摘要:针对线性调频(LFM,Linear Frequency Modulation)信号盲处理结果的可靠性评估问题,提出了一种基于循环频率特征分析的处理算法.首先对观测信号进行调制方式识别及参数估计,并据此建立参考信号,后将观测信号与参考信号作相关运算.通过检测相关序列在零频率附近是否存在循环频率,实现对LFM信号盲处理结果的可靠性检验.文中对所提出检验算法的错误概率进行了理论推导,并以常用的离散多项式变换(DPT,Discrete Polynomial Transform)法为例进行了实证分析.仿真结果表明,相对于已有时域方法而言,本文算法无需估计信噪比,且在低信噪比条件下具有更好的统计性能.
摘要:本文提出了一种基于RankBoost的运动数据检索相关反馈算法.该算法具有以下二个方面的特点:首先,以KNN-DTW作为RankBoost集成学习的弱排序器,在适应变长多变量时间序列(Variable-Length Multivariate Time Series,VLMTS)数据的同时,利用RankBoost的集成性与高效性解决相关反馈实时性要求与VLMTS数据计算复杂度高的矛盾;其次,以本文提出的最小化排序经验损失和泛化损失风险作为RankBoost集成学习目标,有效地克服了相关反馈小样本学习环境下的过拟合问题.在CMU动作库上的实验结果验证了该方法的有效性.
摘要:多控制器软件定义网络中交换机迁移策略计算空间大、考虑因素单一且无法立刻迁移出故障域内交换机.对此,本文将原交换机迁移问题优化成为控制器的热备份及选举问题(Controller Hot Backup and Election Problem,CHBE Problem),对控制器进行热备份,并设计相应的备份空间确定算法和主控制器选举算法,通过权衡信息交互、失联性、负载失衡和跨域通信四种代价实现合理的网络构建.实验结果表明,与现有算法相比,负载均衡程度和跨域通信问题改善明显,备份空间平均缩小了65%;在OS3E拓扑中加权后的综合评价最高提升了71%.
摘要:面向电子设备故障预测与健康管理(Prognostics and Health Management,PHM),基于自适应谱峭度与核概率距离聚类提出一种振动载荷下板级封装潜在故障特征提取与模式辨识方法.首先,基于最大谱峭度原则利用经验模态分解的方法对电子组件的应变响应数据进行滤波,计算并重构包含潜在故障信息的包络谱形成故障征兆向量;其次,应用高斯径向基核函数概率距离方法,将非线性故障征兆数据映射到高维Hilbert空间,对其进行聚类分析形成表征板级封装健康状态与各故障模式的类中心;最后,根据实时监测的板级封装的包络谱数据计算与各中心的概率距离,判断其所属的状态从而实现对封装故障模式的早期辨识.通过试验分析,该方法可以有效辨识与预测板级封装即将发生的故障模式,为实现电子设备PHM提供了一种新式的思路与手段.