近日，實(shí)分析與調(diào)和分析及應(yīng)用團(tuán)隊(duì)與合作者在非高斯隨機(jī)過程模擬與信號(hào)分析領(lǐng)域取得重要研究進(jìn)展，相關(guān)成果發(fā)表在國際高水平期刊《Mechanical Systems and Signal Processing》，理學(xué)院張影博士為第一作者，浙江科技大學(xué)為第一完成單位。
在這篇題為《Analytic simulation of strongly non-Gaussian non-stationary stochastic processes via stochastic adaptive sparse representation based on the iterative method》（點(diǎn)擊閱讀）的論文中，針對信號(hào)處理中普遍存在的強(qiáng)非高斯、非平穩(wěn)隨機(jī)過程模擬難題，提出了一種基于隨機(jī)自適應(yīng)傅里葉分解（SAFD）的解析模擬新方法。該方法通過迭代構(gòu)造自適應(yīng)正交基，在避免高維特征分解的同時(shí)，實(shí)現(xiàn)對目標(biāo)隨機(jī)過程協(xié)方差結(jié)構(gòu)與邊緣分布的高精度逼近。數(shù)值實(shí)驗(yàn)結(jié)果表明，在低階展開條件下，該方法相較傳統(tǒng)Karhunen–Loève展開可將近似誤差降低70%–85%，并顯著提升收斂速度，為復(fù)雜隨機(jī)信號(hào)與非高斯隨機(jī)系統(tǒng)的高效建模提供了新的理論工具。上述研究成果體現(xiàn)了浙江科技大學(xué)實(shí)分析與調(diào)和分析及應(yīng)用團(tuán)隊(duì)在隨機(jī)過程理論、信號(hào)分析方法上的持續(xù)研究進(jìn)展，展示了數(shù)學(xué)理論方法在多學(xué)科交叉應(yīng)用中的重要價(jià)值。（理學(xué)院 張春梅）
