乘性
- 網(wǎng)絡(luò)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(lái)描述,對(duì)確定性參數(shù)的隨機(jī)擾動(dòng)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(cè)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(guò)確定的不確定性來(lái)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(lái),對(duì)于帶乘性噪聲、不確定噪聲方差、隨機(jī)觀測(cè)滯后和丟包的網(wǎng)絡(luò)化系統(tǒng),魯棒或最優(yōu)狀態(tài)估計(jì)問(wèn)題已被廣泛研究[15-17,22-28].文獻(xiàn)[22]中,針對(duì)
控制理論與應(yīng)用 2023年8期2023-10-04
- 加乘性混合誤差模型精度評(píng)定的SUT法
的隨機(jī)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(cè)值的隨機(jī)誤差表現(xiàn)為加乘性混合誤差，電磁波測(cè)距(electronic distance measurement,EDM)、全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)和甚長(zhǎng)基線干涉測(cè)量(very long baseline interferometry,VLBI)基線精度計(jì)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(cè)繪學(xué)報(bào) 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(duì)加性噪聲和乘性噪聲的研究。在圖像處理中對(duì)于加性噪聲的研究較多，相對(duì)而言比較成熟，對(duì)于乘性噪聲的問(wèn)題的研究非常少，這類問(wèn)題通常會(huì)轉(zhuǎn)化成加性噪聲的形式進(jìn)行處理，導(dǎo)致對(duì)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(wèn)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(wú)法有效地清除乘性伽馬噪聲，因而提出了針對(duì)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(duì)的只是單一乘
- 非負(fù)矩陣分解與非負(fù)張量分解：算法與應(yīng)用
于2000年提出乘性迭代算法。隨后，在乘性迭代算法的基礎(chǔ)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(fù)張量分解（Nonnegative Tensor Factorization，簡(jiǎn)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(shí)建立了三階非負(fù)張量分解模
- 基于魯棒性能的信息物理融合系統(tǒng)乘性攻擊檢測(cè)
入攻擊,無(wú)法檢測(cè)乘性篡改信息物理融合系統(tǒng)數(shù)據(jù)的攻擊,且很少評(píng)估攻擊對(duì)系統(tǒng)性能的影響[17-18].近年來(lái),乘性攻擊檢測(cè)也得到一定的關(guān)注,但主要是利用殘差閾值對(duì)比的方法[19-20],很少研究評(píng)估乘性攻擊對(duì)系統(tǒng)性能的影響和利用性能變化進(jìn)行攻擊檢測(cè).本文致力于研究基于魯棒性能的乘性攻擊檢測(cè)策略,相較于現(xiàn)有的攻擊檢測(cè)方法,主要有以下幾個(gè)方面的創(chuàng)新和貢獻(xiàn):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(píng)估乘性攻擊對(duì)信息物理融合系
控制理論與應(yīng)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(jī)乘性噪聲，廣泛存在于系統(tǒng)的工程應(yīng)用當(dāng)中。針對(duì)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(kuò)展卡爾曼濾波EKF算法是建立在線性卡爾曼濾波基礎(chǔ)上，其主要思想是對(duì)非線性系統(tǒng)模型圍繞濾波值做Taylor級(jí)數(shù)展開并略去二階及以上的高階項(xiàng)，得到一個(gè)近似的線性化的系統(tǒng)模型，然后對(duì)該模型做線性化求解。系統(tǒng)的離散非線性狀態(tài)及觀測(cè)模型如下：其中wk∈Rn，vk∈Rm分別表示為過(guò)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(yǔ)義決策模型①
學(xué)者將二元語(yǔ)義與乘性一致性結(jié)合起來(lái)進(jìn)行研究。針對(duì)上述問(wèn)題，通過(guò)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(yǔ)義模型。需要指出的是,采用二元語(yǔ)義計(jì)算模型對(duì)語(yǔ)義評(píng)價(jià)信息進(jìn)行處理和運(yùn)算,具有計(jì)算方法簡(jiǎn)單和計(jì)算結(jié)果更加精確等特點(diǎn),有廣闊的應(yīng)用前景。1 預(yù)備知識(shí)二元語(yǔ)義信息定義1.1.1[7]設(shè)S={s0,s1,…,s2τ}是一個(gè)語(yǔ)義術(shù)語(yǔ)集，其中τ是一個(gè)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
- 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(píng)定
化，則該類誤差為乘性誤差[1]。例如，現(xiàn)代觀測(cè)手段中的合成孔徑雷達(dá)SAR觀測(cè)值的隨機(jī)誤差表現(xiàn)為乘性誤差[2-3]，光電測(cè)距EDM(electronic distance measurement)和全球定位系統(tǒng)GPS的觀測(cè)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(cè)量領(lǐng)域中關(guān)于乘性誤差模型參數(shù)估計(jì)和精度評(píng)定的研究成果相對(duì)較少[6-9]，且其中尚無(wú)文獻(xiàn)針對(duì)乘性誤差模型中存在的病態(tài)問(wèn)題進(jìn)行研究，因此如何對(duì)病態(tài)乘性誤差模型進(jìn)行參數(shù)估計(jì)和精度評(píng)定是
測(cè)繪學(xué)報(bào) 2021年5期2021-06-25
- 語(yǔ)音信號(hào)傳輸過(guò)程中的閾上隨機(jī)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(cè)度的具有多元輸出閾值系統(tǒng)中的閾上隨機(jī)共振現(xiàn)象。陳楠等人[9]以互信息為測(cè)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(jī)共振現(xiàn)象。目前，閾上隨機(jī)共振的研究已經(jīng)得到了廣泛的應(yīng)用[10-18]，如參數(shù)信號(hào)的估計(jì)任務(wù)[13]、信號(hào)重構(gòu)[14]、圖像恢復(fù)[18]等。該文在文獻(xiàn)[4,9]的基礎(chǔ)上，選取相關(guān)系數(shù)為測(cè)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(jī)共振現(xiàn)象。此外
計(jì)算機(jī)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(duì)紅外圖像乘性噪聲的濾除方面有著顯著的優(yōu)勢(shì)。使用邊緣分割方法對(duì)該圖像進(jìn)行邊緣提取并且對(duì)邊緣進(jìn)行量化。實(shí)驗(yàn)表明,該方法可以有效地對(duì)紅外圖像進(jìn)行去噪,檢測(cè)出鈦合金表面缺陷的位置并對(duì)缺陷的特征進(jìn)行量化。2 紅外無(wú)損檢測(cè)原理熱量傳遞一般有熱傳導(dǎo)、熱對(duì)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(chǔ)的一門新型技術(shù)。熱量通過(guò)電磁波的形式擴(kuò)散,而紅外探測(cè)器接收熱輻射能量并將其轉(zhuǎn)化為圖像信號(hào)。在熱輻射普朗克定律的基礎(chǔ)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(yǔ)言決策模型①
重復(fù)了r次。2 乘性一致性改進(jìn)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(shí)避免專家給出的語(yǔ)言術(shù)語(yǔ)過(guò)于極端，對(duì)于一個(gè)LTSS={s0,s1,…,s2τ}，限制專家的評(píng)價(jià)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(jìn)算法算法1輸入 HFLPRH=(hij)n×n，閾值δ0、迭代參數(shù)θ。(8)(9)(10)
- 定值和隨動(dòng)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(guò)模擬機(jī)械開關(guān)實(shí)現(xiàn)了乘性故障模塊、無(wú)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(wú)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(hào)R(s)為一恒定值,隨動(dòng)系統(tǒng)中R(s)為一隨時(shí)間變化值,從上述式(1)–(3)可以看出當(dāng)不
控制理論與應(yīng)用 2020年9期2020-10-12
- 具有乘性噪聲和未知觀測(cè)輸入系統(tǒng)的濾波器設(shè)計(jì)
也越來(lái)越高。帶有乘性的噪聲系統(tǒng)的最優(yōu)估計(jì)問(wèn)題得到了越來(lái)越多的關(guān)注和研究。對(duì)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(jìn)行的。而在實(shí)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(huì)給系統(tǒng)帶來(lái)影響。這些干擾的影響，在進(jìn)行實(shí)際系統(tǒng)的設(shè)計(jì)、建模、仿真時(shí)都需要考慮。對(duì)于具有未知的干擾輸入的濾波器設(shè)計(jì)在信號(hào)與處理、通信工程、控制系統(tǒng)等眾多領(lǐng)域中具有廣泛應(yīng)用，近年來(lái)也引起了眾多學(xué)者的諸多關(guān)注。對(duì)于具有乘性的噪聲干擾或者未知的輸入干擾
科學(xué)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(hào)參數(shù)提取
為加性隨機(jī)噪聲與乘性隨機(jī)噪聲兩類。對(duì)加性噪聲有基于L1范數(shù)的低場(chǎng)核磁共振T2譜稀疏反演方法[6]、 稀疏表示法[7]、 時(shí)頻峰值濾波法[8]等方法降低對(duì)MRS信號(hào)的干擾, 但對(duì)乘性隨機(jī)噪聲還沒有成熟的處理算法。筆者針對(duì)儀器采集數(shù)據(jù)中的加性和乘性隨機(jī)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(fù)包絡(luò)信號(hào)的參數(shù)。常規(guī)的非線性擬合方法不適用于乘性隨機(jī)噪聲, 而傳統(tǒng)的蒙特卡洛算法的計(jì)算量大
- 雙穩(wěn)系統(tǒng)中的隨機(jī)共振乘性信噪作用研究*
11)隨機(jī)共振是乘性在隨機(jī)動(dòng)力系統(tǒng)中的非線性現(xiàn)象。當(dāng)系統(tǒng)的噪聲、系統(tǒng)輸入信號(hào)和系統(tǒng)三者間協(xié)同作用時(shí)，噪聲對(duì)系統(tǒng)輸出性能有所影響。隨機(jī)共振的概念由文[1]提出，用于對(duì)周期性出現(xiàn)的地球冰川時(shí)代進(jìn)行合理的建模分析。此后，隨機(jī)共振現(xiàn)象得到廣泛研究[2]。隨機(jī)共振也廣泛存在于天文領(lǐng)域，比如，太陽(yáng)耀斑和噴流中，與磁重聯(lián)相關(guān)的隨機(jī)共振加速，不但產(chǎn)生電子，而且導(dǎo)致3He/4He千倍的增強(qiáng)[3]。小行星Bennu(101955)在行星碰撞和隨機(jī)共振的聯(lián)合作用下，經(jīng)過(guò)幾百萬(wàn)至
天文研究與技術(shù) 2020年3期2020-07-24
- 深挖細(xì)究 避免再錯(cuò)
向可加性”和“可乘性”，過(guò)程②同理使用“同向可加性”“可乘性”，過(guò)程③是利用“同向可加性”。每一步推理都運(yùn)用不等式的基本性質(zhì)作依據(jù)，也就是說(shuō)推理過(guò)程沒有問(wèn)題，并且計(jì)算過(guò)程也沒有問(wèn)題，那為什么這是一種錯(cuò)誤解法呢?我們先看看正確解答。正解：設(shè)a+2b=u(a+b)+v(a-b)，則解得故a+2b=。因?yàn)樗寓?。所? ≤，即0≤a+2b≤8 ⑤。正解過(guò)程④利用不等式“可乘性”，過(guò)程⑤利用“同向可加性”。錯(cuò)解、正解兩種計(jì)算結(jié)果無(wú)非都是利用“同向可加性”和“可乘性
中學(xué)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(dòng)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(shè)傳感器的測(cè)量輸出值為ym，被控對(duì)象的實(shí)際值為yr，則傳感器正常工作時(shí)，傳感器的測(cè)量輸出值為ym=yr;當(dāng)傳感器發(fā)生故障時(shí)，若故障為加性故障，則傳感器的測(cè)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(cè)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(hào)的增益。2 故障診斷方法研究2.1 故障檢測(cè)方法故障檢測(cè)的目的是檢測(cè)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(shí)的區(qū)間乘性語(yǔ)言偏好關(guān)系群決策
性語(yǔ)言信息和區(qū)間乘性語(yǔ)言信息集成為單值的語(yǔ)言術(shù)語(yǔ)，然后基于群體相容性提出加性和乘性語(yǔ)言偏好環(huán)境下的群決策模型。Xu和Wu[12]定義區(qū)間語(yǔ)言偏好關(guān)系的群體共識(shí)測(cè)度，并給出一種基于群體共識(shí)的偏好關(guān)系調(diào)整算法。Meng等[13]則定義了區(qū)間語(yǔ)言偏好關(guān)系一致性的新測(cè)度，同時(shí)構(gòu)建基于新測(cè)度的偏好關(guān)系調(diào)整算法。從已有研究來(lái)看，目前關(guān)于區(qū)間語(yǔ)言偏好關(guān)系的群決策還存在以下問(wèn)題：一是目前普遍應(yīng)用一致性調(diào)整的方法來(lái)對(duì)區(qū)間語(yǔ)言偏好關(guān)系進(jìn)行調(diào)整，然而調(diào)整算法修改了專家給出的原始
中國(guó)管理科學(xué) 2020年2期2020-04-13
- 基于一致性局部調(diào)整算法和DEA的語(yǔ)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(gè)共同點(diǎn)就是評(píng)價(jià)信息均是用數(shù)字進(jìn)行表達(dá)，而語(yǔ)言信息能夠貼近于人類的認(rèn)知，所以運(yùn)用語(yǔ)言變量表達(dá)決策者評(píng)估信息更為合理和直觀。因此，Zadeh[8]于1975年提出了模糊語(yǔ)言方法。隨后，專家們引入語(yǔ)言偏好關(guān)系[9-11]的概念用于對(duì)決策信息進(jìn)行更為直觀和定性的表達(dá)。由于運(yùn)用缺乏一致性的偏好關(guān)系進(jìn)行計(jì)算容易導(dǎo)致出現(xiàn)不合理甚至錯(cuò)誤的決策結(jié)果[12]。因此，一致性分析和排序權(quán)
中國(guó)管理科學(xué) 2019年12期2020-01-16
- 包含乘性噪聲自適應(yīng)修正的非合作目標(biāo)相對(duì)導(dǎo)航算法
量的衰減都會(huì)引入乘性誤差[14-15]。但目前的相對(duì)導(dǎo)航濾波算法基本都將距離量測(cè)噪聲設(shè)定為加性噪聲，沒有對(duì)因相對(duì)距離的增加而引入的乘性量測(cè)噪聲進(jìn)行修正，如果只是簡(jiǎn)單地以傳感器的標(biāo)稱值或?qū)嶒?yàn)室測(cè)定值設(shè)置濾波中的噪聲陣，必將導(dǎo)致濾波精度的污染[16]，造成仿真實(shí)驗(yàn)和實(shí)際的不一致性。鑒于上述的問(wèn)題，本文通過(guò)分析IEKF算法中的迭代過(guò)程，利用LM(Levenberg-Marguardt)優(yōu)化的思想進(jìn)行改進(jìn)，提出了一種LM-IEKF(Levenberg-Marqua
航空學(xué)報(bào) 2019年7期2019-08-15
- 激光相干場(chǎng)成像散斑噪聲復(fù)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(chǎng)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(yīng)問(wèn)題, 從噪聲抑制角度提高激光相干場(chǎng)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(duì)大氣下行鏈路激光回波場(chǎng)信號(hào)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(jí)聯(lián)復(fù)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(xué)報(bào) 2019年5期2019-03-26
- 多閾值系統(tǒng)中的閾上隨機(jī)共振研究
研究了該模型僅受乘性噪聲影響時(shí)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(shí)含有加性和乘性噪聲時(shí)，系統(tǒng)中各參數(shù)對(duì)SSR現(xiàn)象產(chǎn)生的影響。但實(shí)際上該模型卻可能存在更復(fù)雜的情況，例如每個(gè)閾值單元有多個(gè)輸出。2009年，McDonnell等人[16]提出了隨機(jī)池網(wǎng)絡(luò)模型，這個(gè)靈活的模型可以捕獲感官神經(jīng)元的重要屬性，并用來(lái)模擬真實(shí)的生物網(wǎng)絡(luò)模型，能有助于人們進(jìn)一步理解大腦的信號(hào)處理機(jī)制?；谶@種網(wǎng)絡(luò)模型，McDonnell等人[17]以信
復(fù)雜系統(tǒng)與復(fù)雜性科學(xué) 2018年2期2019-01-03
- 乘性噪聲干擾下基于交互多模型的目標(biāo)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(duì)目標(biāo)運(yùn)動(dòng)的影響并驗(yàn)證。IMM算法被廣泛應(yīng)用于許多不同的領(lǐng)域,如文獻(xiàn)[9]運(yùn)用IMM算法跟蹤機(jī)動(dòng)目標(biāo)，研究結(jié)果表明用IMM算法跟蹤機(jī)動(dòng)目標(biāo)模型(特別是加速度較大)有明顯的優(yōu)勢(shì)，文獻(xiàn)[10]研究多通道交互多模型跟蹤人體運(yùn)動(dòng)，進(jìn)一步延展了IMM算法的應(yīng)用。文獻(xiàn)[11]通過(guò)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(fēng)險(xiǎn)濾波問(wèn)題。文獻(xiàn)[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(jī)分?jǐn)?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(jī)廣義2D分?jǐn)?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(dú)立的實(shí)值布朗運(yùn)動(dòng),(ek)k∈N是L2(R2)上的正交基.本文的目的是證明問(wèn)題(1)～(2)在
- 含乘性噪聲圖像的全變差恢復(fù)
160)0 引言乘性噪聲廣泛存在于合成孔徑雷達(dá)、航空遙感、醫(yī)學(xué)影像(如光學(xué)相干斷層掃描技術(shù)，Optical Coherence Tomography (OCT))等相干成像系統(tǒng)領(lǐng)域.乘性噪聲形成原因是成像目標(biāo)散射點(diǎn)的相干回波疊加形成相干斑，相干斑在圖像上顯示為隨機(jī)散布的小斑點(diǎn).乘性噪聲也因此被稱為斑點(diǎn)噪聲.乘性噪聲極大地降低了圖像的質(zhì)量，導(dǎo)致圖像的自動(dòng)分割、定量分析、目標(biāo)檢測(cè)以及其它有用信息的提取受到嚴(yán)重影響，進(jìn)而影響圖像的分割，識(shí)別等后續(xù)工作[1].從質(zhì)
棗莊學(xué)院學(xué)報(bào) 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(hào)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(hào)的變化而變化[1]。因此，對(duì)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(hào)的相倚性，將乘性噪聲轉(zhuǎn)化為加性噪聲，再對(duì)信號(hào)進(jìn)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(jìn)行仿真實(shí)驗(yàn)驗(yàn)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(shè)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(hào)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(hào)的變化而變化[1]。因此，對(duì)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(hào)的相倚性，將乘性噪聲轉(zhuǎn)化為加性噪聲，再對(duì)信號(hào)進(jìn)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(jìn)行仿真實(shí)驗(yàn)驗(yàn)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(shè)備管理與維修 2018年13期2018-06-24
- 一類隨機(jī)不確定網(wǎng)絡(luò)控制系統(tǒng)的H∞濾波器設(shè)計(jì)?
號(hào)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(wèn)題，Sahebsara等通過(guò)伯努利變量描述了丟包問(wèn)題，并建立了帶丟包的NCS模型,其中數(shù)據(jù)包丟失同時(shí)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(shè)計(jì)了其H∞和H2濾波器[2-3]；孫書利等[4]針對(duì)該多丟包模型，設(shè)計(jì)了線性最小方差意義下的最優(yōu)濾波器，梁彥等
- Allan方差在互感器精度評(píng)測(cè)中的應(yīng)用研究
與一次輸入相關(guān)的乘性噪聲和與一次輸入無(wú)關(guān)的加性噪聲。本文在互感器精度評(píng)測(cè)中引入Allan方差分析法，充分發(fā)揮Allan方差在隨機(jī)誤差辨識(shí)方面的性能，實(shí)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(hào)、信號(hào)傳輸、數(shù)據(jù)處理的過(guò)程中，不可避免的會(huì)引入噪聲干擾。其中，加性噪聲包含可建模補(bǔ)償?shù)牧阄灰约皼]有固定模型的隨機(jī)噪聲，隨機(jī)噪聲表現(xiàn)為測(cè)量值圍繞真實(shí)值的上下波動(dòng)，其圍繞真實(shí)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(jī)
燁一種新的基于乘性規(guī)則的支持向量機(jī)廣東工業(yè)大學(xué) 周 燁由于傳統(tǒng)的二次規(guī)劃運(yùn)算速度慢，已推出適用于二次規(guī)劃問(wèn)題的乘性規(guī)則。在本文中，推導(dǎo)出新的求解支持向量機(jī)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(biāo)函數(shù)單調(diào)下降到全局的最小點(diǎn)，同時(shí)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(dǎo)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(huì)給出完整的證明和給出仿真實(shí)驗(yàn)驗(yàn)證其有效性。二次規(guī)劃；和約束；乘性規(guī)則1 引言2 非負(fù)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(qiáng)跟蹤融合算法
10089）帶有乘性噪聲的多傳感器強(qiáng)跟蹤融合算法張虎龍（中國(guó)飛行試驗(yàn)研究院，陜西 西安 710089）為解決加性噪聲模型無(wú)法準(zhǔn)確刻畫實(shí)際觀測(cè)模型的問(wèn)題，采用帶有乘性噪聲系統(tǒng)模型進(jìn)行建模。在實(shí)際系統(tǒng)中，由于多傳感器網(wǎng)絡(luò)的應(yīng)用使得傳統(tǒng)乘性噪聲的濾波算法已無(wú)法滿足實(shí)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(qiáng)跟蹤濾波融合方法，以有效解決復(fù)雜環(huán)境下的非線性系統(tǒng)最優(yōu)狀態(tài)估計(jì)問(wèn)題。計(jì)算機(jī)仿真實(shí)驗(yàn)表明，新算法具有很好的估計(jì)精度，在多傳感器目標(biāo)跟蹤應(yīng)用
中國(guó)測(cè)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(jí)*,王云肖,李 倩,汪春江(四川師范大學(xué) 數(shù)學(xué)與軟件科學(xué)學(xué)院,四川 成都 610066)復(fù)Ginzburg-Landau方程是非線性科學(xué)中的重要模型,在物理學(xué)中的各個(gè)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(jī)廣義2D Ginzburg-Landau方程的漸近行為,在Grauel H.和Flandoli F.(Probability Theory and
- 關(guān)聯(lián)的乘性和加性驅(qū)動(dòng)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(dòng)的三穩(wěn)系統(tǒng)穩(wěn)態(tài)分析張 卜,寧麗娟(陜西師范大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院,陜西 西安 710062)運(yùn)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(lì)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(qiáng)度λ和乘性噪聲強(qiáng)度P均能誘導(dǎo)相變的產(chǎn)生，而加性噪聲強(qiáng)度Q不能誘導(dǎo)相變的產(chǎn)生.通過(guò)數(shù)值模擬穩(wěn)態(tài)概率密度函數(shù)驗(yàn)證了所得結(jié)論的準(zhǔn)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(gè)領(lǐng)域,包括生物、
紡織高?；A(chǔ)科學(xué)學(xué)報(bào) 2016年4期2017-01-17
- 考慮背景風(fēng)險(xiǎn)的項(xiàng)目投資決策
了加性背景風(fēng)險(xiǎn)和乘性背景風(fēng)險(xiǎn)單獨(dú)存在時(shí)，背景風(fēng)險(xiǎn)與項(xiàng)目風(fēng)險(xiǎn)之間的相關(guān)性對(duì)投資決策的影響；其次構(gòu)建了兩種背景風(fēng)險(xiǎn)同時(shí)存在情形下的投資模型，進(jìn)而通過(guò)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(chǔ)上分析兩種背景風(fēng)險(xiǎn)與項(xiàng)目風(fēng)險(xiǎn)之間的相關(guān)性及相關(guān)程度對(duì)投資決策的影響并給出相關(guān)研究結(jié)論。背景風(fēng)險(xiǎn)；加性背景風(fēng)險(xiǎn)；乘性背景風(fēng)險(xiǎn)；項(xiàng)目投資決策1 引言項(xiàng)目投資過(guò)程中會(huì)面臨各種各樣的風(fēng)險(xiǎn)[1-2]，有些是項(xiàng)目本身帶來(lái)的風(fēng)險(xiǎn)，即項(xiàng)目風(fēng)險(xiǎn)，有些是其他外生不確定因素帶來(lái)的風(fēng)險(xiǎn)
中國(guó)管理科學(xué) 2016年9期2016-12-28
- 乘性噪聲誘導(dǎo)復(fù)雜系統(tǒng)陣列信噪比增益
漢430070）乘性噪聲誘導(dǎo)復(fù)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(xué)教師教育學(xué)院，江蘇 南京210023；2.華中農(nóng)業(yè)大學(xué)理學(xué)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(hào)處理中輸入的加性噪聲及彼此獨(dú)立的陣列各子系統(tǒng)內(nèi)部乘性噪聲驅(qū)動(dòng)下的隨機(jī)共振現(xiàn)象。通過(guò)數(shù)值模擬，證明了當(dāng)陣列數(shù)目增加到一定數(shù)目時(shí)，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(guò)對(duì)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(xué)學(xué)報(bào) 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(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,陜西西安 710071;2.廣西師范學(xué)院計(jì)算機(jī)與信息工程學(xué)院,廣西南寧 530023;3.中國(guó)科學(xué)院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100080)光滑性、稀疏性和自相似性先驗(yàn)作為自然圖像的重要特性被廣泛應(yīng)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(bǔ)性,提出了一種能夠同時(shí)利用光滑性、稀疏性和自相似性先驗(yàn)的乘性噪聲去除新方法.該方法首先采
西安電子科技大學(xué)學(xué)報(bào) 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?hào)|旭(中原工學(xué)院， 鄭州 450007)針對(duì)全變分去噪模型會(huì)模糊圖像邊緣和紋理部分的問(wèn)題，提出一種改進(jìn)的去除乘性噪聲的非局部正則化模型,并利用Split-Bregman算法進(jìn)行求解。對(duì)觀測(cè)圖像取對(duì)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(xiàng)，通過(guò)圖像區(qū)域與區(qū)域的灰度相似性來(lái)確定權(quán)重系數(shù)，進(jìn)而更好地保持圖像的紋理結(jié)構(gòu)；在模型中加入緊湊項(xiàng)來(lái)保證去噪圖像的緊
中原工學(xué)院學(xué)報(bào) 2016年4期2016-11-10
- 相關(guān)乘性和加性高斯白噪聲激勵(lì)下周期勢(shì)系統(tǒng)的隨機(jī)共振*
00081）相關(guān)乘性和加性高斯白噪聲激勵(lì)下周期勢(shì)系統(tǒng)的隨機(jī)共振*劉開賀 靳艷飛 馬正木（北京理工大學(xué)宇航學(xué)院力學(xué)系，北京 100081）研究了外加周期信號(hào)作用下，相關(guān)高斯乘性和加性白噪聲激勵(lì)下周期勢(shì)系統(tǒng)的隨機(jī)共振.利用線性響應(yīng)理論，計(jì)算了系統(tǒng)輸出信號(hào)的功率譜密度、振幅、相位差.研究結(jié)果表明：當(dāng)加性噪聲強(qiáng)度和關(guān)聯(lián)系數(shù)不變的情況下，通過(guò)調(diào)整乘性噪聲強(qiáng)度可以出現(xiàn)隨機(jī)共振；關(guān)聯(lián)系數(shù)的正負(fù)以及大小對(duì)隨機(jī)共振的影響較小.當(dāng)乘性噪聲強(qiáng)度較小時(shí)，輸出信號(hào)的振幅和相位差曲線
動(dòng)力學(xué)與控制學(xué)報(bào) 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(guó)海洋大學(xué)工程學(xué)院，山東省高校海洋機(jī)電裝備與儀器重點(diǎn)實(shí)驗(yàn)室 山東 青島 266100)隨著控制理論與計(jì)算機(jī)的飛速發(fā)展，非線性濾波已在各領(lǐng)域得到廣泛應(yīng)用。本文針對(duì)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(cè)方程分別通過(guò)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(guò)最優(yōu)觀測(cè)的方法將觀測(cè)方程擴(kuò)維，再基于投影定理進(jìn)行求
- 多通道帶乘性噪聲2-D廣義系統(tǒng)狀態(tài)最優(yōu)估計(jì)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(jì)算法?張玲， 劉川， 楊榮榮(中國(guó)海洋大學(xué)工程學(xué)院， 山東高校海洋機(jī)電裝備與儀器重點(diǎn)實(shí)驗(yàn)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(luò)等領(lǐng)域有著廣泛的應(yīng)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(jì)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(shè)是一維隨機(jī)序列，本文的乘性噪聲因子是對(duì)角矩陣，矩陣對(duì)角線上每個(gè)元素都是一維隨機(jī)序列，這意味
- 通過(guò)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(qiáng)1, 3，粟 暉1, 3，袁洪福21. 廣西科技大學(xué)廣西糖資源綠色加工重點(diǎn)實(shí)驗(yàn)室，廣西 柳州 545006 2. 北京化工大學(xué)材料科學(xué)與工程學(xué)院，北京 100029 3. 廣西科技大學(xué)生物與化學(xué)工程學(xué)院，廣西 柳州 545006拉曼光譜強(qiáng)度與物質(zhì)量存在的線性關(guān)系會(huì)受到許多復(fù)雜因素破壞，包括激發(fā)光源、聚焦、散射、折射等，導(dǎo)致定量效果不佳。各種因素的干擾效應(yīng)，總體上分成加性和乘性效應(yīng)，而消除乘性效應(yīng)的難度會(huì)更大一些
光譜學(xué)與光譜分析 2016年2期2016-06-15
- 加性乘性噪聲改善多元信號(hào)檢測(cè)
10003)加性乘性噪聲改善多元信號(hào)檢測(cè)王友國(guó)1,2，潘 慧2，劉 健2(1.江蘇省物聯(lián)網(wǎng)技術(shù)與應(yīng)用協(xié)同創(chuàng)新中心，江蘇 南京 210003；2.南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)基于最大后驗(yàn)概率準(zhǔn)則，以錯(cuò)誤檢測(cè)概率為測(cè)度，研究了加性噪聲和乘性噪聲共同作用下信號(hào)檢測(cè)的問(wèn)題。在乘性噪聲強(qiáng)度不變的情況下，當(dāng)信號(hào)是閾上時(shí)，錯(cuò)誤檢測(cè)概率隨著加性高斯噪聲強(qiáng)度的增加而單調(diào)增加，噪聲總是干擾信號(hào)檢測(cè)；當(dāng)信號(hào)是閾下時(shí)，錯(cuò)誤檢測(cè)概率隨著加性高斯噪聲強(qiáng)
計(jì)算機(jī)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(xué) 理學(xué)院，江蘇 南京 210046)圖像去噪是圖像處理中最基本的問(wèn)題，也是當(dāng)前研究的熱點(diǎn)。近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)去除乘性噪聲進(jìn)行了大量的研究，在AA模型的基礎(chǔ)上提出了許多去除合成孔徑雷達(dá)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(diǎn)是原圖像的細(xì)節(jié)丟失并且計(jì)算速度慢。針對(duì)這些問(wèn)題，引入了權(quán)重函數(shù)，在此基礎(chǔ)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(jì)算機(jī)技術(shù)與發(fā)展 2016年11期2016-02-27
- 對(duì)模糊數(shù)互補(bǔ)判斷矩陣乘性一致性的重新認(rèn)識(shí)
糊數(shù)互補(bǔ)判斷矩陣乘性一致性的重新認(rèn)識(shí)石喜軍1， 張 強(qiáng)1， 朱吉喬2(1.北京理工大學(xué) 管理與經(jīng)濟(jì)學(xué)院，北京 100081； 2.北京建筑材料科學(xué)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(yùn)算的問(wèn)題，并使得運(yùn)算法則更加符合客觀實(shí)際情況，而引入了經(jīng)典數(shù)學(xué)中的自變量、因變量、代表系統(tǒng)及自由度等概念，進(jìn)而對(duì)模糊數(shù)互補(bǔ)判斷矩陣的乘性一致性進(jìn)行了研究，結(jié)果發(fā)現(xiàn)若一個(gè)模糊數(shù)互補(bǔ)判斷矩陣滿足目前一些文獻(xiàn)對(duì)其乘性一致性的定義則這個(gè)矩陣一定是精
運(yùn)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(xiàn)［8］則聯(lián)合空域和頻域構(gòu)造冗余引入人工噪聲。3)通過(guò)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(xiàn)［9］研究了如何分配加性人工噪聲的功率實(shí)現(xiàn)保密容量最大化，文獻(xiàn)［10］討論如何選取信道質(zhì)量好的多個(gè)下行用戶實(shí)現(xiàn)較高的安全性。從現(xiàn)有研究可以看出，通過(guò)合理地為竊聽者引入噪聲并進(jìn)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(chǎng)景，并針對(duì)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(biāo)準(zhǔn)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(dǎo)出近似線性公式，提出了一種改進(jìn)型的歸一化最小和(MNMS)算法。在此基礎(chǔ)上，與校驗(yàn)節(jié)點(diǎn)匹配(CNM)算法相結(jié)合，進(jìn)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(yàn)節(jié)點(diǎn)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(biāo)準(zhǔn)LDPC碼；改進(jìn)型歸一化最小和算法；和積算法；校驗(yàn)節(jié)點(diǎn)匹配算法低密度奇偶校驗(yàn)碼（low density pari
應(yīng)用科技 2014年1期2014-05-15
- 一種震動(dòng)耦合擴(kuò)散的去除乘性噪聲模型
450007)乘性噪聲廣泛存在于現(xiàn)實(shí)生活的很多應(yīng)用當(dāng)中,如核磁共振、合成孔徑雷達(dá)、遙感、超聲波、激光等相干成像領(lǐng)域當(dāng)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(duì)于去除乘性噪聲并不適用。而乘性噪聲對(duì)圖像的污染很嚴(yán)重,降低了圖像的畫面質(zhì)量,對(duì)圖像分割、目標(biāo)檢測(cè)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(chǔ)上首次提出了去除乘性
中原工學(xué)院學(xué)報(bào) 2014年6期2014-04-02
- 可乘性組合逼近的一個(gè)下界
間W和L有關(guān)的可乘性組合逼近的一個(gè)定理.文獻(xiàn)［3］得到了關(guān)于其可加性組和逼近的一個(gè)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(duì)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(xiàn)［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(jì)，其定義［4
吉林大學(xué)學(xué)報(bào)（理學(xué)版） 2014年3期2014-03-06
- 具乘性白噪聲耗散KdV型方程的隨機(jī)吸引子
610031)具乘性白噪聲耗散KdV型方程的隨機(jī)吸引子蔡?hào)|洪, 范小明, 葉建軍(西南交通大學(xué)數(shù)學(xué)學(xué)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(zhǎng)時(shí)間行為.通過(guò)變換將該方程化為不含白噪聲的隨機(jī)KdV型方程, 通過(guò)討論新方程所確定動(dòng)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(dòng)力系統(tǒng)隨機(jī)吸引子的存在性.隨機(jī)吸引子;乘性白噪聲;耗散KdV方程;隨機(jī)半徑;隨機(jī)吸收集引言耗散KdV方程是描述孤波現(xiàn)象的重要數(shù)學(xué)模型[1],
- 色噪聲激勵(lì)下三勢(shì)阱系統(tǒng)邏輯隨機(jī)共振研究*
對(duì)于獨(dú)立的加性和乘性高斯色噪聲激勵(lì)下的三勢(shì)阱系統(tǒng)，發(fā)現(xiàn)僅有加性噪聲作用不能實(shí)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(dǎo)良好的邏輯隨機(jī)共振現(xiàn)象．和高斯白噪聲相比較，高斯色噪聲激勵(lì)下能產(chǎn)生可靠邏輯隨機(jī)共振的(D，Q)平面上的區(qū)域范圍更大．進(jìn)一步討論了加性和乘性噪聲之間的關(guān)聯(lián)對(duì)于邏輯隨機(jī)共振現(xiàn)象的影響，發(fā)現(xiàn)噪聲關(guān)聯(lián)對(duì)邏輯隨機(jī)共振現(xiàn)象起著破壞性的作用．邏輯隨機(jī)共振， 三勢(shì)阱系統(tǒng)， 高斯色噪聲引言隨機(jī)共振是由Benzi等［1］首先提出的，它反映了噪聲對(duì)于非
動(dòng)力學(xué)與控制學(xué)報(bào) 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(xué) 物理與材料科學(xué)學(xué)院，安徽 合肥 230039；2.合肥師范學(xué)院 電子信息工程學(xué)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(gè)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(jìn)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(guò)
池州學(xué)院學(xué)報(bào) 2012年3期2012-11-08
- 關(guān)聯(lián)白噪聲對(duì)細(xì)菌Logistic生長(zhǎng)過(guò)程的影響
噪聲；η（t）是乘性噪聲.對(duì)于給定的隨機(jī)微分方程（2），關(guān)于變量x其勢(shì)函數(shù)為圖1 細(xì)菌Logistic生長(zhǎng)過(guò)程（a＝1，b＝0.2）的勢(shì)函數(shù)圖1 Fokker－Planck方程對(duì)于給定的隨機(jī)微分方程相應(yīng)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(gè)拋物型線性變系數(shù)偏微分方程，它描述了擴(kuò)散過(guò)程的轉(zhuǎn)移概率密度p（x，的進(jìn)化和流動(dòng).當(dāng)b（x，t）＝0時(shí)，方程（3）描述過(guò)程的確定性變化，a（x，t）＝0時(shí)，方程（3）
湖北工業(yè)大學(xué)學(xué)報(bào) 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(jì)算法研究＊
6100）基于帶乘性噪聲模型的水聲通信字符估計(jì)算法研究＊褚東升，尹正飛，張 玲（中國(guó)海洋大學(xué)工程學(xué)院，山東青島266100）水聲信道多途效應(yīng)明顯，而且存在衰落、散射、損耗以及隨機(jī)時(shí)變等特性，使得水聲通信系統(tǒng)的接收信號(hào)存在嚴(yán)重的碼間干擾。利用帶乘性噪聲系統(tǒng)模型來(lái)刻畫隨機(jī)信道，在建模基礎(chǔ)上利用最優(yōu)濾波遞推算法實(shí)現(xiàn)狀態(tài)估計(jì)。由于狀態(tài)向量中的第一維與接收信號(hào)之間存在一一對(duì)應(yīng)關(guān)系，進(jìn)而可實(shí)現(xiàn)水聲信號(hào)的估計(jì)。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
- 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(xué)院應(yīng)用數(shù)學(xué)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(guò)引入輔助變量將D.C.乘性規(guī)劃問(wèn)題轉(zhuǎn)化為一個(gè)等價(jià)的D.C.規(guī)劃問(wèn)題；再綜合利用分支定界與外逼近方法求解等價(jià)問(wèn)題；最后用一個(gè)實(shí)例說(shuō)明算法的實(shí)用性。D.C.乘性規(guī)劃；全局優(yōu)化；割平面；錐細(xì)分考慮如下D.C.乘性規(guī)劃：(1)其中，0≤f:Rn→R與01 等價(jià)問(wèn)題的轉(zhuǎn)化首先將問(wèn)題轉(zhuǎn)化為一個(gè)等價(jià)的D.C.規(guī)劃，為此，考
- 帶乘性噪聲系統(tǒng)的最優(yōu)方差約束魯棒狀態(tài)估計(jì)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(jì)算法褚東升,王紅都,張 玲(中國(guó)海洋大學(xué)工程學(xué)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(diǎn)。針對(duì)帶乘性噪聲系統(tǒng)的魯棒狀態(tài)估計(jì)算法進(jìn)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(jì)器存在的條件,并針對(duì)此類帶乘性噪聲系統(tǒng)推導(dǎo)出1套方差約束魯棒狀態(tài)估計(jì)算法以及最優(yōu)方差約束魯棒狀態(tài)估計(jì)算法。仿真結(jié)果驗(yàn)證算法的有效性。
- 轉(zhuǎn)移矩陣未知時(shí)帶乘性噪聲系統(tǒng)的自適應(yīng)濾波算法
轉(zhuǎn)移矩陣未知時(shí)帶乘性噪聲系統(tǒng)的自適應(yīng)濾波算法褚東升,劉 祺,張 玲(中國(guó)海洋大學(xué)工程學(xué)院,山東青島266100)針對(duì)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(jì):首先,利用之前時(shí)刻的狀態(tài)估計(jì)值,根據(jù)投影定理,對(duì)系統(tǒng)未知參數(shù)即系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣作出估計(jì);其次,利用已得到的系統(tǒng)參數(shù)估計(jì)值,獲取當(dāng)前時(shí)刻的狀態(tài)濾波。計(jì)算機(jī)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
- 乘性噪聲作用下線性系統(tǒng)的隨機(jī)共振及其抑噪應(yīng)用
830046)乘性噪聲作用下線性系統(tǒng)的隨機(jī)共振及其抑噪應(yīng)用孫萬(wàn)麟1,黃玉劃2,山拜·達(dá)拉拜3(1.昌吉學(xué)院物理系,新疆昌吉 831100;2.南京航空航天大學(xué)信息科學(xué)與技術(shù)學(xué)院,江蘇南京210016;3.新疆大學(xué)信息科學(xué)與工程學(xué)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(shí)受一類乘性噪聲干擾下,詳細(xì)研究利用欠阻尼二階線性系統(tǒng)中的隨機(jī)共振消除此類噪聲。研究表明,當(dāng)二階線性系統(tǒng)的固有頻率和被測(cè)信號(hào)均受乘性高斯白噪聲干擾下,欠阻尼二階線
河北科技大學(xué)學(xué)報(bào) 2010年6期2010-12-28