为了克服递归趋势(recurrence trend,RT)指标对不同信号非平稳度估计存在误判的缺陷,分别采用互信息法和伪临近法确定了递归量化分析的最佳延迟时间和最小嵌入维数,然后在递归量化分析基础上,提出了归一化局部递归率标准差(standard dev...为了克服递归趋势(recurrence trend,RT)指标对不同信号非平稳度估计存在误判的缺陷,分别采用互信息法和伪临近法确定了递归量化分析的最佳延迟时间和最小嵌入维数,然后在递归量化分析基础上,提出了归一化局部递归率标准差(standard deviation of normalized local recurrence rate,SDNLRR)作为信号非平稳度量化指标.利用该指标,通过递归量化分析方法分析了白噪声信号、正弦信号、调幅信号、线性调频信号4个基本信号和2个实测台风场脉动风速信号的非平稳特性,并与传统的递归趋势指标分析结果进行了对比.研究结果表明:利用SDNLRR指标对6个信号的非平稳度的量化比较准确率达100%,比RT指标的准确率提高了33.33%,消除了RT指标对正弦信号和平稳脉动风速信号的错误估计.展开更多
针对局部全局前馈递归动态神经网络的稳定性问题提出了一种新的采用极点配置稳定方法的局部递归全局前馈(Locally recurrent global forward,LRGF)神经网络.由于动态神经元的极点有存在于实轴上和一对共轭复数极点两种情况为了避免神经...针对局部全局前馈递归动态神经网络的稳定性问题提出了一种新的采用极点配置稳定方法的局部递归全局前馈(Locally recurrent global forward,LRGF)神经网络.由于动态神经元的极点有存在于实轴上和一对共轭复数极点两种情况为了避免神经元无限脉冲响应滤波器(Infinite impulse response filter,IIR)的系数投影到稳定区域的复杂性,构造的神经网络将动态神经元分成实数极点IIR和共轭复数极点IIR两部分,通过函数权值的方法将这两部分加权输出.同时针对这种新的神经网络采用了梯度下降的学习算法.通过仿真对本文提出的神经网络的可靠性和有效性进行验证,并分析这种新的神经网络在稳定投影计算上的复杂度.展开更多
文摘为了克服递归趋势(recurrence trend,RT)指标对不同信号非平稳度估计存在误判的缺陷,分别采用互信息法和伪临近法确定了递归量化分析的最佳延迟时间和最小嵌入维数,然后在递归量化分析基础上,提出了归一化局部递归率标准差(standard deviation of normalized local recurrence rate,SDNLRR)作为信号非平稳度量化指标.利用该指标,通过递归量化分析方法分析了白噪声信号、正弦信号、调幅信号、线性调频信号4个基本信号和2个实测台风场脉动风速信号的非平稳特性,并与传统的递归趋势指标分析结果进行了对比.研究结果表明:利用SDNLRR指标对6个信号的非平稳度的量化比较准确率达100%,比RT指标的准确率提高了33.33%,消除了RT指标对正弦信号和平稳脉动风速信号的错误估计.
