导读:本文包含了高阶统计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:高阶,向量,齐次多项式,变量,分解,高斯,张量。
高阶统计论文文献综述
范文亮[1]（2019）在《平稳非高斯激励下线性结构响应统计量的高阶虚拟激励法》一文中研究指出相比于经典随机振动理论的日益成熟,尤其是虚拟激励法的提出所引起的效率提升,非高斯激励下的结构随机振动分析仍具有相当大的挑战性。为此,文章针对平稳非高斯激励下线性结构响应的高阶统计量展开研究,力图发展切实可行的高效分析方法。首先,基于振型迭加法,推导多自由度线性结构响应的高阶矩的解析表达式,并经由Fourier变换获得高阶矩谱的解答,即完全高次组合方法。其次,借鉴常规虚拟激励法的思路,提出适用于高阶矩谱分析的高阶虚拟激励法,而传统的虚拟激励法则是建议方法的一个特例。对比分析可以发现:高阶虚拟激励法不仅具有计算方案选择上的多样性,在计算效率方面更具有显着的优势。(本文来源于《土木工程学报》期刊2019年10期）
兰霞,张波[2]（2019）在《一种快速同步统计高阶调制下PN码误码率的方法》一文中研究指出提出了一种快速同步统计高阶调制方式下PN码误码率的方法,用于实时检测与统计误码率,更加方便、快捷、直观地了解数据链的情况与信道的质量。对于高阶调制方式8PSK/16APSK/16QAM,解调后数据存在相位模糊,先解相位模糊后输出解映射数据,PN码产生模块根据预置的PN码生成多项式和从解映射后的数据中提取的初相产生用来进行误码比对的标准PN码,与解映射后的数据进行比对;统计1000个比特,若误码率大于1e-1,重复上述过程,并且给出一个没有同步的标记输入解模糊状态模块,直至误码率小于1e-1,保持该同步状态,维持当前误码统计过程。该方法能够显着减少PN码同步所需的硬件资源,并且同步时间不受PN码周期影响,便于工程实现。(本文来源于《计算机与数字工程》期刊2019年07期）
林泽榕[3]（2019）在《多元统计与高阶多变量概率分布》一文中研究指出近年来,高维数据的出现使得传统的矩阵处理数据的方法不再适用,而张量作为矩阵的高阶推广,为描述这样的高维数据提供了一种自然且有效的方式,并且为数据的收集和处理带来了极大的便利。本文的主要工作如下:首先,我们引入二次型随机变量,并给出二次型变量分布的数学期望和方差的表达式;我们还考察了矩阵二次型随机变量(矩阵)的性质,包括变量独立性,我们还通过矩阵分块考察了这类二次型变量(矩阵)的分布特征。其次,将二次型变量推广到一般齐次多项式的形式,并通过张量表达和研究了一般齐次多项式变量分布的基本性质。最后,将经典的多元线性模型推广为一个叁阶张量模型,利用矩阵化得到模型的参数估计,进而得到误差项的协方差估计,进一步在增长曲线模型的基础上,将叁阶张量模型推广为一般的高阶张量模型,并得到了参数张量的估计形式。(本文来源于《苏州科技大学》期刊2019-06-01）
茹锋,徐锦,常琪,阚丹会[4]（2019）在《一种用于影像遗传学关联分析的高阶统计量结构化稀疏算法》一文中研究指出神经影像技术和分子遗传学的发展产生了大量的影像遗传学数据,极大地促进了复杂精神疾病的研究。但因为该数据的特征维度过高且相关性的度量都是假设数据服从高斯分布,所以传统的算法往往无法很好地解释两类数据之间的依赖关系。为了解决传统算法的问题,文中提出了一种对大量SNP和fMRI数据进行关联分析的方法,该方法通过构建稀疏的特征网络结构来指导fused lasso进行特征选择,与此同时,该方法利用高阶统计量提取出具有统计显着性的变量,从而识别出与精神疾病有关的生物标记物。实验结果表明,在模拟数据中所提算法得到的典型向量值的分布与实际数据中值的分布几乎一致且得到的相关系数与数据集中实际的相关系数最接近,所提算法的平均相关系数最高达到81%,比L1-SCCA提高了约20%,比FL-SCCA提高了约3%;在真实数据中,相比另外两种算法,所提算法可以找出更多的对精神分裂症有潜在影响的基因与脑区。实验结果证明:该算法可以在合理时间内有效识别出风险基因和异常脑区。(本文来源于《计算机科学》期刊2019年04期）
冯帆,彭作祥[5]（2019）在《高斯序列顺序统计量幂的高阶展开》一文中研究指出对给定的最优规范常数,研究高斯序列顺序统计量幂的分布函数和密度函数的高阶展开,同时得到其收敛速度均与■同阶.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年03期）
马元桐[6]（2019）在《基于高阶统计分析的电力线信道噪声特性研究》一文中研究指出电力线通信(Power Line Communication,英文简称PLC)是一种以电力线作为传输媒介的通信方式,主要用于传输数据、语音和视频。本文分析了电力线信道中常见的叁种噪声,有色背景噪声,脉冲噪声和窄带噪声,然后利用Matlab对叁种噪声进行建模。接下来研究了电力线信道的特性,并进行了电力线信道建模,在信道中加入了叁种电力线噪声,在这个电力线通信模型中又进行了以下叁个方面的仿真实验。首先,由于高阶累积量可以反映信号的相位信息,可以解决二阶累积量无法实现相位信息检测的缺陷。本文研究了在不同信噪比条件下,四阶累积量算法与二阶累积量算法信噪分离效果。其次,信噪比在通信信号处理中十分重要,而且在卫星通信和蜂窝通信等通信系统也起到了关键的作用。本文研究了M2M4估计法,最大似然估计法和误差矢量幅值法叁种估计算法在不同信噪比下的性能。最后,自适应滤波是一种基于维纳滤波等线性滤波的滤波方法。因为它的滤波性能强于传统滤波方法,如今已经在实际工程中得到大量应用。文中具体地分析了自适应算法的理论体系、模型及具体实施步骤,对比研究了递归最小二次方算法和基于叁阶累积量的RLS算法,并根据仿真的结果得出结论。(本文来源于《华北电力大学》期刊2019-03-01）
孔祥瑞,严正,徐潇源,谢伟[7]（2019）在《计及高阶统计量和深度学习的抗噪孤岛检测方法》一文中研究指出分布式电源持续的规模化接入给微电网运行引入了显着的不确定性与噪声,增加了配电网监视的难度。而孤岛检测设备易受电网扰动干扰而误动作,导致分布式电源被切除运行,孤岛检测装置必须能够在噪声环境中准确区分判别扰动与孤岛情形。文中将基于多尺度高阶奇异谱熵的深度学习概念应用于孤岛检测问题,提出一种结合经验模态分解与高阶奇异谱熵的新型混合深度学习架构。作为经验模态分解后的信号处理方法,多尺度高阶奇异谱熵结合多分辨率高阶统计分析与谱分析并以熵值作为特征提取输出,进而通过深度学习架构对所提取的孤岛与扰动特征量进行训练及测试。仿真结果表明所提方法能够实现孤岛的准确检测,从而避免分布式电源退出运行。(本文来源于《电力系统自动化》期刊2019年01期）
万华平,邰永敢,钟剑,任伟新[8]（2018）在《基于多项式混沌展开的结构动力特性高阶统计矩计算》一文中研究指出结构参数的不确定性会导致其动力特性的不确定性,量化动力特性的不确定性能为结构动力设计分析提供准确的动力信息.统计矩是表征结构动力特性不确定性非常重要的统计量,比如均值和方差.传统的Monte-Carlo(蒙特-卡洛)模拟方法需要大量次数的模型运算来保证结果的收敛,其用于复杂结构的动力特性统计矩计算因耗时太高而使用受限.该文采用多项式混沌展开替代模型来取代计算花费高的有限元模型,然后在替代模型框架下快速有效地计算结构动力特性的统计矩.该方法在建立替代模型之初只需要少量次数有限元分析,后续的统计矩计算无需有限元模型,因此从根本上解决了动力特性统计矩计算花费高的难题.该文的多项式混沌展开方法适用于参数服从任意概率分布,能够有效地计算高阶统计矩,为量化结构动力特性不确定性提供更多统计矩信息.最后通过平铝板算例验证了此方法的有效性.(本文来源于《应用数学和力学》期刊2018年12期）
陈洁,詹仲强[9]（2018）在《高阶统计量与小波包分解在风氢混合储能系统中的应用》一文中研究指出以平抑风电场有功功率波动为目标,利用小波包分解风功率信号得到功率波动超限分量,使用高阶统计量分析各个分量获取特征值,采用支持向量机对各个分量进行分类,得到风氢混合储能系统中需被超级电容吸收的高频波动部分和被制氢发电系统消纳的低频波动部分,构建风氢混合储能系统功率平滑控制策略。最后在仿真中通过与常规混合储能系统进行对比,得到该方法能够有效平抑风电场有功功率波动,平滑风功率曲线,研究结果可为电转气这一新型储能技术提供一定的参考。(本文来源于《太阳能学报》期刊2018年11期）
彭炜文,吴奇宝,郑云海,张国灿,林涌艺[10]（2018）在《一种基于EEMD和高阶统计量的局部放电白噪声抑制方法》一文中研究指出电力变压器绝缘的劣化总是伴随着一定的局部放电,测量局部放电信号的真实性直接影响到变压器绝缘性能评估的准确性。本文在集合经验模态分解(empirical mode decomposition,EEMD)的基础上,结合高阶统计量原理,提出了一种基于EEMD和高阶统计量的局部放电白噪声抑制方法。首先利用EEMD方法分解得到各阶经验模态分量(IMF);然后通过IMF各分量峭度的计算,结合Bootstrap方法检测并滤除高斯分布的IMF分量;对剩余IMF分量进行自适应阈值处理,去除混迭的白噪声成分;最后将处理结果重构回原信号。分别以仿真信号和实际PD信号为例,证明了该方法的有效性。(本文来源于《福建省电机工程学会2018年学术年会获奖论文集》期刊2018-10-30）
高阶统计论文开题报告
（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：
提出了一种快速同步统计高阶调制方式下PN码误码率的方法,用于实时检测与统计误码率,更加方便、快捷、直观地了解数据链的情况与信道的质量。对于高阶调制方式8PSK/16APSK/16QAM,解调后数据存在相位模糊,先解相位模糊后输出解映射数据,PN码产生模块根据预置的PN码生成多项式和从解映射后的数据中提取的初相产生用来进行误码比对的标准PN码,与解映射后的数据进行比对;统计1000个比特,若误码率大于1e-1,重复上述过程,并且给出一个没有同步的标记输入解模糊状态模块,直至误码率小于1e-1,保持该同步状态,维持当前误码统计过程。该方法能够显着减少PN码同步所需的硬件资源,并且同步时间不受PN码周期影响,便于工程实现。
（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。
高阶统计论文参考文献
[1].范文亮.平稳非高斯激励下线性结构响应统计量的高阶虚拟激励法[J].土木工程学报.2019
[2].兰霞,张波.一种快速同步统计高阶调制下PN码误码率的方法[J].计算机与数字工程.2019
[3].林泽榕.多元统计与高阶多变量概率分布[D].苏州科技大学.2019
[4].茹锋,徐锦,常琪,阚丹会.一种用于影像遗传学关联分析的高阶统计量结构化稀疏算法[J].计算机科学.2019
[5].冯帆,彭作祥.高斯序列顺序统计量幂的高阶展开[J].西南师范大学学报(自然科学版).2019
[6].马元桐.基于高阶统计分析的电力线信道噪声特性研究[D].华北电力大学.2019
[7].孔祥瑞,严正,徐潇源,谢伟.计及高阶统计量和深度学习的抗噪孤岛检测方法[J].电力系统自动化.2019
[8].万华平,邰永敢,钟剑,任伟新.基于多项式混沌展开的结构动力特性高阶统计矩计算[J].应用数学和力学.2018
[9].陈洁,詹仲强.高阶统计量与小波包分解在风氢混合储能系统中的应用[J].太阳能学报.2018
[10].彭炜文,吴奇宝,郑云海,张国灿,林涌艺.一种基于EEMD和高阶统计量的局部放电白噪声抑制方法[C].福建省电机工程学会2018年学术年会获奖论文集.2018
论文知识图
