合成孔径雷达最优量化编码器

合成孔径雷达ＳＡＲ数据率高、数据量大，对ＳＡＲ原始数据的压缩可以降低对数传和数据存储的要求。文中用ＳＢＡＳＡＰ－ＳＡＲ原始数据对合成孔径雷达信号统计模型进行了研究，提出了一种２ｂｉｔ自适应量化编码方法，并用ＳＥＡＳＡＴ—ＳＡＲ原始数据进行了编－译码实验，获得了该２ｂｉｔ量化编码器的性能指标测试结果。     

脑电信号多重粗粒化复杂度分析方法研究

为了准确地描述脑电信号的精细结构和复杂成分,提出了基于多重粗粒化的脑电信号复杂度方法。根据脑电信号幅值微弱,幅值跨越大,一定幅值范围的脑电具有特定认知和生理意义的脑电特性,采用多重赋值,可尽量保留对信号复杂结构的描述;基于统计学特点(以百分比为阈值)对已经归一化的信号划分幅值域,进行粗粒化,基于传统方法计算复杂度。该方法有效地克服了经典LZC复杂度不能描述脑电精细结构的不足。提出了当脑电信号在粗粒化后出现局部周期,且达到一定阈值后(如beta波或具有相似幅值特性的脑电信号达到一定阈值),4重复杂度值小于10重复杂度值的假设,初步建立了脑电节律与多重LZC的联系。仿真计算和实际数据验证表明,多重LZC方法结果更准确、合理,而且能反映脑电节律成分特性。     

周期系统的辩识与自适应控制

对用期性参数ＡＲＭＡＸ模型系统提出了二种不同的参数估计算法，由此提供了对该类系统实施自适应控制的新思路、这二种算法是基于适时分时处理和批处理分别构造的。在一定条件下均能证明估计的收敛性以及自适应跟踪性。这些条件大多是与线性定常系统的通常假定相当的。     

CDMA协议下VBR分组数据模式的实现

研究了利用ＣＤＭＡ实现ＶＢＲ模式的三种协议：时隙随机访问ＣＤＭＡ、可变速率ＣＤＭＡ、多码并发ＣＤＭＡ。对其吞吐量、扩频码利用率进行了分析。分析表明在理想条件下就吞吐率性能和码利用率而言可变速率ＣＤＭＡ和多码并发ＣＤＭＡ比时隙随机访问ＣＤＭＡ要好。     

一类混沌序列的自相关特性

以函数迭代型一维（１－Ｄ）离散动力系统为例，从统计学角度推导了混沌序列的自相关函数和自相关系数。理论分析表明１－Ｄ混沌序列与一阶ＡＲ过程具有相同形式的自相关特性，具有近乎理想的自相关结构，从而为通信与雷达系统提供了丰富的伪随机序列，计算机模拟结果与理论分析结果相符。     

癫痫发作的两种模式

通过分析临床癫痫脑电的最大Lyapunov指数,研究了多种不同诱发背景的癫痫在各个时期(间期、前期、发作期、发作后期4个时段)的最大Lyapunov指数的时域变化规律,提出癫痫发作具有两种响应模式:(1)睡眠、清醒等状态下的自发癫痫,大脑受到随机信号的干扰,脑内各子系统之间需经过较复杂的协调作用才能进入高度同步放电状态;(2)闪光刺激等状态下的诱发癫痫,大脑受到外加高频信号的干扰,脑内各子系统将被快速驱动进入高度同步放电状态。     

指数函数分解法的CPM非相干序列估计

连续相位调制本身所具有的高效频谱和功率利用率使得这种调制方式非常适合应用于无线通信环境中,但其解调的复杂度也随着记忆长度和进制数的增加呈指数增长。该文给出的非相干序列估计算法,通过将大量的参考信号分解成矢量形式,将信号间的相关运算转化为矢量乘法运算,可以有效地降低CPM解调器前端复杂度;在序列译码阶段,采用的是指数窗的截短方法,在不损失性能的前提下有效降低了解调器后端的复杂度。     

一种扩展的功能磁共振BOLD动力学模型研究

结合Friston的BOLD动力学模型与Agnes Aubert建立的脑电生理和代谢藕合模型,提出了一种扩展的BOLD动力学模型。对改进的模型讨论了血液动力学模型血流的非线性特性,把脑的新陈代谢与血动力学模型的血流、血体积关联起来,并对BOLD模型中的输入信号进行研究。得到了能更好地模拟实际生理过程的仿真结果。     

细胞自动机组合伪随机序列发生器

结合细胞自动机所特有的单元结构的简单性、单元之间作用的局部性和信息处理的高度并行性等特点,利用细胞自动机产生高速序列;分析了比特与、或、异或运算周期特性,其周期等于各自周期的最小公倍数;证明了比特异或运算的频率特性优于原有的频率特性。研究了比特组合运算的线性复杂独特性,比特与、或运算的线性复杂度等于各自线性复杂度的乘积,异或运算的线性复杂度等于各自线性复杂度之和。利用伪随机特性检测方法和线性复杂度的测试方法的计算机模拟表明细胞自动机组合伪随机序列发生器实现简单、速度高、能有效增加序列周期长,改善序列伪随机统计特性,并能有效增加伪随机序列的线性复杂度。     

基于CORBA的分布式实时容错系统的研究

分析了由于分布式实时应用的特殊要求,ＣＯＲＢＡ将面临的关键问题,探讨了对ＣＯＲＢＡ对象和对象总线进行实时性扩展的方法,提出了一种具有实时容错特性的ＣＯＲＢＡ框架模型。     

神经网络和卡尔曼算法在石油需求预测中的应用

分析中国1978—2009年影响石油需求的8个相关指标数据。将指标分成3组,通过每组指标的数据分别用广义回归神经网络和误差反向传播神经网络（GRNN和BPNN）方法对2013年的中国石油需求量进行预测,并对其预测结果进行比较。进一步采用神经网络平均影响值（Mean Impact Value,MIV）方法,从影响石油需求时间序列的相关指标数据中筛选出对石油需求影响最大的5个变量。用选出的5个变量,根据AIC准则确定了时间序列的阶数,并建立了石油需求的AR时间序列模型。采用卡尔曼滤波算法和Rauch-Tung-Striebel（RTS）算法对AR模型进行了后验估计。卡尔曼滤波算法使得模型参数得以更新,且相关仿真结果表明,对于AR模型的输出起到较好的修正作用,从而提高了模型的预测精度。     

阵发性40Hz脑电信号提取方法的研究

用频域门限提取法与神经网络模式识别相结合的方法实现阵发性40Hz EEG的有效检测,对10多位受试者的阵发性40Hz EEG进行了提取,计算了平均峰值功率,分析了各受试者所表现的思维状态,结果表明,提出的检测方法是切实可行的,并支持了D.E.Sheer的理论。     

农产品市场价格超短期预测研究——基于西红柿日批发价格的现代时间序列法建模

为科学分析与预测农产品市场日价格走势,研究农产品市场日价格波动的随机性特征,增强价格的预见性和市场的调控性,选择全国西红柿日批发价格为预测对象,基于价格序列数据的ADF检验和ARCH效应检验,结合2008—2009年间731天日价格数据分析,利用ARIMA、ARCH、GARCH等现代时间序列法,分别建立西红柿日批发价格预测模型,并选取2010年1月1—10日进行样本外区间的评估预测。研究表明,3个日价格预测模型的平均绝对百分比误差（MAPE）都在2％以内,其中GARCH模型在预测中具有更高的精度;农产品市场价格超短期预测中,在没有突发性因素干扰的情况下,所建立的3个模型预测结果的精度比较理想,但对于突发性事件等引起的价格急剧变化难以定量化模拟和预测。     

40Hz脑电信号检测理论在脑电混沌态分析中的应用

在脑电信号的混沌态分析中引入阵发性40 Hz脑电信号检测理论,用以判断受试者是否合作,并决定可用于混沌态分析的数据段。文中对阵发性40 Hz脑电信号从理论、检测方法的实现、实际应用等几个方面进行了讨论。     

脑-机接口中新的脑电数据分类方法

根据自发脑电的特点,将HMM-AR模型算法运用到脑电状态的分类中,证明它是一种非常有用的分析脑-机接口方法。将Laplacian filter、ICA和HMM-AR方法相结合,用想象左右手运动的BCI数据进行识别,得到了很好的分类结果,有效地区分脑电中运动与非运动两种状态。该算法能够在运动开始后1 s内检验到脑电信号的变化,从而证明了该算法在BCI的实用性,达到了良好的识别效果。     

基于混沌理论的建设项目环保投资估算研究

采用混沌时间序列分析技术对我国高速公路环保投资做了较为全面的研究,分析了1997年—2006年我国部分高速公路环保投资的数据。首先对数据结构进行定性分析,通过频数分布图,发现环保投资数据与正态分布之间存在着差异。功率谱分析、主分量分析则清楚表明序列具有非线性性质,主分量分析还表明序列具有混沌迹象。在定性分析的基础上,通过计算序列的有关非线性特征值对其混沌性质进行进一步确认。采用G P算法计算序列的相关维,采用小数据量法计算最大Lyapunov指数。计算得到的最大Lyapunov指数为正数,说明环保投资序列     

从噪声产生有序的原理：非指导性的学习和做梦

文章从两个方面阐述了生物的自组织亦即其复杂性的问题：一、生物后天行为的性状不是机械地由遗传基因决定的,而是由基因组与细胞内理化环境（包括被基因决定产生的蛋白质）之间的相互作用所形成的调节机制决定的;二、生物的自组织和复杂化是通过生物在充满随机作用的环境中自主地摸索自身行为可以遵循的概率性规律、从而减少自身结构中的冗余性以增加异质性而实现的。     

非线性检验及预测在污水处理厂评价中的应用

为了避免污水处理厂规模盲目扩大造成的投资效率低下的现象发生,科学地预测合理的用水量必不可少。基于用水量的实际历史数据,利用BDS检验、Box-Pierce检验和Box-Ljung检验以及非线性检验,如代替数据检验Surrogate date test、Hinich双谱检验、White人工神经网络检验来选择时间序列重构预测模型。根据实际用水量情况,比较各种不同重构模型预测误差,包括线性AR模型以及随机森林、随机梯度Boosting、支持向量、人工神经网络和自适应样条等。结果表明,有着非线性关系的人工神经网络误差最小,符合检验结果。     

基于截L-矩和GPD的中国股市VaR经验测度:1991-2011

L-矩方法现已成为金融领域厚尾分布分析和建模的重要工具,当极端值较多时,L-矩方法会变得较敏感,截L-矩不但具有L-矩方法的优良特征,而且增加了对首尾极端值的控制参数,对极端值存在的情况更加适用。论文采用AR(1)-GARCH(1,1)模型对收益率序列进行建模分析,得到近似独立同分布的残差序列。在此基础上,基于截L-矩考察广义帕累托分布对上证指数的损失尾部拟合情况,VaR的返回检验表明:基于截L-矩的GPD分布可以较好地拟合损失收益率的尾部,极值VaR可以有效地度量上海股市的风险。