非高斯噪声论文开题报告文献综述

非高斯噪声论文开题报告文献综述

导读:本文包含了非高斯噪声论文开题报告文献综述、选题提纲参考文献,主要关键词:噪声,高斯,稳态,自适应,模型,稀疏,粒子。

非高斯噪声论文文献综述写法

郭永峰,魏芳,袭蓓,谭建国[1](2019)在《非高斯噪声和正弦周期力激励的阻尼谐振子系统的信息熵》一文中研究指出阻尼谐振子广泛应用于固体理论、量子场论、量子力学和量子光学等不同的研究领域.信息熵在研究随机系统的动力学特性方面扮演着非常重要的角色.本文对非高斯噪声和正弦周期力激励的阻尼谐振子系统的信息熵变化率进行研究.首先通过路径积分近似,把非高斯噪声近似转化为高斯色噪声,得到了系统的Fokker-Planck方程,然后利用线性变换的方法简化了系统的Fokker-Planck方程,并结合Shannon信息熵的定义和Schwartz不等式原理得出了阻尼谐振子系统的信息熵变化率上界的表达式,最后分析了非高斯噪声和系统各参数对熵变化率上界的影响.(本文来源于《工程数学学报》期刊2019年03期)

邓思思[2](2019)在《非高斯噪声下信号最佳及次优检测的理论研究与仿真》一文中研究指出汽车点火与机械开关等人类行为导致无线自组织传感网络、超宽带通信等通信系统中的多种噪声源通常不具备高斯分布特性,由于噪声干扰的脉冲特性,高斯分布不再是合适的建模选择对象,已经有研究者采用对称α稳定分布以及Middleton标准A类噪声模型对噪声建模,并取得了更好的建模效果。然而,基于这些噪声分布的信号最佳检测较为复杂,且工程上的实用性价值不高,因而有必要对简单且可实现的次优检测方案进行研究,以便在保证信号检测准确性的同时,降低其复杂性和功耗,从而提高实用价值,因此,本论文对α稳定分布噪声和Middleton标准A类噪声下信号次优检测的研究具有重要的现实意义。本论文重点研究了两种非高斯噪声模型,通过提出最优对数似然比的近似模型来设计新型次优检测器。针对α稳定分布噪声,本论文首先从其特例——柯西噪声出发,证明了最佳对数似然比在小参数区域内可以被简单的线性模型代替,大参数区域也能由非线性型模型1/y表示,进而提出了简化的对数似然比近似模型,从而大大降低了计算难度。然后通过仿真验证了新型次优检测器的鲁棒性,并且证明了,在工程上适用的信噪比范围内,新型次优检测器有十分接近最优检测器的误比特率,而且,与传统次优检测器相比,新型次优检测器的性能提高了大约0.8~4.5 dB。最后利用仿真证明了应用于不同参数设置的对称α稳定分布噪声时,新型次优检测器仍能保持较好的检测效果。针对Middleton标准A类噪声下的信号检测,为了使检验统计量的计算不再需要n阶求和步骤,本论文提出了逼近最佳对数似然比的分段结构,使复杂的检测模型降低为分段线性模型,并且利用仿真验证了这种新的次优检测器比高斯检测器和第一种改进的检测器有更好的检测效果,在噪声的脉冲特性不是特别强的环境下,新型检测器具备与最优检测器相近的误比特性能。(本文来源于《北京邮电大学》期刊2019-06-03)

杨雅超[3](2019)在《非高斯噪声诱导下具有Allee效应的种群动力学行为研究》一文中研究指出种群是生物进化的基本单位,是生态系统的重要组成部分。种群的生长情况是反应生态平衡的重要指标。近年来,对种群生长情况的研究引起了学术界广泛的关注和讨论。通过建立带有Allee效应的种群模型去探究种群的生长情况,对维持生态系统的稳定和平衡有着举足轻重的意义。特别是对受随机扰动影响的种群模型的探究,为维持生态平衡、保护生物多样性、调节种间关系提供了新的思路和方法。文章基于带有Allee效应的单物种种群生长模型进行探究,重点分析了环境噪声、Allee效应和时间延迟对种群的稳态密度函数和种群稳定态之间相互转移的平均首次穿越时间的影响。主要的内容和结论总结如下:1.研究了高斯色噪声激励下带有Allee效应的单物种种群的动力学行为。首先,介绍了带有Allee效应的单物种种群模型并对其稳定点和不稳定点进行分析;接着引入高斯色噪声来刻画种群受到的随机扰动;之后,近似得到系统的福克-普朗克(Fokker-Planck)方程,基于此推导出模型的稳态密度函数和稳定态之间平均首次穿越时间的表达式,并通过数值模拟验证解析结果;最后,文章分析并讨论了高斯色噪声和Allee效应对稳态密度函数和平均首次穿越时间的影响。本文的研究得出了一些重要的生物学结论。当种群内存在弱Allee效应时,这种情况对种群的存活和保持稳定发挥着积极作用;种群内无论是发生强Allee效应还是弱Allee效应,较小的Allee阈值都更利于种群的生存;当种群中存在弱Allee效应时,乘性高斯色噪声强度的增加将不利于种群的存活,甚至可能导致种群的灭绝;除此之外,我们在研究中还发现了共振激活现象。2.研究了耦合的非高斯色噪声和高斯色噪声影响下带有Allee效应的单物种种群的动力学行为。这里我们用耦合的非高斯色噪声和高斯色噪声模拟种群受到的随机扰动。之后探究非高斯色噪声和Allee效应对种群动力学的影响和意义。根据本文的研究,可以得知当种群中存在强Allee效应时,增强非高斯色噪声的强度可以引起相变,但是种群却可能因此而灭绝;当种群中存在强Allee效应时,非高斯噪声参数和耦合强度的增强会促进种群从灭绝态到存活态的转移。3.研究了时间延迟和噪声诱导下带有Allee效应的单物种种群的动力学行为。文章用耦合的非高斯色噪声和高斯白噪声模拟种群受到的环境扰动,并考虑时间延迟对系统的影响。本文利用小时延迟近似方法,对延迟微分方程进行近似处理。之后通过系统的稳态密度函数和稳定态之间转移的平均首次穿越时间讨论时间延迟、Allee效应和随机噪声对种群动力学的影响。研究可知,无论种群中存在强Allee效应还是弱Allee效应,乘性非高斯色噪声强度的增强都不利于种群的生存;当种群中存在强Allee效应时,时间延迟的增加会阻碍稳定态之间的转变;当种群中发生弱Allee效应时,时间延迟的增加会降低种群的稳定性,种群甚至可能因此而灭绝。这些结论将为今后生物系统的研究和生态平衡的调节提供有效的理论帮助。(本文来源于《太原理工大学》期刊2019-06-01)

施颖[4](2019)在《面向非高斯噪声条件的列车卫星定位完好性监测方法研究》一文中研究指出全球卫星导航系统已成为人们出行生活的关键部分,也是保障铁路运行安全的重要一环。当前卫星导航定位的精度已经达到大部分时候都可以比较准确地提供列车运行行驶信息的需求,但在列车行驶过程中一旦导航系统发生故障,如果不能及时向列车提供告警信息,将出现严重的安全隐患。对此,研究对故障时向用户提供告警能力的完好性具有十分重要的意义。由于既有的接收机自主完好性监测算法都是对线性高斯系统进行完好性处理,而真实运行环境中观测噪声分布难以用单一确定分布精确刻画。论文提出了一种高斯混合粒子滤波RAIM算法,引入了高斯混合模型,采用期望最大算法,将卫星的观测噪声由未知噪声近似表示成高斯和的形式,利用粒子滤波方法对非高斯条件下的卫星定位接收机自主完好性的算法开展方法研究和验证工作,建立检验统计量对卫星故障时刻进行识别,对故障卫星进行隔离,从而为列车在复杂环境下的运行安全提供了重要保障。论文完成的主要研究内容包括:(1)针对复杂的非高斯噪声,结合高斯混合模型,采用期望最大算法实现对未知噪声的高斯模型分解,评估不同高斯模型分解个数下概率密度分解结果,选取最佳分解个数与高斯分解模型。(2)提出了高斯混合粒子滤波RAIM算法,利用粒子滤波适用于非高斯噪声的特性,结合改进的马尔科夫蒙特卡罗算法,实现了对故障卫星的识别和隔离。(3)设计并开发了卫星定位观测统计特性建模工具和高斯/非高斯噪声完好性监测软件,选取真实列车运行场景,完成了高斯/非高斯噪声条件下的卫星故障检测与诊断,对论文所提出的高斯混合模型的粒子滤波RAIM方法进行了验证。论文所提出的高斯混合粒子滤波RAIM算法作为面向非高斯噪声的完好性监测方法在不同场景下进行仿真实验,与常规的基于最小二乘法的RAIM算法对比,在注入不同类型、大小伪距偏差的故障场景下的所得结果证明了所提出的高斯混合粒子滤波RAIM算法在非高斯噪声条件下具有对卫星故障识别和故障隔离的能力。论文所取得的成果能有效改善定位系统对复杂、不确定运行及观测环境的适应性,即使面对非高斯噪声的条件,也具有故障识别和故障隔离的能力,从而为列车卫星定位性能乃至列车运行安全提供了进一步保障。图80幅,表6个,参考文献35篇。(本文来源于《北京交通大学》期刊2019-05-01)

吴文静[5](2019)在《非高斯噪声环境下基于最大箕舌线准则的自适应滤波算法研究》一文中研究指出自适应滤波器被广泛应用于系统辨识、信道均衡、语音回声消除等工程领域,其设计核心问题是自适应滤波算法。非高斯噪声环境下的自适应滤波算法研究是当前自适应信号处理领域中最为活跃的课题之一。针对非高斯噪声环境,设计收敛速度快、稳态误差小、计算复杂度低且鲁棒性强的自适应滤波算法一直是学术界和工业界追求的目标。因此,本文以最大箕舌线准则(Maximum Versoria Criterion,MVC)算法为研究重点,提出若干具有较强鲁棒性的算法,以克服现有线性与非线性自适应滤波算法在非高斯噪声环境下的不足,主要研究工作包括以下内容:(1)在非线性自适应滤波算法中:1)针对现有的广义核最大相关熵(Generalized Kernel Maximum Correntropy,GKMC)算法指数运算量和稳态误差大的缺点,将核方法引入MVC算法,提出一种新的核自适应滤波算法,即核最大箕舌线准则(Kernel Maximum Versoria Criterion,KMVC)算法,并分析其收敛性。非线性倍频实验表明,通过选取不同的形状参数,KMVC算法能够在多种非高斯噪声下具有较强的鲁棒性,并且比GKMC算法具有更低的指数运算量和稳态误差。2)此外,考虑到KMVC算法的网络尺寸会随着输入数据的数量呈线性增长的问题,将在线量化方法引入KMVC算法,提出量化核最大箕舌线准则(Quantized KMVC,QKMVC)算法。仿真结果表明,QKMVC算法能够在保证算法性能的前提下,有效地抑制网络结构增长。(2)在线性自适应滤波算法中:1)为了进一步提高凸组合最大相关熵准则(Convex Combination Maximum Correntropy Criterion,CMCC)算法在非平稳环境下的追踪性能,将多凸组合策略引入最大相关熵准则(Maximum Correntropy Criterion,MCC)算法,提出多凸组合最大相关熵准则(Multi-convex Combination MCC,MCMCC)算法。线性系统辨识仿真结果表明,相比CMCC算法,MCMCC算法在非平稳环境下具有更好的追踪性能,且能够追踪多种权重变化速率。2)此外,针对MCMCC算法稳态误差和指数运算量大的缺点,将多凸组合策略引入MVC算法,提出多凸组合最大箕舌线准则(Multiconvex Combination MVC,MCMVC)算法。仿真结果表明,相比MCMCC算法,MCMVC算法在保证追踪性能的同时具有更低指数运算量和稳态误差。(本文来源于《长安大学》期刊2019-04-08)

卢春光,周中良,刘宏强,阮铖巍,杨海燕[6](2019)在《量测随机延迟下带非高斯噪声的目标跟踪算法》一文中研究指出为解决量测一步随机延迟及非高斯噪声条件下战斗机蛇形机动模式转弯角速度辨识问题,更好地实现蛇形机动的稳定跟踪,考虑到目标状态与转弯角速度之间相互耦合的特性,基于联合估计与辨识的思想,依据极大似然准则,提出了一种基于期望最大化的目标状态估计与转弯角速度辨识联合优化算法.该算法主体包含两个部分:E-step和M-step.在E-step,首先,通过充分考虑量测一步随机延迟特性及非高斯量测噪声,重新构造了粒子滤波器的似然函数,进而改进了粒子权重的更新公式,同时,为避免粒子贫乏现象的发生,将粒子群优化算法引入到重构的粒子滤波器当中进一步改进粒子采样过程;其次,将拒绝采样思想引入到后向模拟粒子平滑器当中,并相应地设置拒绝采样终止条件,优化后向模拟粒子平滑器,进一步提高平滑算法的执行效率;最后采用改进的粒子滤波器与后向模拟粒子平滑器进一步获取目标状态的平滑量;在M-step,通过采用牛顿迭代法极大化条件似然函数,从而获得转弯角速度的估计量,用于下一次算法迭代.通过E-step和M-step的不断迭代,进而获得转弯角速度的闭环形式的优化解.仿真实验结果表明,所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法.(本文来源于《哈尔滨工业大学学报》期刊2019年04期)

石颖[7](2019)在《非高斯噪声环境下的比例自适应滤波算法研究》一文中研究指出自适应滤波器具有实时跟踪信道的特性,其核心部分是自适应滤波算法,算法的优劣决定了滤波的性能。在不同环境中,适用的算法也有所不同,选择合适的算法能提高滤波器的收敛速度、降低稳态误差。通信系统中存在大量长稀疏信道,它的大量权重系数为零值或者逼近零值,只有少量权重系数有显着的值。传统的自适应滤波器采用一个全局步长参数,所有的信道权重系数全都是同一个固定参数,导致算法收敛速度受最小的参数的影响,并且较大的权重系数收敛到它的最优值需要较多的迭代次数,因此其收敛性能不理想。为解决这一问题,研究者提出各种改进算法,其中比例类改进是一种简单有效的方式,最典型的是将LMS算法改进为PNLMS算法。实际环境中有大量的非高斯冲激噪声干扰,这种噪声会使得算法变得敏感从而性能恶化。通过选择合适的误差准则能有效的改善这一问题,其中效果较好的有最小平均p范数准则(MPE)和最大相关熵准则(MCC)。本文利用MPE准则强抗尖峰干扰特性,对PLMP算法进行改进。首先对其进行归一化得到PNLMP算法,在具有较大的强脉冲噪声时有较好效果。此外引入-律方法,得到MPNLMP算法,它能跟踪权重系数的变化趋势,给大权重系数以合适的比例步长,提高收敛速度减小稳态误差。此外为了进一步提升性能,再引入了CIM方法,得到CIM-PNLMP算法,它能获得最优的比例步长,得到目前最佳的收敛速度和稳态精度,但计算复杂度高。此外,MCC准则在非高斯噪声环境中也具有较强鲁棒性,因此本文将-律方法和CIM方法引入PMCC算法,得到改进的MPMCC算法和CIMPMCC算法,这两种新算法在稀疏信道下有很好的滤波性能。CIMPMCC算法虽然效果最优,但是计算量过大。此外对MPMCC算法进行简化处理得到新算法SMPMCC算法,其计算简单,虽然收敛误差有所增加但是依旧能保持快速的收敛速度。SPMCC收敛速度快,但是损失了一定的稳态失调,PMCC的收敛速度慢,但是稳态失调低。为了平衡收敛速度和稳态失调,将PMCC和SMPMCC进行自适应凸组合,得到CSMPMCC算法,既有较好的收敛速度又有不错的稳态误差。本文之前所提算法的输入信号均为非相关信号,但当输入信号为相关信号时,滤波性能恶化。为了解决这个问题,本文利用解相关方法,去掉相邻输入信号之间的相关性,得到解相关的DMPMCC算法。实验证明在输入信号为相关信号时,DMPMCC算法有更加优越的滤波性能。本文通过MATLAB软件进行实验仿真,验证了本文所提的各种改进算法具有更好的滤波性能。(本文来源于《电子科技大学》期刊2019-03-20)

马相毓,仝卫明[8](2019)在《非高斯噪声与高斯色噪声作用的基因调控网络研究》一文中研究指出研究非高斯噪声与高斯色噪声激励下的Myc/E2F/MiR-17-92网络模型,通过求解相应的Fokker-Planck-Kolmogorov方程,得到了系统的稳态概率密度函数。同时,从理论上讨论了非高斯噪声强度、偏离高斯噪声程度以及两噪声的互相关强度对稳态概率密度分布的影响,发现非高斯噪声强度、偏离高斯噪声程度以及噪声间的互相关强度在一定条件下不仅能够影响基因转录的效率,还能使基因转录在低浓度稳态和高浓度稳态间转换。(本文来源于《太原理工大学学报》期刊2019年02期)

侯威翰,郭莹[9](2019)在《非高斯噪声环境下的稀疏自适应滤波算法研究》一文中研究指出在自适应滤波算法已经被广泛应用的今天,许多不同种类的自适应滤波算法被用于不同的工程应用,如噪声消除、回声抵消和信道估计等。但是,在自然界中广泛存在的非高斯噪声,对各类自适应滤波算法产生了严重破坏。为了解决这个问题,研究者设计了许多针对这个问题的算法,主要分成两类。一种是依靠某些函数对计算误差进行优化的算法,如符号算法;另一种是基于非二阶统计量的算法,如基于最大相关熵的算法。这两大类算法都可以在一定程度上对非高斯噪声产生抑制效果,但是它们之间的工作原理和效果却存在很大区别。基于稀疏系统,针对以上两大类算法的原理进行分析并比较,进一步总结了以上两大类算法的优缺点。(本文来源于《通信技术》期刊2019年01期)

孟东,缪玲娟,邵海俊,沈军[10](2018)在《非高斯噪声下的参数自适应高斯混合CQKF算法》一文中研究指出研究非高斯噪声环境下的高斯混合滤波方法,进行纯方位跟踪系统的目标跟踪.利用改进的参数自适应方法,调整位移参数的大小,从而修正了高斯混合模型,提出了在非高斯噪声下的参数自适应高斯混合CQKF算法;基于非高斯噪声下的离散系统模型,分析了高斯混合CQKF算法中建模过程的局限性,并结合初值优化方法,提出了利用参数自适应方法修正高斯混合滤波模型的方法,从而克服了高斯混合滤波的局限性,提高了滤波精度.仿真实验表明在非高斯噪声下参数自适应高斯混合CQKF算法比原算法有更高的滤波精度.(本文来源于《北京理工大学学报》期刊2018年10期)

非高斯噪声论文开题报告范文

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

汽车点火与机械开关等人类行为导致无线自组织传感网络、超宽带通信等通信系统中的多种噪声源通常不具备高斯分布特性,由于噪声干扰的脉冲特性,高斯分布不再是合适的建模选择对象,已经有研究者采用对称α稳定分布以及Middleton标准A类噪声模型对噪声建模,并取得了更好的建模效果。然而,基于这些噪声分布的信号最佳检测较为复杂,且工程上的实用性价值不高,因而有必要对简单且可实现的次优检测方案进行研究,以便在保证信号检测准确性的同时,降低其复杂性和功耗,从而提高实用价值,因此,本论文对α稳定分布噪声和Middleton标准A类噪声下信号次优检测的研究具有重要的现实意义。本论文重点研究了两种非高斯噪声模型,通过提出最优对数似然比的近似模型来设计新型次优检测器。针对α稳定分布噪声,本论文首先从其特例——柯西噪声出发,证明了最佳对数似然比在小参数区域内可以被简单的线性模型代替,大参数区域也能由非线性型模型1/y表示,进而提出了简化的对数似然比近似模型,从而大大降低了计算难度。然后通过仿真验证了新型次优检测器的鲁棒性,并且证明了,在工程上适用的信噪比范围内,新型次优检测器有十分接近最优检测器的误比特率,而且,与传统次优检测器相比,新型次优检测器的性能提高了大约0.8~4.5 dB。最后利用仿真证明了应用于不同参数设置的对称α稳定分布噪声时,新型次优检测器仍能保持较好的检测效果。针对Middleton标准A类噪声下的信号检测,为了使检验统计量的计算不再需要n阶求和步骤,本论文提出了逼近最佳对数似然比的分段结构,使复杂的检测模型降低为分段线性模型,并且利用仿真验证了这种新的次优检测器比高斯检测器和第一种改进的检测器有更好的检测效果,在噪声的脉冲特性不是特别强的环境下,新型检测器具备与最优检测器相近的误比特性能。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

非高斯噪声论文参考文献

[1].郭永峰,魏芳,袭蓓,谭建国.非高斯噪声和正弦周期力激励的阻尼谐振子系统的信息熵[J].工程数学学报.2019

[2].邓思思.非高斯噪声下信号最佳及次优检测的理论研究与仿真[D].北京邮电大学.2019

[3].杨雅超.非高斯噪声诱导下具有Allee效应的种群动力学行为研究[D].太原理工大学.2019

[4].施颖.面向非高斯噪声条件的列车卫星定位完好性监测方法研究[D].北京交通大学.2019

[5].吴文静.非高斯噪声环境下基于最大箕舌线准则的自适应滤波算法研究[D].长安大学.2019

[6].卢春光,周中良,刘宏强,阮铖巍,杨海燕.量测随机延迟下带非高斯噪声的目标跟踪算法[J].哈尔滨工业大学学报.2019

[7].石颖.非高斯噪声环境下的比例自适应滤波算法研究[D].电子科技大学.2019

[8].马相毓,仝卫明.非高斯噪声与高斯色噪声作用的基因调控网络研究[J].太原理工大学学报.2019

[9].侯威翰,郭莹.非高斯噪声环境下的稀疏自适应滤波算法研究[J].通信技术.2019

[10].孟东,缪玲娟,邵海俊,沈军.非高斯噪声下的参数自适应高斯混合CQKF算法[J].北京理工大学学报.2018

标签:;  ;  ;  ;  ;  ;  ;  

非高斯噪声论文开题报告文献综述
下载Doc文档

猜你喜欢