號的相倚性，將乘性噪聲轉(zhuǎn)化為加性噪聲，再對信號進行濾波處理[2]，此方法的去噪效果明顯優(yōu)于傳統(tǒng)的去噪方法。聯(lián)合同態(tài)映射與小波變換，提出一種基于同態(tài)映射與小波變換的乘性噪聲消除方法，并進行仿真實驗驗證。1 基于同態(tài)小波變換的乘性噪聲消除方法一般地，乘性噪聲可用
設備管理與維修 2018年13期2018-06-24
- 一類隨機不確定網(wǎng)絡控制系統(tǒng)的H∞濾波器設計?
號可能受到加性或乘性的噪聲干擾。NCS的概念由Walsh[1]首次提出，考慮到NCS中的丟包問題，Sahebsara等通過伯努利變量描述了丟包問題，并建立了帶丟包的NCS模型,其中數(shù)據(jù)包丟失同時發(fā)生在傳感器-估值器(Sensor to estimator,S-E)通道和控制器-執(zhí)行器通道(Controller to actuator,C-A)，并設計了其H∞和H2濾波器[2-3]；孫書利等[4]針對該多丟包模型，設計了線性最小方差意義下的最優(yōu)濾波器，梁彥等
中國海洋大學學報（自然科學版） 2018年4期2018-02-28
- Allan方差在互感器精度評測中的應用研究
與一次輸入相關(guān)的乘性噪聲和與一次輸入無關(guān)的加性噪聲。本文在互感器精度評測中引入Allan方差分析法，充分發(fā)揮Allan方差在隨機誤差辨識方面的性能，實現(xiàn)了互感器乘性噪聲和加性噪聲的分離，數(shù)據(jù)仿真結(jié)果證明了方法的有效性?；ジ衅?；乘性噪聲；加性噪聲；比差；Allan方差互感器在傳變一次信號、信號傳輸、數(shù)據(jù)處理的過程中，不可避免的會引入噪聲干擾。其中，加性噪聲包含可建模補償?shù)牧阄灰约皼]有固定模型的隨機噪聲，隨機噪聲表現(xiàn)為測量值圍繞真實值的上下波動，其圍繞真實值的
電氣技術(shù) 2017年7期2017-10-14
- 一種新的基于乘性規(guī)則的支持向量機
燁一種新的基于乘性規(guī)則的支持向量機廣東工業(yè)大學 周 燁由于傳統(tǒng)的二次規(guī)劃運算速度慢，已推出適用于二次規(guī)劃問題的乘性規(guī)則。在本文中，推導出新的求解支持向量機中和約束二次規(guī)劃的乘性規(guī)則，同樣使得二次規(guī)劃的目標函數(shù)單調(diào)下降到全局的最小點，同時又顯著提高其優(yōu)化速度。該方法是構(gòu)造出新的輔助函數(shù)，推導出乘性規(guī)則，是一種直接優(yōu)化的方法，所有變量都可以并行迭代，在本文中會給出完整的證明和給出仿真實驗驗證其有效性。二次規(guī)劃；和約束；乘性規(guī)則1 引言2 非負二次規(guī)劃首先，我
電子世界 2017年17期2017-09-14
- 帶有乘性噪聲的多傳感器強跟蹤融合算法
10089）帶有乘性噪聲的多傳感器強跟蹤融合算法張虎龍（中國飛行試驗研究院，陜西 西安 710089）為解決加性噪聲模型無法準確刻畫實際觀測模型的問題，采用帶有乘性噪聲系統(tǒng)模型進行建模。在實際系統(tǒng)中，由于多傳感器網(wǎng)絡的應用使得傳統(tǒng)乘性噪聲的濾波算法已無法滿足實際需求，該文分別提出帶有乘性噪聲的有反饋分布式和序貫式多傳感器強跟蹤濾波融合方法，以有效解決復雜環(huán)境下的非線性系統(tǒng)最優(yōu)狀態(tài)估計問題。計算機仿真實驗表明，新算法具有很好的估計精度，在多傳感器目標跟蹤應用
中國測試 2017年5期2017-06-08
- 帶乘性噪聲的廣義2D Ginzburg-Landau方程的漸近行為
610066)帶乘性噪聲的廣義2D Ginzburg-Landau方程的漸近行為楊 袁,舒 級*,王云肖,李 倩,汪春江(四川師范大學 數(shù)學與軟件科學學院,四川 成都 610066)復Ginzburg-Landau方程是非線性科學中的重要模型,在物理學中的各個不同的分支都起著重要的作用.討論一類具乘性噪聲的隨機廣義2D Ginzburg-Landau方程的漸近行為,在Grauel H.和Flandoli F.(Probability Theory and
四川師范大學學報（自然科學版） 2017年2期2017-06-05
- 關(guān)聯(lián)的乘性和加性驅(qū)動的三穩(wěn)系統(tǒng)穩(wěn)態(tài)分析
0062)關(guān)聯(lián)的乘性和加性驅(qū)動的三穩(wěn)系統(tǒng)穩(wěn)態(tài)分析張 卜,寧麗娟(陜西師范大學 數(shù)學與信息科學學院,陜西 西安 710062)運用劉維方程和諾維科夫定理, 研究乘性和加性高斯白噪聲共同激勵下一維三穩(wěn)系統(tǒng)的穩(wěn)態(tài)概率密度函數(shù).結(jié)果表明，關(guān)聯(lián)強度λ和乘性噪聲強度P均能誘導相變的產(chǎn)生，而加性噪聲強度Q不能誘導相變的產(chǎn)生.通過數(shù)值模擬穩(wěn)態(tài)概率密度函數(shù)驗證了所得結(jié)論的準確性.三穩(wěn)系統(tǒng); 噪聲; 相變; 穩(wěn)態(tài)概率密度函數(shù)0 引 言噪聲廣泛存在于自然界的各個領域,包括生物、
紡織高校基礎科學學報 2016年4期2017-01-17
- 考慮背景風險的項目投資決策
了加性背景風險和乘性背景風險單獨存在時，背景風險與項目風險之間的相關(guān)性對投資決策的影響；其次構(gòu)建了兩種背景風險同時存在情形下的投資模型，進而通過蒙特卡羅仿真方法給出不同相關(guān)程度下的仿真結(jié)果，在此基礎上分析兩種背景風險與項目風險之間的相關(guān)性及相關(guān)程度對投資決策的影響并給出相關(guān)研究結(jié)論。背景風險；加性背景風險；乘性背景風險；項目投資決策1 引言項目投資過程中會面臨各種各樣的風險[1-2]，有些是項目本身帶來的風險，即項目風險，有些是其他外生不確定因素帶來的風險
中國管理科學 2016年9期2016-12-28
- 乘性噪聲誘導復雜系統(tǒng)陣列信噪比增益
漢430070）乘性噪聲誘導復雜系統(tǒng)陣列信噪比增益馮天荃1,易 鳴2（1.南京師范大學教師教育學院，江蘇 南京210023；2.華中農(nóng)業(yè)大學理學院，湖北 武漢430070）研究一類并聯(lián)非耦合雙穩(wěn)振子陣列信號處理中輸入的加性噪聲及彼此獨立的陣列各子系統(tǒng)內(nèi)部乘性噪聲驅(qū)動下的隨機共振現(xiàn)象。通過數(shù)值模擬，證明了當陣列數(shù)目增加到一定數(shù)目時，系統(tǒng)的乘性陣列噪聲將使得信噪比增益大于1，而且陣列數(shù)目越大，信噪比增益區(qū)間越大。通過對該系統(tǒng)的極限均值函數(shù)和穩(wěn)態(tài)相關(guān)函數(shù)的數(shù)值模
華東交通大學學報 2016年6期2016-12-27
- 高階SVD和全變差正則的乘性噪聲去除模型
D和全變差正則的乘性噪聲去除模型霍雷剛1,馮象初1,王旭東2,霍春雷3(1.西安電子科技大學數(shù)學與統(tǒng)計學院,陜西西安 710071;2.廣西師范學院計算機與信息工程學院,廣西南寧 530023;3.中國科學院自動化研究所模式識別國家重點實驗室,北京 100080)光滑性、稀疏性和自相似性先驗作為自然圖像的重要特性被廣泛應用于圖像去噪.根據(jù)高階奇異值分解和全變差正則的互補性,提出了一種能夠同時利用光滑性、稀疏性和自相似性先驗的乘性噪聲去除新方法.該方法首先采
西安電子科技大學學報 2016年3期2016-12-07
- 基于非局部正則化的乘性噪聲去除模型及Split-Bregman算法
于非局部正則化的乘性噪聲去除模型及Split-Bregman算法高冉， 程東旭(中原工學院， 鄭州 450007)針對全變分去噪模型會模糊圖像邊緣和紋理部分的問題，提出一種改進的去除乘性噪聲的非局部正則化模型,并利用Split-Bregman算法進行求解。對觀測圖像取對數(shù)變換，將乘性噪聲轉(zhuǎn)化為加性噪聲,利用全變分思想，以非局部TV范數(shù)作為正則項，通過圖像區(qū)域與區(qū)域的灰度相似性來確定權(quán)重系數(shù)，進而更好地保持圖像的紋理結(jié)構(gòu)；在模型中加入緊湊項來保證去噪圖像的緊
中原工學院學報 2016年4期2016-11-10
- 相關(guān)乘性和加性高斯白噪聲激勵下周期勢系統(tǒng)的隨機共振*
00081）相關(guān)乘性和加性高斯白噪聲激勵下周期勢系統(tǒng)的隨機共振*劉開賀 靳艷飛 馬正木（北京理工大學宇航學院力學系，北京 100081）研究了外加周期信號作用下，相關(guān)高斯乘性和加性白噪聲激勵下周期勢系統(tǒng)的隨機共振.利用線性響應理論，計算了系統(tǒng)輸出信號的功率譜密度、振幅、相位差.研究結(jié)果表明：當加性噪聲強度和關(guān)聯(lián)系數(shù)不變的情況下，通過調(diào)整乘性噪聲強度可以出現(xiàn)隨機共振；關(guān)聯(lián)系數(shù)的正負以及大小對隨機共振的影響較小.當乘性噪聲強度較小時，輸出信號的振幅和相位差曲線
動力學與控制學報 2016年1期2016-10-19
- 帶乘性噪聲附等式約束的非線性系統(tǒng)濾波算法*
66100)?帶乘性噪聲附等式約束的非線性系統(tǒng)濾波算法*王昌盛，張玲，臧愛云，王琨(中國海洋大學工程學院，山東省高校海洋機電裝備與儀器重點實驗室 山東 青島 266100)隨著控制理論與計算機的飛速發(fā)展，非線性濾波已在各領域得到廣泛應用。本文針對一類帶乘性噪聲附等式約束非線性系統(tǒng)，提出了一種狀態(tài)濾波算法。該算法首先將狀態(tài)方程和觀測方程分別通過泰勒公式展開，得到新的帶乘性噪聲附等式約束的線性系統(tǒng)模型，然后通過最優(yōu)觀測的方法將觀測方程擴維，再基于投影定理進行求
中國海洋大學學報（自然科學版） 2016年8期2016-09-06
- 多通道帶乘性噪聲2-D廣義系統(tǒng)狀態(tài)最優(yōu)估計算法?
00)?多通道帶乘性噪聲2-D廣義系統(tǒng)狀態(tài)最優(yōu)估計算法?張玲， 劉川， 楊榮榮(中國海洋大學工程學院， 山東高校海洋機電裝備與儀器重點實驗室，山東 青島 266100)摘要：2-D系統(tǒng)及其廣義系統(tǒng)在圖像處理，電力網(wǎng)絡等領域有著廣泛的應用，本文基于多通道帶乘性噪聲的2-D 廣義Roesser模型提出一套狀態(tài)最優(yōu)估計算法。在以往基于2-D廣義系統(tǒng)的研究中乘性噪聲因子多假設是一維隨機序列，本文的乘性噪聲因子是對角矩陣，矩陣對角線上每個元素都是一維隨機序列，這意味
中國海洋大學學報（自然科學版） 2016年7期2016-08-13
- 通過向量角轉(zhuǎn)換校正拉曼光譜中乘性干擾
換校正拉曼光譜中乘性干擾姚志湘1, 3，孫增強1, 3，粟 暉1, 3，袁洪福21. 廣西科技大學廣西糖資源綠色加工重點實驗室，廣西 柳州 545006 2. 北京化工大學材料科學與工程學院，北京 100029 3. 廣西科技大學生物與化學工程學院，廣西 柳州 545006拉曼光譜強度與物質(zhì)量存在的線性關(guān)系會受到許多復雜因素破壞，包括激發(fā)光源、聚焦、散射、折射等，導致定量效果不佳。各種因素的干擾效應，總體上分成加性和乘性效應，而消除乘性效應的難度會更大一些
光譜學與光譜分析 2016年2期2016-06-15
- 加性乘性噪聲改善多元信號檢測
10003)加性乘性噪聲改善多元信號檢測王友國1,2，潘 慧2，劉 健2(1.江蘇省物聯(lián)網(wǎng)技術(shù)與應用協(xié)同創(chuàng)新中心，江蘇 南京 210003；2.南京郵電大學 通信與信息工程學院，江蘇 南京 210003)基于最大后驗概率準則，以錯誤檢測概率為測度，研究了加性噪聲和乘性噪聲共同作用下信號檢測的問題。在乘性噪聲強度不變的情況下，當信號是閾上時，錯誤檢測概率隨著加性高斯噪聲強度的增加而單調(diào)增加，噪聲總是干擾信號檢測；當信號是閾下時，錯誤檢測概率隨著加性高斯噪聲強
計算機技術(shù)與發(fā)展 2016年10期2016-02-27
- 基于偏微分方程的乘性噪聲去噪算法
基于偏微分方程的乘性噪聲去噪算法張化朋，任少美(南京郵電大學 理學院，江蘇 南京 210046)圖像去噪是圖像處理中最基本的問題，也是當前研究的熱點。近年來，國內(nèi)外學者對去除乘性噪聲進行了大量的研究，在AA模型的基礎上提出了許多去除合成孔徑雷達圖像中的伽馬噪聲的模型，它們都可以有效地去除圖像中的噪聲，但是共同的缺點是原圖像的細節(jié)丟失并且計算速度慢。針對這些問題，引入了權(quán)重函數(shù)，在此基礎上給出一種基于偏微分方程的去除圖像乘性噪聲的變分模型。然后使用交替迭代法
計算機技術(shù)與發(fā)展 2016年11期2016-02-27
- 對模糊數(shù)互補判斷矩陣乘性一致性的重新認識
糊數(shù)互補判斷矩陣乘性一致性的重新認識石喜軍1， 張 強1， 朱吉喬2(1.北京理工大學 管理與經(jīng)濟學院，北京 100081； 2.北京建筑材料科學研究總院，北京 100041)為了解決模糊數(shù)間的加和減、乘和除已不再是逆運算的問題，并使得運算法則更加符合客觀實際情況，而引入了經(jīng)典數(shù)學中的自變量、因變量、代表系統(tǒng)及自由度等概念，進而對模糊數(shù)互補判斷矩陣的乘性一致性進行了研究，結(jié)果發(fā)現(xiàn)若一個模糊數(shù)互補判斷矩陣滿足目前一些文獻對其乘性一致性的定義則這個矩陣一定是精
運籌與管理 2015年3期2015-07-07
- 非聯(lián)合多用戶的物理層安全算法
天線空間冗余構(gòu)造乘性干擾，文獻［8］則聯(lián)合空域和頻域構(gòu)造冗余引入人工噪聲。3)通過資源調(diào)度提高系統(tǒng)保密容量，其本質(zhì)是最大化功率利用率，如文獻［9］研究了如何分配加性人工噪聲的功率實現(xiàn)保密容量最大化，文獻［10］討論如何選取信道質(zhì)量好的多個下行用戶實現(xiàn)較高的安全性。從現(xiàn)有研究可以看出，通過合理地為竊聽者引入噪聲并進行最優(yōu)化的資源調(diào)度可提高系統(tǒng)的保密容量?？紤]到前述的現(xiàn)有工作不足之處，本文討論存在內(nèi)部竊聽者的多用戶通信場景，并針對多用戶非聯(lián)合的情況提出物理層安
電視技術(shù) 2014年13期2014-09-18
- 一種新的WIMAX標準LDPC碼的軟判決譯碼算法
仿真分析獲得最優(yōu)乘性因子的值，并推導出近似線性公式，提出了一種改進型的歸一化最小和(MNMS)算法。在此基礎上，與校驗節(jié)點匹配(CNM)算法相結(jié)合，進一步提高譯碼性能。仿真結(jié)果表明，這種新算法相比歸一化最小和(NMS)算法、抵消最小和(OMS)算法、校驗節(jié)點匹配(CNM)算法，其譯碼性能有明顯改善，性能幾乎接近和積（SP）譯碼算法。WIMAX標準LDPC碼；改進型歸一化最小和算法；和積算法；校驗節(jié)點匹配算法低密度奇偶校驗碼（low density pari
應用科技 2014年1期2014-05-15
- 一種震動耦合擴散的去除乘性噪聲模型
450007)乘性噪聲廣泛存在于現(xiàn)實生活的很多應用當中,如核磁共振、合成孔徑雷達、遙感、超聲波、激光等相干成像領域當中。與加性高斯噪聲不同,乘性噪聲服從Gamma分布。目前去除加性噪聲的研究較為成熟,傳統(tǒng)的去除加性高斯噪聲的模型對于去除乘性噪聲并不適用。而乘性噪聲對圖像的污染很嚴重,降低了圖像的畫面質(zhì)量,對圖像分割、目標檢測以及邊緣提取等都有不同程度影響[1-2]。Rudin L I等在經(jīng)典的去除加性噪聲的全變分模型(ROF模型)基礎上首次提出了去除乘性
中原工學院學報 2014年6期2014-04-02
- 可乘性組合逼近的一個下界
間W和L有關(guān)的可乘性組合逼近的一個定理.文獻［3］得到了關(guān)于其可加性組和逼近的一個類似定理.記H中有界線性算子全體組成的集合為B（H）.若A?B（H），A的伴隨算子記為A＊.若A滿足A＝A＊，則稱其為自伴隨的.若A對任意的x∈H滿足（Ax，x）≥0，則稱其為正的.若A是正算子，其平方根記為A1／2.算子A滿足‖A‖≤1稱為壓縮的.文獻［7－8］討論了冪等矩陣線性組合的冪等性，本文討論關(guān)于W和L的可乘性組合逼近與W＋L上正交投影的差在范數(shù)上的估計，其定義［4
吉林大學學報（理學版） 2014年3期2014-03-06
- 具乘性白噪聲耗散KdV型方程的隨機吸引子
610031)具乘性白噪聲耗散KdV型方程的隨機吸引子蔡東洪, 范小明, 葉建軍(西南交通大學數(shù)學學院, 四川 成都 610031)考慮具乘性噪聲的耗散KdV型方程在一維有界區(qū)域上的長時間行為.通過變換將該方程化為不含白噪聲的隨機KdV型方程, 通過討論新方程所確定動力系統(tǒng)的吸收性與漸近緊性, 從而證明了原方程所確定動力系統(tǒng)隨機吸引子的存在性.隨機吸引子;乘性白噪聲;耗散KdV方程;隨機半徑;隨機吸收集引言耗散KdV方程是描述孤波現(xiàn)象的重要數(shù)學模型[1],
西南民族大學學報（自然科學版） 2014年6期2014-02-13
- 色噪聲激勵下三勢阱系統(tǒng)邏輯隨機共振研究*
對于獨立的加性和乘性高斯色噪聲激勵下的三勢阱系統(tǒng)，發(fā)現(xiàn)僅有加性噪聲作用不能實現(xiàn)可靠的邏輯操作，但加性噪聲和乘性噪聲共同作用可誘導良好的邏輯隨機共振現(xiàn)象．和高斯白噪聲相比較，高斯色噪聲激勵下能產(chǎn)生可靠邏輯隨機共振的(D，Q)平面上的區(qū)域范圍更大．進一步討論了加性和乘性噪聲之間的關(guān)聯(lián)對于邏輯隨機共振現(xiàn)象的影響，發(fā)現(xiàn)噪聲關(guān)聯(lián)對邏輯隨機共振現(xiàn)象起著破壞性的作用．邏輯隨機共振， 三勢阱系統(tǒng)， 高斯色噪聲引言隨機共振是由Benzi等［1］首先提出的，它反映了噪聲對于非
動力學與控制學報 2013年4期2013-09-17
- 幺正操作算符糾纏的可加性與可乘性
糾纏的可加性與可乘性夏慧枝1，楊 名1，曹卓良2（1.安徽大學 物理與材料科學學院，安徽 合肥 230039；2.合肥師范學院 電子信息工程學院,安徽 合肥 230061）聯(lián)合幺正操作是產(chǎn)生量子糾纏的重要途徑。在利用線性熵度量幺正操作算符的算符糾纏，討論作用到同一量子體系上的多個幺正操作的算符糾纏的可加性和可乘性，并以一般幺正操作和X型幺正操作為例進行具體分析。聯(lián)合幺正操作；算符糾纏；可加性；可乘性量子糾纏在量子信息處理中占據(jù)著重要的地位，在很多量子信息過
池州學院學報 2012年3期2012-11-08
- 關(guān)聯(lián)白噪聲對細菌Logistic生長過程的影響
噪聲；η（t）是乘性噪聲.對于給定的隨機微分方程（2），關(guān)于變量x其勢函數(shù)為圖1 細菌Logistic生長過程（a＝1，b＝0.2）的勢函數(shù)圖1 Fokker－Planck方程對于給定的隨機微分方程相應的Fokker－Planck（FPK）方程為［2］其中D為常數(shù)，它的值由決定.FPK方程是一個拋物型線性變系數(shù)偏微分方程，它描述了擴散過程的轉(zhuǎn)移概率密度p（x，的進化和流動.當b（x，t）＝0時，方程（3）描述過程的確定性變化，a（x，t）＝0時，方程（3）
湖北工業(yè)大學學報 2012年2期2012-09-15
- 基于帶乘性噪聲模型的水聲通信字符估計算法研究＊
6100）基于帶乘性噪聲模型的水聲通信字符估計算法研究＊褚東升，尹正飛，張 玲（中國海洋大學工程學院，山東青島266100）水聲信道多途效應明顯，而且存在衰落、散射、損耗以及隨機時變等特性，使得水聲通信系統(tǒng)的接收信號存在嚴重的碼間干擾。利用帶乘性噪聲系統(tǒng)模型來刻畫隨機信道，在建?；A上利用最優(yōu)濾波遞推算法實現(xiàn)狀態(tài)估計。由于狀態(tài)向量中的第一維與接收信號之間存在一一對應關(guān)系，進而可實現(xiàn)水聲信號的估計。該算法在最小方差意義下是最優(yōu)的，能有效克服碼間干擾和噪聲污染
中國海洋大學學報（自然科學版） 2012年1期2012-01-08
- D.C.乘性規(guī)劃的全局優(yōu)化算法
521)D.C.乘性規(guī)劃的全局優(yōu)化算法周雪剛(廣東金融學院應用數(shù)學系，廣東 廣州 510521)討論了凸集上的D.C.乘性規(guī)劃的全局優(yōu)化算法。首先通過引入輔助變量將D.C.乘性規(guī)劃問題轉(zhuǎn)化為一個等價的D.C.規(guī)劃問題；再綜合利用分支定界與外逼近方法求解等價問題；最后用一個實例說明算法的實用性。D.C.乘性規(guī)劃；全局優(yōu)化；割平面；錐細分考慮如下D.C.乘性規(guī)劃：(1)其中，0≤f:Rn→R與01 等價問題的轉(zhuǎn)化首先將問題轉(zhuǎn)化為一個等價的D.C.規(guī)劃，為此，考
長江大學學報(自科版) 2011年10期2011-11-20
- 帶乘性噪聲系統(tǒng)的最優(yōu)方差約束魯棒狀態(tài)估計算法
266100)帶乘性噪聲系統(tǒng)的最優(yōu)方差約束魯棒狀態(tài)估計算法褚東升,王紅都,張 玲(中國海洋大學工程學院,山東青島266100)帶乘性噪聲系統(tǒng)由于其廣泛的適用性,一直成為研究的熱點。針對帶乘性噪聲系統(tǒng)的魯棒狀態(tài)估計算法進行研究,利用線性矩陣不等式的方法,討論狀態(tài)方程中含有范數(shù)有界不確定性參數(shù)的帶乘性噪聲系統(tǒng)的方差約束魯棒狀態(tài)估計器存在的條件,并針對此類帶乘性噪聲系統(tǒng)推導出1套方差約束魯棒狀態(tài)估計算法以及最優(yōu)方差約束魯棒狀態(tài)估計算法。仿真結(jié)果驗證算法的有效性。
中國海洋大學學報（自然科學版） 2011年4期2011-09-13
- 轉(zhuǎn)移矩陣未知時帶乘性噪聲系統(tǒng)的自適應濾波算法
轉(zhuǎn)移矩陣未知時帶乘性噪聲系統(tǒng)的自適應濾波算法褚東升,劉 祺,張 玲(中國海洋大學工程學院,山東青島266100)針對帶乘性噪聲系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣未知的情況,提出1種在線性最小方差意義下的系統(tǒng)參數(shù)和狀態(tài)聯(lián)合濾波算法。以迭代方式獲得模型參數(shù)和系統(tǒng)狀態(tài)的遞推估計:首先,利用之前時刻的狀態(tài)估計值,根據(jù)投影定理,對系統(tǒng)未知參數(shù)即系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣作出估計;其次,利用已得到的系統(tǒng)參數(shù)估計值,獲取當前時刻的狀態(tài)濾波。計算機仿真結(jié)果表明了算法的有效性。乘性噪聲;轉(zhuǎn)移矩陣;自適
中國海洋大學學報（自然科學版） 2011年6期2011-09-13
- 乘性噪聲作用下線性系統(tǒng)的隨機共振及其抑噪應用
830046)乘性噪聲作用下線性系統(tǒng)的隨機共振及其抑噪應用孫萬麟1,黃玉劃2,山拜·達拉拜3(1.昌吉學院物理系,新疆昌吉 831100;2.南京航空航天大學信息科學與技術(shù)學院,江蘇南京210016;3.新疆大學信息科學與工程學院,新疆烏魯木齊 830046)在二階線性系統(tǒng)的阻尼系數(shù)和固有頻率同時受一類乘性噪聲干擾下,詳細研究利用欠阻尼二階線性系統(tǒng)中的隨機共振消除此類噪聲。研究表明,當二階線性系統(tǒng)的固有頻率和被測信號均受乘性高斯白噪聲干擾下,欠阻尼二階線
河北科技大學學報 2010年6期2010-12-28