导读:本文包含了高阶统计量法论文开题报告文献综述及选题提纲参考文献，主要关键词:非高斯,线性结构,高阶统计量,振型迭加法
高阶统计量法论文文献综述
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）
孙思亮,刘怀山,刘建国[2]（2019）在《基于高阶统计量地震子波估计》一文中研究指出地震资料褶积处理、地震波阻抗反演等工作的前提都是地震子波估计。在常规地震资料处理中,通常假设地震子波是固定的、最小相位的,但这不符合实际情况。文中首先给出了高阶统计量的理论基础,通过分析得出了可以用高阶统计量从地震资料中取一个非最小相位、时空变化的地震子波;其次,以零相位的雷克子波及其合成地震道为例,评价了高阶统计量的特征,证明了高阶统计量在地震子波估计方面具有实用性。(本文来源于《国家安全地球物理丛书（十五）——丝路环境与地球物理》期刊2019-08-13）
茹锋,徐锦,常琪,阚丹会[3]（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[4]（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）
孔祥瑞,严正,徐潇源,谢伟[5]（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）
陈洁,詹仲强[6]（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[7]（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）
王子民,王曼,刘振丙,伍锡如[8]（2018）在《基于高阶统计量的BCG信号特性分析》一文中研究指出为了实现对心脏活动的非接触、无感觉检测分析,使用PVDF压电薄膜传感器,开发了心冲击图信号(脉搏信号-心电信号)综合采集设备。提出用高阶统计量来分析BCG信号,保留了BCG信号的相位信息。设备采集21名健康成年人运动前、后信号进行了信号差异性的对比分析,结果表明,运动前、后信号高阶统计量特征有显着差异,该方法能够区分不同状态下的BCG信号。(本文来源于《桂林电子科技大学学报》期刊2018年05期）
王曼[9]（2018）在《基于高阶统计量的BCG信号特征分析与识别》一文中研究指出在当今社会,由于工作压力大、环境污染及食品安全等因素的影响,现代人很容易出现突发心脏问题,心脏健康问题越来越受到人们重视,因此人们对医院以外心脏活动日常监测的需求日益增加。而心冲击图信号(Ballistocardiogram,BCG)作为一种非创伤、无感觉心脏活动检测方法,适合用于家庭日常心脏监护。心脏收缩时血液从血管中喷射引起皮肤表面振动,将这种周期性微弱振动记录下来就是心冲击图信号。本文设计了一种基于压电薄膜传感器的坐式BCG信号联合采集系统,能在无感觉状态下采集受试者运动前、后的BCG信号。对不同状态下的信号进行特征提取、特征分析与模式识别,建立BCG信号的状态模型,为进一步的诊断及治疗等提供辅助。论文主要工作如下:(1)BCG信号时域特征的分析和提取。对采集的BCG信号进行预处理后,在局部极大值法定位J波的基础上,提出一种阈值判断法,能准确标记幅度较小的H、I、K、L波,实验结果表明本文提出的方法能准确标记BCG波群特征点。分别用BCG信号和脉搏信号计算运动前、后的心率,结果表明两种信号计算的心率差异较小,证明了BCG信号采集系统有良好的鲁棒性。分析并提取了H-I、I-J、J-K、I-K、H-L波的时间间隔和JK/IJ幅值比,比较运动前后BCG信号心率差异、时间间隔的差异。此外,由BCG信号是振动信号的原理,提取了能量、均方根、峰值系数等时域特征。(2)BCG信号高阶统计量特征的分析与提取。与方差、协方差、功率谱等传统二阶统计量相比,高阶统计量不但保留了信号的幅度信息,同时也保留了非平稳信号的相位信息。由于高阶统计量已在脑电信号、心电信号等生理信号分析上取得了不错效果,本文提出将高阶统计量分析法应用到BCG信号的分析当中,利用双谱分析运动前、后BCG信号的非线性耦合现象,分析BCG信号双谱幅值叁维图、平面图,双谱相位叁维图、平面图。针对双谱分析计算量大的缺点,提出采用计算量更小的双谱切片分析方法,分析了BCG信号切片谱的幅值和相位,提取了BCG信号切片谱幅值最大值,切片谱平均相位。此外还对偏度系数,峭度,峭度因子等高阶统计量特征进行了分析。实验结果表明运动前、后BCG信号高阶统计量特征有显着差异。(3)基于小波变换多分辨分析的BCG信号特征分析和提取。为了进一步详细研究BCG信号特性,提出一种基于小变换的BCG信号双谱分析与特征提取方法,对运动前、后的信号进行小波分解,在不同的频域子带对BCG信号进行特征分析与研究。本文采用db5小波对BCG信号进行6层分解,对分解后的子带小波系数重构得到子带BCG信号,分析每层子带信号的频谱。利用双谱和切片谱分析子带BCG信号,通过实验结果对比分析,本文选取了各子带能量和子带信号切片谱幅值最大值作为BCG信号模式识别的特征。(4)建立基于BP神经网络的BCG信号分类模型。对BP网络进行参数优化,以本文所选择的33个特征参数作为输入时识别率为79.5%;选出使识别率最高的特征参数组合作为网络的输入,最终网络综合识别率达到83.332%。本文利用优化的BP神经网络模型,对脉搏信号和BCG信号进行分类识别对比实验,结果显示本文提取的特征和建立的分类模型具有良好的稳定性和适用性。(本文来源于《桂林电子科技大学》期刊2018-06-01）
魏丹丹,刘邠岑[10]（2018）在《基于高阶统计量的改进型块稀疏最小均方算法》一文中研究指出为降低块稀疏最小均方算法(BS-NLMS)在声学回波消除等系统辨识中的计算复杂度,本文充分研究了块稀疏系统特性,提出一种利用语音活动检测方法来降低原有算法计算复杂度的改进型新算法。新算法首先利用基于高阶统计量的语音活动检测法来区分一段语音中的有无语音段,然后采用最小欧式距离范数作为部分更新标准,从而克服了传统抽头系数在每次迭代时需要全部更新而引起的较高计算复杂度的问题。本文不仅给出了算法的计算复杂度分析,系统辨识的仿真结果也表明本方法较之前的块稀疏最小均方算法有更小的计算复杂度。(本文来源于《电脑知识与技术》期刊2018年13期）
高阶统计量法论文开题报告
（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：
地震资料褶积处理、地震波阻抗反演等工作的前提都是地震子波估计。在常规地震资料处理中,通常假设地震子波是固定的、最小相位的,但这不符合实际情况。文中首先给出了高阶统计量的理论基础,通过分析得出了可以用高阶统计量从地震资料中取一个非最小相位、时空变化的地震子波;其次,以零相位的雷克子波及其合成地震道为例,评价了高阶统计量的特征,证明了高阶统计量在地震子波估计方面具有实用性。
（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。
高阶统计量法论文参考文献
[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].孙思亮,刘怀山,刘建国.基于高阶统计量地震子波估计[C].国家安全地球物理丛书（十五）——丝路环境与地球物理.2019
[3].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
[4].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
[5].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
[6].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
[7].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
[8].王子民,王曼,刘振丙,伍锡如.基于高阶统计量的BCG信号特性分析[J].桂林电子科技大学学报.2018
[9].王曼.基于高阶统计量的BCG信号特征分析与识别[D].桂林电子科技大学.2018
[10].魏丹丹,刘邠岑.基于高阶统计量的改进型块稀疏最小均方算法[J].电脑知识与技术.2018