Driven by the challenge of integrating large amount of experimental data, classification technique emerges as one of the major and popular tools in computational biology and bioinformatics research. Machine learning m...Driven by the challenge of integrating large amount of experimental data, classification technique emerges as one of the major and popular tools in computational biology and bioinformatics research. Machine learning methods, especially kernel methods with Support Vector Machines （SVMs） are very popular and effective tools. In the perspective of kernel matrix, a technique namely Eigen- matrix translation has been introduced for protein data classification. The Eigen-matrix translation strategy has a lot of nice properties which deserve more exploration. This paper investigates the major role of Eigen-matrix translation in classification. The authors propose that its importance lies in the dimension reduction of predictor attributes within the data set. This is very important when the dimension of features is huge. The authors show by numerical experiments on real biological data sets that the proposed framework is crucial and effective in improving classification accuracy. This can therefore serve as a novel perspective for future research in dimension reduction problems.展开更多
叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal clas...叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。展开更多
由于MUSIC(MUltiple SIgnal Classification)算法需要大量的乘法运算和三角函数求值,导致其实时处理能力较弱。为此,该文首先对均匀线阵和均匀圆阵的阵列结构进行分析,提取导向矢量的一些性质。然后,利用Hermite矩阵的性质对复数乘法进...由于MUSIC(MUltiple SIgnal Classification)算法需要大量的乘法运算和三角函数求值,导致其实时处理能力较弱。为此,该文首先对均匀线阵和均匀圆阵的阵列结构进行分析,提取导向矢量的一些性质。然后,利用Hermite矩阵的性质对复数乘法进行分解,再组建两个实值向量以减少乘法运算次数。最后,利用导向矢量的性质提出一种基于查表的新算法。新算法既没有三角函数求值运算,又不需要大量的存储空间。仿真实验结果表明新算法在没有改变MUSIC算法谱估计的效果的前提下,将MUSIC算法的运算速率提高了50倍以上。因此,新算法具有广阔的应用前景。展开更多
针对相关滤波等经典频域分析方法提取动不平衡信号时,近频干扰抑制能力及参数估计精度严重依赖数据长度的问题,提出了一种基于残差MUSIC(multiple signal classification)谱分析的正弦参数估计方法,以残差MISIC谱中给定频率点的幅度值...针对相关滤波等经典频域分析方法提取动不平衡信号时,近频干扰抑制能力及参数估计精度严重依赖数据长度的问题,提出了一种基于残差MUSIC(multiple signal classification)谱分析的正弦参数估计方法,以残差MISIC谱中给定频率点的幅度值为观测变量判定参数拟合效果,提取该频率成分的幅值和相位。实验表明此方法与相关滤波法相比具有更高的频率分辨率,对抑制近频干扰的能力更出色,较好地解决了提高动不平衡信号提取精度与提高动平衡试验效率难于两全的问题。展开更多
近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classi-fication)算法,对其空间谱...近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classi-fication)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.展开更多
MUSIC(MUltiple SIgnal Classification)等谱峰搜索类算法的计算量主要集中于谱峰搜索过程,加大搜索步长虽可减小计算量,但会引起空间谱的畸变从而造成测向误差。先采用大步长搜索确定谱峰大约位置后再用小步长搜索可以减小测向误差,且...MUSIC(MUltiple SIgnal Classification)等谱峰搜索类算法的计算量主要集中于谱峰搜索过程,加大搜索步长虽可减小计算量,但会引起空间谱的畸变从而造成测向误差。先采用大步长搜索确定谱峰大约位置后再用小步长搜索可以减小测向误差,且增加的计算量较小,但其实时性不佳。文中提出了基于重心估计的入射方向确定方法,利用现有谱峰搜索数据进行后处理,当搜索步长远大于MUSIC测向算法本身的均方根误差(RMSE,Root Mean Square Error)时,可用很小的计算量大大提高测向精度,具有良好的工程应用价值。展开更多
提出了适用于面阵中的基于级联多重信号分类(multiple signal classification,MUSIC)方法的二维波达方向(direction of arrival,DOA)估计算法。该算法仅采用级联的一维搜索即可实现二维DOA的联合估计,避免了经典二维MUSIC算法的复杂计算...提出了适用于面阵中的基于级联多重信号分类(multiple signal classification,MUSIC)方法的二维波达方向(direction of arrival,DOA)估计算法。该算法仅采用级联的一维搜索即可实现二维DOA的联合估计,避免了经典二维MUSIC算法的复杂计算量,复杂度大大降低,同时角度估计性能非常接近经典二维MUSIC算法。此算法可以实现二维角度的自动配对,角度估计性能优于传播算子算法(propagator method,PM)以及借助于旋转不变技术的信号参数估计算法。同时,该算法可以很好地估计出相同方位角(或仰角)的信源。结合算法的高性能及低复杂度,该算法拥有更广泛的适用范围,其优越性得到验证。展开更多
利用传统二维多重信号分类(multiple signal classification,MUSIC)算法进行二维波达方向(direction of arrival,DOA)估计时,往往带来巨大的运算量,限制了算法的实际应用。提出了一种能够大大降低二维DOA估计运算量的模值约束降维MUSIC...利用传统二维多重信号分类(multiple signal classification,MUSIC)算法进行二维波达方向(direction of arrival,DOA)估计时,往往带来巨大的运算量,限制了算法的实际应用。提出了一种能够大大降低二维DOA估计运算量的模值约束降维MUSIC算法,该算法将二维DOA估计问题转化为优化方程的求解问题,并采用模值约束法定义附加条件,使方向向量得到了较强约束,进而使求解结果更加接近最优解。理论分析和仿真实验表明,本文算法所需运算量较低,且角度估计的成功率与精确度较高。展开更多
基金supported by Research Grants Council of Hong Kong under Grant No.17301214HKU CERG Grants,Fundamental Research Funds for the Central Universities+2 种基金the Research Funds of Renmin University of ChinaHung Hing Ying Physical Research Grantthe Natural Science Foundation of China under Grant No.11271144
文摘Driven by the challenge of integrating large amount of experimental data, classification technique emerges as one of the major and popular tools in computational biology and bioinformatics research. Machine learning methods, especially kernel methods with Support Vector Machines （SVMs） are very popular and effective tools. In the perspective of kernel matrix, a technique namely Eigen- matrix translation has been introduced for protein data classification. The Eigen-matrix translation strategy has a lot of nice properties which deserve more exploration. This paper investigates the major role of Eigen-matrix translation in classification. The authors propose that its importance lies in the dimension reduction of predictor attributes within the data set. This is very important when the dimension of features is huge. The authors show by numerical experiments on real biological data sets that the proposed framework is crucial and effective in improving classification accuracy. This can therefore serve as a novel perspective for future research in dimension reduction problems.
文摘叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。
文摘由于MUSIC(MUltiple SIgnal Classification)算法需要大量的乘法运算和三角函数求值,导致其实时处理能力较弱。为此,该文首先对均匀线阵和均匀圆阵的阵列结构进行分析,提取导向矢量的一些性质。然后,利用Hermite矩阵的性质对复数乘法进行分解,再组建两个实值向量以减少乘法运算次数。最后,利用导向矢量的性质提出一种基于查表的新算法。新算法既没有三角函数求值运算,又不需要大量的存储空间。仿真实验结果表明新算法在没有改变MUSIC算法谱估计的效果的前提下,将MUSIC算法的运算速率提高了50倍以上。因此,新算法具有广阔的应用前景。
文摘针对相关滤波等经典频域分析方法提取动不平衡信号时,近频干扰抑制能力及参数估计精度严重依赖数据长度的问题,提出了一种基于残差MUSIC(multiple signal classification)谱分析的正弦参数估计方法,以残差MISIC谱中给定频率点的幅度值为观测变量判定参数拟合效果,提取该频率成分的幅值和相位。实验表明此方法与相关滤波法相比具有更高的频率分辨率,对抑制近频干扰的能力更出色,较好地解决了提高动不平衡信号提取精度与提高动平衡试验效率难于两全的问题。
文摘近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classi-fication)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.
文摘MUSIC(MUltiple SIgnal Classification)等谱峰搜索类算法的计算量主要集中于谱峰搜索过程,加大搜索步长虽可减小计算量,但会引起空间谱的畸变从而造成测向误差。先采用大步长搜索确定谱峰大约位置后再用小步长搜索可以减小测向误差,且增加的计算量较小,但其实时性不佳。文中提出了基于重心估计的入射方向确定方法,利用现有谱峰搜索数据进行后处理,当搜索步长远大于MUSIC测向算法本身的均方根误差(RMSE,Root Mean Square Error)时,可用很小的计算量大大提高测向精度,具有良好的工程应用价值。
文摘提出了适用于面阵中的基于级联多重信号分类(multiple signal classification,MUSIC)方法的二维波达方向(direction of arrival,DOA)估计算法。该算法仅采用级联的一维搜索即可实现二维DOA的联合估计,避免了经典二维MUSIC算法的复杂计算量,复杂度大大降低,同时角度估计性能非常接近经典二维MUSIC算法。此算法可以实现二维角度的自动配对,角度估计性能优于传播算子算法(propagator method,PM)以及借助于旋转不变技术的信号参数估计算法。同时,该算法可以很好地估计出相同方位角(或仰角)的信源。结合算法的高性能及低复杂度,该算法拥有更广泛的适用范围,其优越性得到验证。
文摘利用传统二维多重信号分类(multiple signal classification,MUSIC)算法进行二维波达方向(direction of arrival,DOA)估计时,往往带来巨大的运算量,限制了算法的实际应用。提出了一种能够大大降低二维DOA估计运算量的模值约束降维MUSIC算法,该算法将二维DOA估计问题转化为优化方程的求解问题,并采用模值约束法定义附加条件,使方向向量得到了较强约束,进而使求解结果更加接近最优解。理论分析和仿真实验表明,本文算法所需运算量较低,且角度估计的成功率与精确度较高。
