阈值模型范文

阈值模型范文（精选7篇）

阈值模型 第1篇

缓解城市交通拥挤的有效途径之一是通过向出行者提供出行信息服务, 从时空上将交通流由拥挤路段转移到非拥挤路段。出行者通过获取充分的出行信息, 可以做出最优行程安排, 从而提高出行效率[1]。目前已有学者对拥挤路况下出行者的出行行为做了大量研究。如姜桂艳等[2]运用模拟的方法, 研究了在拥挤条件下VMS交通诱导信息对驾驶行为的影响。张小宁[3]在1个固定需求的平行结构交通网络上, 分析了交通事故发生后在驾驶员获取和不获取实时交通信息2种情况下的交通出行行为, 并评价了交通信息对于缓解交通网络拥挤的效益。徐丽群等[4]建立了1个简单的模拟网络, 对在道路发生突发性事件的情况下, 驾驶员的拥挤转向行为与可替换路线服务水平之间的相互关系进行了定量和定性研究。陈玲娟等[5]建立了基于路段传输模型和LOGIT选择模型的模拟动态模型, 分析了事故影响下路段的排队扩散及消散过程。刘诗序等[6]建立了理解行程时间更新模型和路径选择模型, 仿真了预测信息条件下驾驶员逐日路径选择过程。秦梦阳等[7]分析了交通信息在驾驶员路径选择行为中的作用机理和过程, 论述了交通信息的效用度和出行者信任度之间的影响。这些研究侧重于拥挤情况下的出行决策影响与出行信息效益评价。林震[8]等对出行者的出行心理、行为以及信息之间的相互关系进行了研究, 考虑在交通信息服务条件下, 由于出行者本身以及信息方面的原因, 出行选择可能出现过激反应、集聚反应等问题。出行信息系统在诱导出行者的决策时可能出现的这些问题会导致拥挤转移甚至恶化, 进而降低路网的通行能力。目前对于既能保证出行信息的有效诱导而又不至产生拥挤转移缺乏相关研究, 通过构建出行者拥挤认知模式, 可描述出行者对拥挤的接受程度。在分析出行者对拥挤认知的基础上, 提出了路网拥挤阈值, 通过阈值来刻画出行者在拥挤路网中的出行决策变化分界点, 可为出行信息发布提供参考依据。

1 基于CPT的出行决策分析

1.1 CPT决策理论模型

累积前景理论 (cumulative prospect theory, CPT) 是在前景理论和等级期望效用模型的基础上发展而来的理论模型, 累积前景值由其价值函数和决策权重函数共同决定。考虑不确定情景下的决策问题, 用 (x;p) 表示1个具有m+n+1种结果的策略, x= (x-m, …, xn) 和p= (p-m, …, pn) 分别表示该策略可能的结果与相应的概率, 其中x-m<…<x0<…<xn。

CPT提出了包括相对结果、效用函数、概率权重函数等在内的效用度量体系。价值函数曲线见图1, 决策权重函数w (p) 形状见图2。

式中:α为敏感性递减系数, 且0<α<1;λ为风险规避系数, λ≥1。根据Kahneman的标定, α=0.88, λ=2.25[9]。

式中:w+ (pj) 和w- (pj) 为收益和损失的概率权重函数;ρ为收益态度系数;δ为损失态度系数, 0<ρ, δ<1。经Kahneman[10]试验标定, ρ=0.61, δ=0.69。

累积决策权重表示为

相应地, 策略 (x;p) 的累积前景效用Y表示为

1.2 分析出行决策过程

由于拥挤、天气等因素, 出行者不可能精确的预知有效路径 (路线) 的行程时间, 主要根据自己的经验信息与实时出行信息等进行出行决策。笔者以日常通勤出行者为研究对象, 并假设ATIS可为出行者提供每条有效路径 (路线) 的预测行程时间。基于累积前景理论设计了如图3所示的出行路径 (路线) 决策模型, 决策过程分为4个阶段:编辑-评价-出行-更新。在编辑阶段, 出行者根据ATIS发布的出行信息与自身以往的行驶经验对有效路径 (路线) 的行程时间进行判断, 形成有效路径的耗时认知, 并设置本次出行OD间行程时间参考点。在评价阶段, 基于参考点计算有效路径 (路线) 的价值函数, 得到各有效路径 (路线) 的累积前景值。在出行阶段, 则选取累积前景值最大的路径 (路线) 实施出行活动, 并获得本次出行经验。在更新阶段, 根据出行活动实施结果对以往出行经验进行更新。

2 拥挤认知与拥挤信息需求

2.1 分析出行者拥挤认知

拥挤认知可以理解为出行者某次出行活动的行程时间明显超出可接受的行程时间, 产生了出行延误。当整个出行活动所花费的时间在出行者能接受的范围之外, 这时可以认为出行者在出行中感知到拥挤。拥挤感知是出行者在某次出行过程中的对出行环境拥挤程度的主观感受, 随着出行次数增加, 拥挤感知累加促使出行经验逐渐丰富, 从而在出行者的记忆中形成1个拥挤认知。

出行者的拥挤认知模式可以用图4来表示。出行者以往的每次出行活动均有1个拥挤感知, 多次出行活动的拥挤感知形成记忆, 这种对于拥挤的记忆与传递给出行者的出行信息共同构成出行者的拥挤认知, 出行者根据自身的拥挤认知来评价当前的出行环境是否拥挤, 并选择满意的出行方案出行;出行方案实施后, 出行者根据出行结果校正出行信息, 从而形成本次出行活动拥挤感知, 并且本次拥挤感知将更新出行者的出行经验;同时出行者的出行结果在路网集计成新的流量分布情况, 从而改变出行环境。由以上分析不难看出, 出行者的拥挤认知模式是1个动态过程。

2.2 拥挤信息需求分析

拥挤是城市交通的常见问题, 虽然城市交通拥挤不能完全解决, 但是出行者在出行过程中可以获取出行信息, 从而避开拥挤路段或拥挤时段。不同的出行方式拥挤信息需求不同, 按出行方式分析拥挤信息需求如表1。

对小汽车驾驶员来说, 行程时间ti和行驶速度vi是最能直观表现路段i拥挤程度的出行信息, 在路网的相关决策节点将各路段的行程时间t1, t2, …, ti通过各种信息源传递给驾驶员, 诱导驾驶员进行路径选择。对公共交通乘客来说, 出行时间不仅包括车内时间, 而且包括步行时间、等车时间、换乘时间等。因此, 除了车辆运行的速度与时间, 车内拥挤程度、步行时间、候车时间与换乘时间也是影响出行者出行决策的重要因素。蒋盛川等[11]建立包含时间、费用和拥挤度的离散选择模型, 通过对拥挤度的弹性分析, 研究其对出行者交通方式选择意愿的影响, 研究表明同时考虑拥挤度、出行费用和出行时间时, 车内时间的效用大于车外时间的效用。

3 拥挤阈值概念与计算模型

3.1 路网拥挤阈值概念

通常对阈值的理解是在2个相关的要素中, 1个要素 (自变量) 对另1个要素 (因变量) 能够产生影响或变化的最小变化量或变化幅度。根据对阈值的理解, 笔者设定路网拥挤阈值为导致出行者改变出行路径 (路线) 的最小行程时间变化幅度min ( (t-t0) /t0) , 即出行者对路径 (路线) 行程时间波动的容忍范围。拥挤阈值是出行者在出行过程中对于路网交通状况的主观认识, 因此阈值的大小与出行者个体特征、出行目的、对路网的熟悉程度、出行时段及有效路径 (路线) 属性紧密相关。考虑这些可以将拥挤阈值描述为

式中:u为拥挤值, 也称为拥挤感知系数, 与出行参考时间相比, 出行方案需要的时间超出了出行参考时间, 出行者则感知到拥挤。定义拥挤感知系数为超出出行参考的时间与出行参考时间的比值。P为个体特征, 包括时间价值、拥挤认知等;M为出行目的, 分为通勤出行与非通勤出行;A为出行者对路网的熟悉程度;N为出行方式, 包括小汽车、公共交通;T为出行时段, 包括早晚高峰, 大型活动以及突发事故等时段;R为有效路径属性, 包括路段长度、行驶速度、道路环境设施等。

3.2 建立驾驶员拥挤阈值计算模型

以私家车通勤驾驶员为研究主体, 假设通勤出行的驾驶员对路网的熟悉程度一致, 且OD间有效路径属性固定, 建立早高峰时段私家车通勤出行的拥挤阈值计算模型。相关变量定义如下:k为OD间有效路径数;s为已出行次数;r为当前出行次数;θ为驾驶员对信息的信任程度, 0≤θ≤1;β为时间价值, 元/min;u为拥挤感知系数;tis, e-1为第s-1次选择路径i出行时的经验行程时间, min;tis为第s次选择路径i出行时信息系统发布的行程时间, min;tsi, 0为第s次选择路径i出行时感知的行程时间, min;t0r为第r次出行时的参考行程时间, min。

在实际出行中, 由于驾驶员无法精确预知路径的行程时间, 通常根据发布的出行信息与出行经验判断选择某路径出行是否拥挤。选取行程时间作为信息系统发布的信息内容, 并用以度量拥挤程度, 当该路径的感知行程时间超出了驾驶员的容忍范围, 驾驶员将选择另一路径完成出行活动。个体特征用驾驶员对信息的信任程度θ来表征, 0≤θ≤1, θ越大表示驾驶员更倾向于信任发布的出行信息。根据以上说明, 对早高峰时段的驾车通勤出行进行分析, 得到单条路径感知行程时间式 (9) 、出行参考行程时间式 (11) 与拥挤感知函数式 (12) :

ui表征拥挤程度, ui越大则表示出行过程中驾驶员感知的拥挤程度越大。根据实际出行情况可知, 即使路段拥挤导致排队时间延长, 也不可能全部驾驶员改变初始路径, 即只存在一定比例q的驾驶员会改变初始行驶路径。当ui=u (qi) 时, 初始选择路径为路径i的驾驶员中有q比例的驾驶员转到其他路径, 在发布诱导出行信息时可根据期望诱导服从率确定q的大小。

4 算例

在1个简单的路网上进行算例分析, 以描述通勤出行时驾驶员的路径决策行为, 阐述拥挤阈值在路径选择中的作用。算例路网见图5。

基于前文分析, 将出行者的出行情况及相关参数作一些假定。O-D有效路径数:k=6;有效路径i已行驶次数si:sa=3, sb=1, sc=2, sd=9, se=2, sf=0;O-D当前出行次数r=18;信息信任程度θ=0.5, 时间价值β=50元·h-1。实际出行时出行信息源发布的路段行程信息不可能准确到1个值, 假定发布的出行信息符合正态分布, 即形如tzs+1~N (μz, σz2) 。将前文的路径相关参数由路段相关参数表示, 则可以对OD有效路径的属性进行简单描述。假设驾驶员能够获取算例路网中所有路段的行程时间信息, 路段行驶次数及行程时间见表2。

1) 根据路径已使用次数可知出行者一般选择路径d出行, 即出行者的初始选择路径为路径d。

2) 基于CPT理论可得到路段的累积前景效用值, 将各有效路径所含路段的累积前景效用值yz相加, 则可得到此次出行各有效路径累积前景效用值, 其大小关系为Yf<Ye<Yd<Ya<Yc<Yb。

3) 由于交通状况等因素导致初始选择路径d的行程时间增加, 因此出行者将在备选路径中选择1条路径行驶, 在此次出行中路径b的累积前景值最大, 故出行者将优先选择路径b出行。

4) 根据式 (9) 可得本次出行OD有效路径感知的行程时间ts+1i, 0:t4a, 0=68.5, t10b, 0=61, t3c, 0=65, t2d, 0=72, t3e, 0=76, t1f, 0=78min;由式 (11) 可知本次出行驾驶员的参考行程时间t180=59.6min, 继而可计算各有效路径的拥挤值ui:ua=0.15, ub=0.02, uc=0.09, ud=0.21, ue=0.28, uf=0.31min。

5) 路径d的拥挤值为0.21, 路径d上q比例的出行者不再选择路径d出行, 说明路径d的拥挤值超出了这q比例的出行者的拥挤阈, 但其拥挤值在剩余的1-q比例的出行者的拥挤阈内。

5 结束语

交通拥挤问题一直以来都困扰着城市交通管理者, 借助先进的出行者信息系统向出行者发布出行信息, 诱导出行者的出行行为, 以缓解城市道路交通拥挤。笔者分析了出行者的拥挤认知, 并尝试构建出行者拥挤认知模式。在拥挤认知的基础上解析了拥挤阈值的概念, 以行程时间为累积前景理论决策指标建立了驾驶员拥挤阈值的计算模型。通过1个简单路网, 将拥挤阈值运用于驾驶员路径决策, 体现了拥挤阈值在路径决策中的作用与意义, 出行时间在拥挤阈值内出行者不改变出行路径;出行时间超过拥挤阈值, 出行者将改变出行路径。文章的不足之处是没有通过大规模采集实际路网出行数据, 对提出的拥挤阈值计算模型进行实证研究, 这是笔者将继续探究的方向。

摘要：信息诱导是缓解交通拥挤的有效途径, 为了描述道路拥挤程度对出行者路径选择决策的影响机理, 基于累积前景理论分析了出行者的出行决策过程, 分析了出行者拥挤认知模式以及不同出行方式的拥挤信息需求。解析了拥挤阈值的概念, 将行程时间作为累积前景理论决策指标建立了拥挤阈值的计算模型, 以1个简单路网进行算例分析, 模拟驾驶员的拥挤认知及出行活动决策。算例结果揭示了拥挤阈值对路径选择决策行为的影响, 同时验证了拥挤阈值是出行者在决策过程中的决策变化分界点。出行时间在拥挤阈值内出行者不改变出行路径;出行时间超过拥挤阈值, 出行者将改变出行路径。

关键词：城市交通,拥挤阈值,累积前景理论,路径选择,拥挤认知

参考文献

[1]戢晓峰, 姚琛.出行信息传递效用与模式分析[J].城市交通, 2008, 6 (3) :93-96.

[2]姜桂艳, 郑祖舵, 白竹, 等.拥挤条件下可变信息板交通诱导信息对驾驶行为的影响[J].吉林大学学报:工学版, 2006, 36 (2) :183-187.

[3]张小宁.实时交通信息诱导下的出行模式及效益评价[J].管理科学学报, 2011, 14 (9) :13-20.

[4]徐丽群, 杨兆升.交通转向对替换路线服务水平的影响[J].公路交通科技, 2002, 19 (4) :89-92.

[5]陈玲娟, 刘海旭, 蒲云.事故影响下走行时间及择路概率的动态分析[J].华南理工大学学报:自然科学版, 2012, 40 (2) :63-69.

[6]刘诗序, 关宏志, 严海.预测信息下的驾驶员逐日路径选择行为与系统演化[J].北京工业大学学报, 2012, 38 (2) :269-274.

[7]秦梦阳, 石建军.交通信息在出行行为中的影响分析[J].交通信息与安全, 2012, 30 (2) :58-61.

[8]林震, 杨浩.交通信息服务条件下的出行选择分析[J].中国公路学报, 2003, 16 (1) :87-90.

[9]Tversky A, Kahneman D.Advances in prospect theory:cumulative representation of uncertainty[J].Journal of Risk and Uncertainly, 1992, 5 (4) :297-323.

[10]赵凛, 张星臣.基于前景理论的先验信息下出行者路径选择模型[J].交通运输系统工程与信息, 2006, 6 (2) :42-46.

阈值模型 第2篇

集成电路对高集成度、低功耗和工作频率的需求不断提高,使得CMOS技术不断发展。但对于产品设计来说,漏极电流和栅极电流作为MOS器件的重要直流参数,是器件建模和仿真的难点和核心,同时能够准确预测MOSFET高频电流特性的物理数学模型也是至关重要的[1]。

目前对围绕纳米级MOSFET的性能提升、物理模型的研究已成为国内外研究的热点,其中电流特性模型是MOSFET器件和电路进行直流分析、交流小信号分析、噪声分析等的重要基础[2]。然而文献报道中的器件特性模型,主要聚焦于MOSFET强反区直流漏极电流、电导、本征电荷和本征电容的研究上[3],对于亚阈值区漏电流和栅极电流的研究却鲜有报道。文献[4]提出了传统的长沟道漏电流模型,揭示了强反区漏电流平方律特性,却缺乏亚阈值区的研究。文献[5-7]阐述了传统长沟道MOSFET栅极电流模型推导,但随着器件进入纳米级,工作频率升至吉赫兹以上,已不能准确描述出现的所有新特性,且描述出的电学特性之间总有不自洽存在。

基于器件亚阈值区,本文建立了纳米级MOSFET漏电流模型和栅极电流模型,同时加强了器件电流的频率与偏置依赖性建模来反映器件电流特性。对于亚阈值区电流模型,基于亚阈值区反型电荷,而不是采用传统的有效沟道厚度近似的概念,从而提高了模型的精确度。同时将所建模型的仿真结果与实验测量结果进行了比较,验证了模型的准确性。该模型的建立为纳米级MOSFET的分析和设计提供了参考,推导出的I/V特性方程更容易将抽象级别从器件物理级别提升到电路级。

1 电流模型

图1是纳米级NMOSFET结构示意图,其中采用了电荷模型。漏极电流和栅极电流特性模型是纳米级NMOSFET器件和电路进行直流分析、交流小信号分析、噪声分析等的重要基础,因此对分析研究纳米级NMOSFET器件的电流特性很有必要。

1.1 漏极电流

基于器件中载流子的随机运动,运用扩散漂移理论,纳米级MOSFET器件中漏极电流可表示为:

式中,Ids1为漂移电流,Ids2为扩散电流,其表达式分别为:

其中αn为碰撞电离率,QI(x)为器件单位面积反型层电荷数,V(x)为加在x点上的电压,Vth为热电压,W为沟道宽度,un为载流子迁移率,Dn为扩散系数,Dn=unk T/q。当器件工作强反区时(栅压大于阈值电压,Vgs>VT),相对于器件沟道中漂移电流来说,此时可以忽略扩散电流,总电流中漂移电流为主导,即Ids=Ids1。然而随着Vgs的不断减小,漏电流也不断降低,当Vgs接近VT或者小于VT时,纳米级MOSFET器件的I/V特性从平方律变为指数律,而此时的电流称之为亚阈值电流。当器件工作在亚阈值区,势垒表面的可动载流子迁移率较低,沟道电流以扩散电流为主[8],即:

当器件工作在亚阈值区,反型层电荷浓度和耗尽层电荷浓度相比可以忽略不计,从源端到漏端的表面势可视为常数[9,10],通过求解泊松方程可得到表面势表达式为:

其中:

式中,εsi为硅的介电常数,Nsub为衬底的掺杂浓度,Cox是栅氧电容。由表面势可进一步求得沟道反型层单位面积电荷数为:

其中:

式中,VGT=Vgs-VT为栅极过载,Voff为补偿电压。

由上式可以推导纳米级MOSFET亚阈值区漏电流为:

1.2 栅极电流

感应栅极电流是由沟道内的波动电势通过栅极电容的耦合效应,引起了栅极极板的噪声电流。如图1所示,栅极感应噪声电流可以表示为[11]:

其中ω为角频率,φS(x)为沿着沟道方向x处电势。根据电荷守恒可得:

式中QB为耗尽层电荷密度,由电荷与电容的基本关系Q=CU,上式可进一步表示为:

其中CD为耗尽区电容。通过把式(4)、式(12)代入式(10),可推导得感应栅极噪声电流为:

因此,纳米级MOSFET亚阈值区栅极电流表达式为:

2 结果及分析

为验证本文所建立的纳米级MOSFET亚阈值区漏电流模型和栅感应电流模型的准确性,首先将拟合参数代入模型后,利用MATLAB进行仿真,然后将仿真结果与实验测量结果相比较来验证模型的准确性,同时分析不同偏置条件下的器件电流特性。

图2所示为亚阈值区纳米级MOSFET的输出特性曲线。从图中可以看出,曲线1、曲线2和曲线3分别是栅极偏置为Vgs=0.15 V,Vgs=0.2 V和Vgs=0.25 V时的输出特性曲线。当Vds很小时,漏电流Ids将随着Vds上升而迅速增大,输出特性曲线的斜率较大。在一定栅极偏置条件下随着Vds不断增加,漏电流开始饱和,是由于亚阈值区沟道反型层存在载流子浓度梯度,靠近源端高,靠近漏端低,电流以扩散电流为主。

图3为亚阈值区MOSFET转移特性曲线,图3(a)为线性坐标,图3(b)为半对数坐标。从图中130 nm和40 nm MOSFET漏电流对比分析可以看出,在亚阈值区,漏电流很小且随着Vgs的减小,其值以指数形式急剧下降,是由于在亚阈值区漏电流以扩散电流为主导,由源漏两端的电荷浓度差决定,而亚阈值区源端电荷浓度和Vgs呈指数关系,因此漏电流和Vgs呈现指数关系,具有很强的偏置依赖性。仿真结果与实验结果的良好吻合,证明了该模型的准确性,同时也说明本文漏电流模型等比例缩小的可行性。

图4为亚阈值区MOSFET栅感应电流随栅极偏压的变化曲线,图4(a)为线性坐标,图4(b)为半对数坐标。通过图中130 nm和40 nm MOSFET漏电流对比分析可以看出,沟道越短,亚阈值区漏电流越大,Ig随着Vgs的增大以指数形式增加。这是由于随着沟道长度的减小,使得源漏极耗尽区在沟道中的比重增大,反型层所占比重减小,本征载流子浓度提高,沟道反型层电子密度提高;同时Vgs增大,导致氧化层电场增强,致使沟道表面电子的耦合效应以及碰撞频率均增大。分析发现,栅感应电流与漏电流相比,Ig具有跟随性。

图5为亚阈值区电流随频率变化的关系,图5(a)为漏电流随频率变化的关系,图5(b)为栅感应电流随频率变化的关系。从图中可以看出,一定偏置条件下漏电流具有频率独立性,而栅感应电流具有强烈的频率依赖性,与频率成线性比例。在亚阈值区,当频率升高时,沟道纵方向上载流子的热运动加剧,耦合效应和碰撞频率就越明显,感应栅极电流噪声也就越高,而横向方向上,主要由沟道电子面密度所决定。

3 结论

本文针对纳米级MOSFET器件物理结构,运用漂移扩散原理分别建立了亚阈值区漏极电流模型和栅极电流模型。其中模型引入了频率与偏置依赖性来反映器件电流特性,同时将所建模型的仿真结果与实验测量结果相比较,验证了模型准确性。并且对于亚阈值区电流模型,基于亚阈值区反型电荷,而不是采用传统的有效沟道厚度近似的概念,从而提高了模型的精度。通过不同偏置条件下的对比分析表明亚阈值区漏极电流模型具有等比例缩小的可行性,栅极电流具有跟随性和频率依赖性。

参考文献

[1]CHAUHAN Y S,VENUGOPALAN S,CHALKIADAKI M A,et al.BSIM6:Analog and RF compact model for bulk MOSFET[J].IEEE Transactions on Electron Devices,2014,61(2):234-244.

[2]PARVIZI M,ALLIDINA K,EL-GAMAL M N.A sub-m W,ultra-low-voltage,wideband low-noise amplifier design technique[J].IEEE Transactions on Very Large Scale Integration Systems,2015,23(6):1111-1122.

[3]C HALKIADAKI M A,ENZ C C.RF small-signal and noise modeling including parameter extraction of nanoscale MOSFET from weak to strong inversion[J].IEEE Transactions on Microwave Theory&Techniques,2015,63(7):1-12.

[4]拉扎维.模拟CMOS集成电路设计[M].西安:西安交通大学出版社,2003.

[5]ARORA N.Modeling hot-carrier effects[M].MOSFET Models for VLSI Circuit Simulation.Springer Vienna,1993:366-401.

[6]TRIANTIS D P,BIRBAS A N,PLEVRIDIS S E.Induced gate noise in MOSFETs revisited:The submicron case[J].Solid-State Electronics,2010,41(12):1937-1942.

[7]CHAN L H K,YEO K S,CHEW K W J,et al.Highfrequency noise modeling of MOSFETs for ultra low-voltage RF applications[J].IEEE Transactions on Microwave Theory&Techniques,2015,63(1):141-154.

[8]ARORA N.Mosfet modeling for vlsi simulation:theory and practice(International series on advances in solid state electronics)[M].World Scientific Publishing Co.Inc.2007.

[9]TSIVIDIS Y.Operation and modeling of the MOS transistor[M].Mc Graw-Hill,Inc.1999:25-39.

[10]吕懿,张鹤鸣,胡辉勇,等.单轴应变Si n型金属氧化物半导体场效应晶体管源漏电流特性模型[J].物理学报,2015(19):272-277.

阈值模型 第3篇

关键词：风电机组,阈值筛选器,出力结构模型

风电是最有前景的可再生能源之一, 根据GWEC的预测显示, 未来五年内风电将继续保持增长势头。由于风电机组工作环境的恶劣性 (严寒、酷暑、沙尘、降雪等) , 导致风电机组在很多情况下处于异常运行状态[1,2], 包括降出力、停机或超发状态。对机组出力情况进行量化分析, 有助于风场运维人员实现机组精维护, 具有很高的经济价值。文中利用基于风速-功率阈值筛选器算法进行数据分类并多次迭代, 得到机组基于正常数据的实测功率曲线, 基于该功率曲线识别正常数据和异常数据, 进而构建出风机出力结构模型。

1阈值筛选器

检测停机数据。为了保证阈值筛选器的效果, 首先需要根据机组有功功率小于零来筛选出停机数据。

阈值筛选器数据分类思想。以厂家提供的保证功率曲线为基础, 识别正常数据域, 根据正常数据域得到优化的功率曲线;基于优化的功率曲线, 进一步得到优化的正常数据域, 根据优化的正常数据域得到进一步的优化功率曲线。如此, 多次迭代后, 可得到最终的正常数据与降出力数据 (文章中, 考虑到超发数据较少, 降出力数据实际上是降出力数据与超发数据的融合数据) 。

阈值筛选器数据分类数学原理。基于Bin方法, 按照风速0.5m/s为区间对SCADA历史数据U分类。得到每个区间数据集

式中, Ui为第i个区间的数据集, (v, p) 为落在第i个区间的二维数据元素。假设U最大风速为vmax, 则最大风速区间为n=[vmax/0.5]。

利用阈值筛选器进行数据分类效果取决于迭代次数。图1为阈值筛选器迭代1次的分类结果, 图2为阈值筛选器迭代3次的分类结果。经过大量实验验证, 迭代2-3次效果最佳。

2出力结构模型构建

基于风电机组的实际功率性能情况, 将风机出力划分为正常运行、降出力运行、停机状态, 基于这个定义进行构建机组出力结构模型, 如图3所示。

3工程实践

利用我国某风场A机组6月份SCADA的10min数据进行实验验证。得到该机组的出力情况, 如表1所示。

从表1中可知, 该机组降出力损失电量约占理论发电量的26.5%, 机组停机损失电量约占理论发电量的3%。这说明如果改善该机组的降出力情况, 能大大提高机组的能量利用率。

4结束语

文章提出了利用一个新型阈值筛选器来对机组运行数据进行分类, 得到了正常运行数据、停机数据、降出力数据, 进而构建出机组出力结构模型, 从而能够对机组出力情况进行分析。该方法简单有效, 对风电场运维人员对风机的精维护提供了很好的指导方案。

参考文献

[1]Tchakoua P, Wamkeue R, Ouhrouche M, et al.Wind turbine condition monitoring:State-of-the-art review, new trends, and future challenges[J].Energies, 2014, 7 (4) :2595-2630.

阈值模型 第4篇

电力市场条件下, 结合我国电力定价与发电商投资实践, 施行“厂网分开, 竞价上网”政策之前, 政府出于鼓励发电企业投资建厂与加快电力基础设施建设, 进而扩大电力供给, 达到满足国家城市化、城镇化、工业化等不断发展需要地目的, 根据实际情况, 电力价格高低一般采取政府合理定价方式, 其实践结果既有合理的一面, 也有不合理的一面, 由于不是本文讨论的重点, 在此不一一赘述。众所周知, 电价改革既是一个重点问题也是一个政府层面首先亟须解决的问题。在电力定价渐进式市场化改革过程中, 尤其从“厂网分开, 竞价上网”政策实施之后, 部分发电商一部分电力开始通过电力报价市场竞价上网。目前, 有条件地区的发电商, 包括国有发电集团及其下属子公司、民营发电企业、中外合资或者合作经营发电企业与外商独资发电企业等具有不同产权属性的发电主体售电的实际情况是:大部分电量不通过电力报价市场上网, 而是由政府按照各发电厂机组容量的大小在各发电商之间合理分配, 仅仅有小部分电量通过电力报价市场上网。通常, 竞价上网电量占发电商总上网电量的比重为10%-20%左右, 导致电力报价市场在调节电价方面没有发挥较大作用。两种电力价格形成方式存在较大差异, 政府对电力价格的宏观调控方式是计划与市场手段并用。进一步地, 在不考虑发电企业产权属性的情况下, 发电商的利润由两部分组成, 即与发电容量 (计划电量) 正相关的一部分利润和电力竞价上网 (竞价上网电量) 之后所得到的另一部分利润两者之和。

与文[1]~[7]研究内容不同:在考虑差价合约的情况下, 将发电商上网电量分为计划电量与竞价上网电量两部分, 且两部分的电力价格区别定价, 即一部分政府定价, 一部分市场形成。进一步地, 从我国电力实践出发, 研究发电商投资积极性与电力竞价上网市场的市场化程度两者之间的关系问题, 具有一定的理论与实践意义。

二、发电商投资阈值模型

2.1 模型假设

在电力实践中, 假设电力需求曲线为线性的, 即有,

其中:p代表电力市场清除价格, a代表电力需求曲线与p轴的截距, a>0, b>0为参数, 为某一时刻电力市场供给总量, 在考虑差价合约的情况下, 每个发电商的电力供给量qi分成两部分, 即计划电量部分与电力竞价上网部分。当电力报价市场达到均衡状态时, 发电商均衡上网电量规模为qi*。进一步地, 在双轨制电力定价模式下, 若计划电量规模为qi*, 假设qi*与qi存在如下关系式:, 其中:, 为竞价上网部分电量与其总上网电量部分的比值, 从长期来看, 取值随着电量竞价上网规模与其总上网电量规模比值的变化而变化。需要特别说明的是:由于作者水平有限, 本文只研究静态条件下的发电商投资积极性问题, 结合电力报价上网实践, 假设某一时刻取值为一个固定数值, 且。

进一步地, 假设计划电量部分电力价格由政府定价的情况下, 其取值为一个固定数值, 发电商竞价上网部分电力价格为p, 结合我国电力经济生活, 通常存在如下关系式, 即有:, 从长期来看, 若二者总是相等, 则电力报价与政府定价市场无差异, 会失去效用。从理想地角度讲, 如果达到以下几个条件: (1) 我国电力报价市场规模、结构、制度约束等等相当完善, 参与电力竞价上网的发电商数量有足够多; (2) 不同发电商之间的价格竞争公平、公正、公开; (3) 发电商行为符合法律与市场秩序, 不同发电商之间不存在私下串联以至于出现违背市场经济规律的恶意行为, 如人为减少发电企业的发电量导致电力供不应求, 以致恶意提高竞价上网电量电价的情况发生, 由报价上网市场形成的电力价格会相对合理。然而, 遗憾的是, 结合我国电力经济生活, 上述情形尚不能够实现。目前一部分竞价上网地区的电力价格出现下降趋势, 但是, 下降幅度相对比较小, 远未达到电力行业市场化改革的目标, 因此, 研究考虑差价合约下的发电商投资积极性问题, 显得尤为必要。进一步地, 经过整理, 即有发电商边际利润函数,

2.2发电商投资阈值求解与分析

为了节约篇幅, 经过一系列化简、整理, 易得此种情形下的发电商最优投资阈值:

进一步地, 根据相关理论, 分析发电商最优投资阈值与电力竞价上网市场化程度两者之间的关系, 易得:

进一步地, 令, 即有:

易得:

其中:另一个值小于零, 即, 明显不符合实际情况, 因此要舍去。同时, , 经验证不影响分析结果可以暂时不考虑, , 故可以直接舍去。

进一步地, 即有:

易得:, 故发电商最优投资阈值在处取极小值。

进一步地, 根据函数单调性与极值求解法则, 并且结合我国发电投资实践, 易得:

(1) 若, 与之间存在负向关系:值越大, 发电商投资积极性越高, 反之, 电力竞价上网市场化程度越小, 发电商投资积极性越低。

(2) 若, 与之间存在正向关系:值越大, 发电商的投资积极性越低, 反之, 值越小, 越低, 即发电商的投资积极性较高。结合 (1) , 发电商竞价上网电量占其总电量的比重大于一定值, 即之后, 随着电量竞价上网市场化程度地进一步提高, 其投资积极性开始降低, 这可能与不同发电商之间过度竞争、发电投资市场盈利空间逐步减少等因素有关。

三、结论

在考虑电力价格差价合约的情况下, 发电商最优投资阈值与电力竞价上网的市场化程度并不总是存在正向关系, 不难看出:存在一个拐点, 在拐点左侧, 电力竞价上网市场化程度越高, 发电商投资积极性越高, 在拐点右侧, 发电商的投资积极性随着电力竞价上网程度的进一步提高出现下降趋势。当然, 每一个发电企业受相关参数取值的差异, 以及研究假设条件的不同, 结果会有所不同, 在此需特别说明。现阶段, 电力价格采取政府定价与市场形成电力价格相结合的方式也许会更加适合我国的电力市场现状。

参考文献

[1]Dixit, A.K.and R.S.Pindyck.Investment Under Uncertainty.Princeton University Press, Princeton, New Jersey.1994

[2]Steven R.Grenadier.Option Exercise Games:An Application to the Equilibrium Investment Strategies of Firms[J].The Review of Financial Studies, 2002, 15 (3) :691-721

[3]袁德、李宜君、董全学等.基于Black-Scholes实物期权定价模型的发电投资商投资决策分析[J].电力系统保护与控制, 2008, 36 (12) :17-20

[4]许诺、文福拴、黄民翔.基于期权博弈理论的发电投资决策[J].电力系统自动化, 2007, 31 (14) :25～30

[5]刘西林、樊霞.投资成本和收益不确定时R&D投资的实物期权博弈研究[J].西北大学学报, 2007, 37 (3) :37～40

[6]王访、魏龙生.基于实物期权的电力交换均衡定价模型[J].水电能源科学, 2008, 26 (5) :199～201

阈值模型 第5篇

关键词：整体强化分解模型 (ensenble emprical mode decompos sion, EEMD) ,优化阈值函数,降噪,跳变点,奇异点

在对旋转机械进行振动故障诊断时, 必须首先采集振动信号, 进而对信号进行分析。但是在对信号进行分析之前, 由于测试仪器, 环境及人为因素的影响, 采集到的振动信号往往含有较多的噪声, 而且机械设备发生早期故障时, 故障信号一般很微弱, 因此, 为了能从采集信号中准确地提取出故障特征, 必须先对信号进行降噪处理, 提高信号的信噪比, 为下一步的信号分析奠定基础。

一般的降噪方法中, 基于传统傅里叶变换的降噪方法存在保护信号边缘和抑制噪声之间的矛盾, 难以正确识别信号中的噪声并加以去除。基于小波变换的降噪方法目前还没有一个选择合适小波类型的具体策略且准确估计小波降噪时的阈值也存在一定的困难。EMD (empirical mode decomposition) 存在的频率混叠的问题影响了其降噪的准确性, 一般的EEMD (ensemble empirical mode decomposition) 降噪方法在进行阈值处理时, 由于阈值函数选择不当, 导致降噪的不彻底或降噪过程中将有用的信号与噪声一并去掉, 降低了降噪效果[1—6]。所以有必要寻求一种改进的降噪方法, 提高信号的信噪比, 以供后续分析。

1 EEMD抗混原理

在EMD分解过程中, 采集的信号中往往含有异常事件, 如间断信号, 脉冲干扰和噪声等。由于这些异常事件的存在, 会影响极值点的选取, 使极值点的分布不均匀, 导致异常事件混入正常信号, 从而导致最后计算出来的相邻的两个IMF波形混叠, 相互影响, 难以辨别, 产生模式混叠现象。为了避免这种现象, Wu[7]等将白噪声加入待分解信号来平滑异常事件, 利用白噪声频谱的均匀分布使不同时间尺度的信号自动分配到合适的参考尺度上。同时运用白噪声的零均值特性, 经过多次平均使噪声相互抵消, 抑制甚至完全消除噪声的影响。文献[7]给出了具体过程。

EEMD的分解步骤如下。

(1) 在原始信号x (t) 中分别加入N次均值为0, 幅值标准差为常数的高斯白噪声ni (t) , 即

式 (1) 中:i=1~N。

(2) 对xi (t) 分别进行EMD分解, 得到K个IMF分量和一个余项ri (t) , 如式 (2)

(3) 利用不相关随机序列的统计均值为0的原理, 将以上步骤对应的IMF进行总体平均运算, 消除多次加入高斯白噪声对真实IMF的影响, 得到EEMD分解后的IMF及余项ri (t) 为

式 (3) 中cj (t) 为对原始信号进行EEMD分解后得到的第j个IMF。x (t) 最终分解得到K个IMF分量和一个余项r (t) 为

2基于白噪声分解特性的EEMD优化阈值函数降噪原理与方法

2.1白噪声的EMD分解特性

Wu和Flandrin等经过大量的试验发现, EMD算法对于白噪声的分解具有和小波类似的二进制滤波特性, 信号分解所得IMF分量符合从高频到低频的规律, 每一阶IMF所含的频率分量基本上占据了上一阶频谱的一半, 而且占据的是高半幅。文献[8]详细地研究了白噪声的统计特性后得出了下列结论:除了第一阶IMF除外, 其它的IMF均服从正态分布;它们的傅里叶频谱是一致的。并且各阶IMF的能量密度En和其对应的平均周期的乘积是一个常数。参考文献[9, 10], 得到式 (6) —式 (9) 四式。

式 (6) 中ci (n) 为第n个IFM的系数, 式 (7) 中N为第n个IMF的数据长度, Nmax表示cn中极大值的数目。式 (8) 说明能量密度和其对应平均周期的乘积是一个常数。式 (9) 为能量密度和其对应的平均周期乘积的相对变化率。

2.2需要量化处理的IMF的选取

原始信号经过EEMD分解后, 得到了各阶IMF分量和趋势项。对于一般的信号, 有用成分是频率比较低的那部分, 而混入有用成分内的噪声信号一般都是高频成分。根据2.1节中所描述的白噪声的EMD分解特性, 可以首先计算各阶IMF分量的能量密度和其对应平均周期的乘积, 前几阶能量密度和对应平均周期的乘积基本不变的IMF可以认为是噪声含量较大的信号分量, 到Ωn曲线的第一个“跳变点” (即Qn的值第一次大于1时) 处的IMF量认为是有用信号的开始。在此之前的所有IMF分量需要进行优化阈值量化处理。

但是, 并不是“跳变点”之后的所有IMF均为有用信号, 在大部分情况下还会出现一反常态的“奇异点”, 即在“跳变点”之后的某个IMF分量的Ωn值出现了较大的变化 (一般认为Ωn值小于“跳变点”之前所有Ωn平均值的两倍) , 对此反常“奇异点”, 也需要进行阈值处理, 以尽可能提高信号的信噪比。

2.3优化阈值函数介绍及阈值选择

对于EEMD分解后需要量化处理的每个IMF, 需选择一个阈值函数进行阈值量化处理。与小波量化类似, EEMD降噪阈值处理时一般有两种方式, 一个是硬阈值, 一个是软阈值。如图1 (a) 和图1 (b) 所示。

这两种方法虽然是实际中应用最为广泛的方法, 但也存在一定的缺陷。硬阈值方法, 量化后的在δ处出现了间断点, 重构后的信号因此也会有振荡现象出现。软阈值方法的虽然整体的连续性较好, 但是会出现恒定的误差, 导致最终降噪后的信号信噪比没有明显的提高。结合上述两种阈值方法, 对其定义方法进行一些修改, 得到如图1 (c) 所示的软硬值折衷法阈值函数。其表达式如下式 (10) 。

式 (10) 中, α为量化系数, 一般的0<α<1, 当α分别取0和1时, 上式就为硬值域和软值域量化方法。改进后的方法虽对于以前的方法有了一定的提高, 但其仍旧没有根除硬阈值方法存在的不连续的弊端, 为了解决这个问题, 提出了优化阈值函数, 如图1 (d) 所示, 表达式为 (11) 。

结合图1 (d) 和式 (11) 可以看出, 改进后的优化阈值函数, 吸取了软硬值折衷法阈值函数的优点, 同时也克服了其存在的δ处出现间断点的弊端, 同时通过改变α的值, 在0和1之间选择适当的值, 可获得更加好的降噪效果。为了显示较明显的效果, 程序中α的值取为0.5。

选定阈值函数以后, 还有一个重要步骤就是选择合理的阈值。由节2.1分析可知, 白噪声经过EMD分解后各阶IMF系数仍然服从正态分布。以IMF的3倍标准差作为阈值[8], 即

式 (12) 中σ为IMF系数统计的标准差。

2.4降噪方法

降噪计算方法步骤如下:

(1) 对信号x (t) 进行EEMD分解, 得到各阶IMF分量;

(2) 经检验, 第一阶IMF分量几乎全部是噪声信号, 故直接将其删去;

(3) 根据式 (8) 和式 (9) 计算各阶IMF的Ωn和Qn, 依据节2.2中需处理IMF的选取原则, 选出含噪声的最高阶数k;并同时求得“奇异点”对应的IMF阶数为k+i;

(4) 对“跳变点”之前的IMF分量IMF (2) 到IMF (k) 和“奇异点”对应的IMF分量IMF (k+i) 进行优化阈值函数量化处理;

(5) 对阈值量化后的各阶IMF进行重构, 得到降噪后的信号。

3仿真信号分析

为了验证本文方法的降噪效果, 现采用模拟信号进行验证分析。仿真信号x (t) 由频率为5 Hz的正弦信号x1、频率为50 Hz的正弦信号x2、频率为60 Hz的正弦信号x3和标准差为0.5的噪声信号x4组成。仿真信号同时存在5 Hz和50 Hz的正弦信号的目的是为了验证本文方法对调频信号降噪的效果, 同时存在50 Hz和60 Hz正弦信号的目的是为了验证本文的方法是否可以有效地避免相近信号对降噪效果的影响。数据的采样频率为1 024 Hz, 共取4 096个数据点进行分析。

为了评价各种方法的降噪效果, 特引入如下指标参数:均方误差、信噪比。各参数的定义如式 (13) 所示。

(1) 均方误差

式 (13) 中, x (i) 为原始的不含噪声的信号;为降噪后的信号。显然可知, 均方误差越小, 说明降噪的效果越好。

(2) 信噪比

式 (14) 中Ps和Pn分别表示信号的有效功率和噪声的有效功率。很明显可以得出, 信噪比的值越大, 说明降噪的效果越好。

3.1不同阈值函数降噪效果比较

为了对比不同的阈值函数对仿真信号的降噪效果, 分别应用2.3节中所述的四种阈值函数对仿真信号进行EEMD降噪处理, 图2为原始信号与添加噪声信号的时域图, 其四种阈值函数降噪效果指标参数列于表1中。

根据表1中不同阈值函数降噪结果对比可知, 软硬阈值折衷法的降噪效果比硬阈值函数和软阈值函数的降噪效果稍好一些, 优化阈值降噪方法的降噪效果明显高于前三种方法。这是因为前三种方法在对含噪声较大的IMF分量进行量化处理时当|cn (i) |<δ时, 直接将cn (i) 的值赋为0, 在降噪的同时也或多或少地将有用的信号当成了噪声进行了消除。而基于EEMD的优化阈值降噪方法对于|cn (i) |<δ的处理并不是简单的赋值为0, 其量化处理过程更加细致, 更多地保留了信号的有用细节特征, 去除无用的噪声信号。当信号中存在较多的高频成分时, 更加能体现出该方法的优越性。同时因其吸取了软硬值折衷法阈值函数的优点, 克服了其存在的δ处出现间断点的弊端, 从而使降噪后的信号更加平滑。

3.2不同降噪方法降噪效果比较

为了验证本文降噪方法的降噪效果, 现分别采用EMD优化阈值降噪、小波降噪和本文提出的基于优化阈值函数的改进EEMD降噪方法对模拟信号进行降噪处理。由于小波基函数的不同会影响降噪的效果, 故本文选取了sym6、db4、db32和Haar四种小波。其降噪效果指标参数列于表2中。

对表2中各种降噪方法的降噪结果进行比较可以看出基于优化阈值函数的改进EEMD降噪方法的降噪效果明显优于其它降噪方法。同时结果显示, 在采用不同的小波类型时, 取得的降噪效果相差较大, 这也很好的证明了小波基的选择对降噪效果的影响较大。而基于优化阈值函数的EEMD降噪方法可以有效的避免小波的弊端, 省去了选择小波函数的步骤。并且与EMD方法相比, 其可以有效的避免频率混叠造成的相近的或者相邻的两个IMF的波形形成混叠, 能够清楚地辨别频率的成分, 从而取得优于EMD降噪方法的效果。图3为基于优化阈值函数的EEMD降噪方法降噪后信号的时域图形。

4结论

在分析了目前主要降噪方法的基础上, 提出了一种新的基于优化阈值函数的改进EEMD降噪方法, 对噪声IMF选取时, 利用白噪声EMD的分解特性, 根据能量密度和其对应的平均周期的乘积的变化率, 提出了“跳变点”和“奇异点”等判定噪声的指标。在对噪声IMF进行处理时, 并不是和大部分降噪方法一样直接将其删除, 而是采用一种优化阈值函数对噪声IMF进行量化处理, 这样可以有效避免降噪的同时一并将有用信号删去, 最大限度地提高信号的信噪比。基于对仿真信号的分析, 可以得出本文降噪算法具有以下优点。

(1) 提出的优化阈值函数克服了软阈值和硬阈值函数量化时的弊端, 更多地保留信号高频成分中的有用信号, 使降噪效果更加细微。同时也吸取了软硬折衷法阈值函数的优点, 克服其在δ处出现间断点的弊端。量化系数的提出能进一步提高本方法的降噪效果。

(2) 所提出的降噪方法可以有效地避免频率混叠造成的影响, 避免相邻或相近的两个IMF的波形形成混叠, 相互影响, 难以辨别, 而且本文的方法克服了小波降噪时选择合适小波基函数的弊端, 具有自适应性, 能有效去除信号中的噪声, 提高信噪比。为信号降噪提供一种新的思路。

参考文献

[1] 张宏群, 陈小晴, 陶兴龙.一种去除乘性噪声的自适应混合阶偏微分方法.科学技术与工程, 2013;13 (4) :1045—1048Zhang H Q, Chen X Q, Tao X L.Adaptive hybrid-order PDEs based multiplicative noise removal model.Science Technology and Engineering, 2013;13 (4) :1045—1048

[2] Liu F, Ruan X E.Wavelet-based diffusion approaches for signal denoising.Signal Processing, 2007;87:1138—1146

[3] 陈仁祥, 汤宝平, 马婧华.基于EEMD的振动信号自适应降噪方法.振动与冲击, 2012;31 (15) :82—86Chen R X, Tang B P, Ma J H.Adaptive de-noising method based on ensemble empirical mode dcomposition for vibration signal.Journal of Vibration and Shock, 2012;31 (15) :82—86

[4] Azzalini A, Farge M, Schneider K.Nonlinear wavelet thresholding:a recursive method to determine the optimal denoising threshold.Appl Computer Harmon Ana, 2005;18:177—185

[5] 王成栋, 朱永生, 张优云.转子振动信号消噪方法研究.振动、测试与诊断, 2003;23 (4) :252—255Wang C D, Zhu Y S, Zhang Y Y.Study on denoising rotor vibration signals contaminated by electromagnetic interference.Journal of Vibration, Measurement&Diagnosis, 2003;23 (4) :252—255

[6] 陈仁祥, 汤宝平, 吕中亮.基于相关系数的EEMD转子振动信号降噪方法.振动、测试与诊断, 2012;32 (4) :542—546Chen R X, Tang B P, Lu Z L.Ensemble empirical mode decomposition de-noising method based on correlation coefficients for vibration signal of rotor system.Journal of Vibration, Measurement&Diagnosis, 2012;32 (4) :542—546

[7] Wu Z H, Huang N E.Ensemble empirical mode decomposition:a noise assisted data analysis method.Advances in Adaptive Data Analysis, 2009;1 (1) :1—41

[8] 张文忠, 轴蓉, 武旭红, 等.利用白噪声分解特征的EEMD阈值降噪方法.测绘科学技术学报, 2013;30 (3) :255—259Zhang W Z, Zhou R, Wu X H, et al.A threshold de-noising method based on the characteristics of white noise decomposed by EMD.Journal of Geomatics Science and Technology, 2013;30 (3) :255—259

[9] 王翔, 刘晓锋, 朱正林.基于EMD的汽轮机碰摩信号消噪技术研究.汽轮机技术, 2011;53 (1) :71—73Wang X, Liu X F, Zhu Z L.A study on turbine rubbing signal de-noising technique based on EMD.Turbine Tecnology, 2011;53 (1) :71 —73

阈值模型 第6篇

图像分割是图像理解与识别的基础,是计算机视觉研究的基本问题。尽管图像分割方法众多[1,2],但由于图像结构本身的不适定性,迄今未有一个通用的分割理论和算法。因此,学者们不断探索新的分割方法,以便获得满意的分割效果。

图像分割典型方法有阈值法[3]、边缘检测法[4]、区域合并法[5]等,其中阈值法因简单、高效、便于实现等特点已成为图像分割中广泛应用的重要方法之一,其关键在于如何选取最佳阈值。在众多阈值方法中,Otsu法[6]得到广泛研究和应用,但不适合分割目标与背景所占比例悬殊的图像。后来,Kittler和Illingworth[7]将图像直方图视为目标与背景灰度级符合高斯正态分布的联合概率密度估计并得到最小误差法。这些常用阈值法虽然简单、易于实现,但对光照不均匀图像很难获得满意的分割效果,于是学者们提出了局部阈值法,充分利用当前像素与其邻域像素信息来选取阈值,如文献[8]极大极小变分局部阈值法,以及Chan等人[9]的自适应变分迭代局部阈值法等,对光照不均匀图像( 特别是文档图像) 能获得较好的分割效果。

随着图像分割理论的不断发展,基于边缘特征的主动轮廓分割方法备受学者关注,这类方法融入了高层理解机制,更符合人类的视觉特性,能够获得较精确的分割边界,但存在边缘特征较为敏感的不足,于是Chan和Vese[10]提出了基于区域的几何活动轮廓模型( 即C-V模型) ,它采用水平集理论[11]得到快速求解算法,具有全局分割能力且对弱边缘图像能获得较好的分割效果,但该模型不完全适合灰度不均匀图像的分割且收敛速度慢。针对MRA成像中血管提取问题,文献[13]提出基于直方图的Mumford-Shah模型[12]简化快速阈值分割法。文献[14]提出了再生Hilbert核空间的C-V模型分割法,特别有利于光照不均匀图像的分割,但存在的不足是计算时间开销非常大,不利于实时场合分割的需要。

由于传统C-V模型无法较好的分割区域灰度分布不均匀图像,于是将全散度[15]引入传统C-V模型,并采用水平集理论和变分法获得其相应的偏微分方程,通过数值求解该方程获得一种较好鲁棒性和抗噪性的图像分割方法。另外,为了提高全散度C-V模型分割法的普适性,本文还探讨了参数化全散度CV模型及其分割性能。同时,针对灰度图像分割需要,本文获得一种简化的全散度C-V模型快速阈值分割法。

1 传统C-V模型

一般而言,图像目标与背景的区别能用其平均灰度值来表征。针对边缘、纹理等特征不明显的图像,假设能找到一条闭合曲线C ,使得该曲线所对应内外图像的平均灰度值能表征目标与背景之间的差异性,那么这条闭合曲线正是提取图像目标的轮廓边界。基于这一思路,Chan和Vese[10]提出了如下能量泛函函数,即C-V模型。

其中,令 Ω⊂R2为有界开子集,I: Ω→R为给定灰度图像且满足I( x,y) : x,y ∈ Ω ,C为演化曲线,Ω1、Ω2分别为演化曲线的内外区域,c1、c2分别为演化曲线内外的灰度平均值,参数 μ,ν ≥0 ,权重系数 λ1,λ2> 0。

2 全散度及其改进

2. 1 全散度

传统平方欧氏距离是最常用的Bregman散度[16],它是度量变量差异性的基本方法,但它的计算结果与坐标系的选取紧密相关,且该距离对奇异点的计算缺乏鲁棒性。为此,本文引入了全散度理论。

定义1[17]给定x,y ∈ Rm,f是严格凸的可微函数,表达式为:

其中,▽f( y) 函数f关于变量y的梯度; 〈x - y,▽f( y) 〉是▽f( y) 和( x - y) 的内积。称该表达式为Bregman散度。

定义2[18]给定x,y ∈ Rm,f是严格凸的可微函数,表达式为:

其中,▽f( y) 函数f关于变量y的梯度; 〈x - y,▽f( y) 〉是▽f( y) 和( x - y) 的内积; 〈▽f( y) ,▽f( y) 〉是▽f( y) 和▽f( y) 的内积。称该表达式为全散度。

从图1 所示的Bregman散度与全散度来看,若函数保持不变,将坐标系作一定旋转,此时df( x,y) 值发生了变化,但 δf( x,y) 值保持不变。因此,全散度相比Bregman散度具有一定的潜在优势。

2. 2 改进的全散度

假定函数f( x) = x2,则有:

即传统平方欧式距离,它对奇异数据缺乏鲁棒性。同时,有:

其本质是一种加权平方欧式距离。

为了将Bregman散度与全散度相统一,本文提出一种参数化全散度为:

其中参数 α > 0 ,β ≥ 0 。

当 α = 1 ,β = 0 时,式( 6) 退化为Bregman散度,当 α = 1 ,β = 1 时,式( 6) 即为全散度。因此,参数化全散度式( 6) 实现了现有Bregman散度与全散度的统一。

3 全散度C-V模型及实现

由于传统C-V模型分割算法采用的是平方欧氏距离,同时假设图像目标和背景区域灰度分布是均匀的,不完全适合光照不均匀或者噪声干扰图像分割。为此,本文将探讨全散度C-V模型。

3. 1 改进的C-V模型

针对传统C-V模型式( 1) ,将参数化全散度式( 6) 引入该模型,得到一种新的区域活动轮廓模型能量泛函表达式为:

为了求解该能量泛函的极小值,将水平集函数  引入式( 7) 并得到如下的能量函数表达式为:

在嵌入函数φ固定的条件下,能量函数达到最小时,其必要条件,k = 1,2 可推导得到:

其中,c1、c2表达式为非线性方程,其求解可采用数值迭代法。参数 α 增强该模型的鲁棒性,函数,其导数为。

3. 2 数值实现

根据欧拉—拉格朗日变分法,获取能量函数表达式E( c1,c2,φ) 所对应的欧拉—拉格朗日方程为:

针对式( 12) ,一般可选取 ν = 0,λ1= λ2= 1。另外,H' (φ)可用▽φ 替换且▽φ≈1,而是调节演化曲线光滑的作用,其作用并不显著。考虑到该项计算量过大且不适合实时场合分割的需要。为此,可将式( 12) 简化为:

其对应数值差分求解迭代公式为:

其中,

3. 3 快速迭代算法

由于式( 14) 仅涉及像素灰度值,与其邻域像素信息无关,可将其简化为基于图像直方图的快速迭代算法。将空间位置的水平集函数 ( x,y) 用灰度级水平函数 ( i) 代替,其中i = 0,1,…,255 为灰度值。令 ( i) > 0 的像素点标识为演化曲线内部 Ω1的像素点; 反之,为演化曲线外部 Ω2的像素点。

假设图像直方图值为h( i) ,i = 0,1,…,255 ,则式( 14) 可简化为:

其中:

下面给出快速迭代算法的详细步骤。

步骤1 获取图像I并计算图像灰度级直方图h( i) ,i =0,1…,255 ;

步骤2 初始化一维函数 φ0( i) = i - κ,i = 0,1…,255,κ∈[0,255],κ 值采用Otsu算法[6]获取;

步骤3依据式( 18) 进行迭代计算,直到sign(φn) = =sign( φn -1) ;

步骤4 迭代收敛后,按照式( 22) 获取分割图像。

3. 4 复杂性分析

针对一幅M × N大小的灰度图像,若采用迭代表达式( 14) ,算法收敛时需迭代k次,则其复杂度为O( k × M × N) 。而采用快速迭代表达式( 18) ,若算法收敛时仍需迭代k次,则其复杂度为O( k × 256) 。由于M × N远大于256,因此,利用迭代式( 18) 的时间消耗相比迭代式( 14) 有了显著降低,特别有利于实时场合图像分割的需要。

4 实验结果与分析

实验仿真测试环境为内存4 GB的Dell OPTIPLEX 360 计算机,采用MATLAB编程并对典型图像进行分割测试。为了验证本文分割方法,首先对灰度不均匀图像、光照不均图像进行分割测试; 其次对图像添加一定噪声并测试分割模型的抗噪性; 最后,测试模型参数 α 对分割效果的影响。

参数化全散度C-V模型是传统C-V模型的拓广,当 α = 1 ,β = 0 时,分割模型退化为传统平方欧氏距离C-V模型,记为模型1; 当 α = 1 ,β = 1 时,分割模型即全散度C-V模型,记为模型2; 当 α = 0. 5 ,β = 1 时,将其记为模型3。

在分割实验中,选取H函数中的 ε = 0. 173 ,迭代时间步长▽t = 0. 1 。为了降低初始值对分割模型的影响,采用经典Otsu阈值法获取区域中心c10、c20的初值。

4. 1 分割模型有效性测试

为了测试本文模型的有效性,以血管图像、水立方图像、气泡图像、医学图像为例,采用模型1、模型2、模型3 对其分割测试,其结果如图2、图3 和图4 所示。

从图2 所示的血管、水立方图像分割结果来看,采用模型1所获得分割结果很难令人满意,其血管提取不完整,水立方根本无法检测到。但是,采用模型2 和模型3 能从背景中完整提取目标且错分像素非常少,目标边界轮廓较为清晰。

从图3 所示的气泡图像分割结果来看,采用模型1 会导致气泡存在漏检现象,且检测到气泡边缘模糊。但是采用模型2和模型3 能将气泡完整检测且无错分现象。

从图4 所示的医学图像分割结果来看,采用模型1 根本无法检测出目标。采用模型2 能检测目标,但存在目标提取不完整的问题。采用模型3 能获得相比模型1 和模型2 更加完整的分割效果且漏检像素极低。

4. 2 分割模型抗噪性测试

为了测试不同模型的鲁棒性,对螺丝钉、分子结构、杆菌添加均值为0、均方差为10 的高斯噪声( 如图5( a) 所示) 。从图5( b) 所示的模型1 分割结果来看,螺丝钉分割结果存在严重噪声; 分子结构图分割结果中目标与背景无法分开且存在严重错分现象; 杆菌分割结果中噪声明显且错分像素多,并且目标轮廓不清晰。从图5( c) 、( d) 所示的本文所建议的模型2 和模型3的分割结果图来看,分割结果完全正确,目标清晰且噪声小。

4. 3 分割效果评价

为了评价不同分割模型的性能差异,本文引入实际分割结果与理想分割结果差异性度量的误分率RSE( Ratio of Segmentation Error) 对分割模型性能定量评价。其误分率定义为:

其中,

式(23)中,I、I'分别表示大小为M×N的理想分割图像、实际分割算法所获得的分割结果。其RSE值越小,表明该分割算法具有良好的性能。

从表1 所示的三种分割模型迭代次数、时间消耗及其误分率来看,本文所建议的全散度C-V分割模型2 和参数化全散度C-V模型3 相比传统C-V模型1 具有更好的抗噪性、较低的时间开销以及快速的收敛速度等潜在优势。

4. 4 参数 α 对分割模型影响测试

为了测试模型参数 α 对分割性能的影响,假设 β = 0 并选取 α 为0. 5、1. 0 和2. 0,对血管图像分割结果如图6 所示。当 α= 0. 5 时,三条血管都能完整检测。当 α = 1 时,其分割结果中三条血管仅有一条能完整提取,另外两条血管中的一条提取不完整、一条无法检测到。当 α = 2 时,其分割结果中仅能较完整地检测出一条血管。从图7 所示的变参数 α 所对应的误分率曲线来看,随着 α 取值的增大,模型分割结果的误分率整体呈上升趋势,但参数 α 在0 到1 之间选取能获得满意的效果。

5 结语

基于传统欧氏距离C-V分割模型,将具有距离计算中不受坐标系选择影响的全散度引入传统C-V模型并获得一种适合光照不均匀或噪声干扰图像的参数化全散度C-V分割模型,它具有如下优点: ( 1) 提高模型对灰度不均匀、噪声干扰图像的分割能力; ( 2) 对噪声干扰图像具有一定的鲁棒性; ( 3) 其阈值分割方法具有收敛速度快、耗时少的特点。因此,本文所建议的参数化全散度C-V分割模型具有一定的优势。

摘要：针对传统C-V模型收敛速度慢且不完全适合灰度不均匀图像分割的问题,提出基于参数化全散度的C-V模型及其相应的快速阈值分割算法。将全散度引入传统C-V模型并获得一种改进的区域活动轮廓模型,然后,采用水平集和变分法相结合得到该模型所对应的偏微分方程,并通过数值求解该方程获得适合图像分割的快速迭代算法。实验结果表明,该方法分割效果及收敛速度明显提高,且具有较高的鲁棒性和抗噪性。

阈值模型 第7篇

我国现阶段区域间与组织间发展不平衡,知识产权保护程度的强弱对组织创新的影响也不同。何种知识产权保护强弱程度对组织创新的影响最为积极是本研究关注的主要问题。本文借助阈值回归模型,检验了知识产权保护强度在强、中、弱三种状态下对组织创新的不同影响,期望能够厘清知识产权保护强度对组织创新的影响,为知识产权保护政策的制定提供理论与决策依据。

1 理论背景与文献回顾

1. 1 知识产权保护强度的测定

知识产权保护强度的测度是开展知识产权保护强度对组织创新能力影响研究的前提,学术界对知识产权保护强度的测量开展过较多的研究。有学者采用虚拟变量的方法,利用不同指标来度量知识产权法中是否存在测量知识产权保护强度的特定指标,但没有提供一个综合的指标; 部分学者运用问卷调查法,对职业经理人和专利律师等从业人员进行调研,通过综合评分来界定知识产权保护强度[2]; 最为典型的是以国家知识产权立法文本为基础,将知识产权保护水平指标划分为保护的覆盖范围、是否为国际条约的成员、权利丧失的保护、执法措施和保护期限等类别,每个类别又包含若干个度量指标,规定每个度量指标各占1 分,每个类别中各指标得分之和除以该类别中的指标个数即为该类别的得分,5 个类别得分的累加和即为量化的知识产权保护水平[3]。韩玉雄等[4]考虑了中国具体的执法力度因素,在GP指标中加入了一个 “执法力度”因子,包括4个方面: 社会化程度、法律体系的完备程度、经济发展水平和国际社会的监督与制衡机制,以衡量中国的知识产权保护水平,并测算出1984—2002 年中国知识产权保护的执法力度及修正的保护水平,GP修正指数得出的结果低于GP指数得出的结果。许春明等[5]以司法保护水平、行政保护水平、经济发展水平、社会公众意识以及国际监督制衡等可以度量的知识产权执法强度指标,同时综合立法强度指标,构建知识产权保护强度的指标体系。沈国兵、刘佳在韩、李的基础上对知识产权的保护的强度做了进一步的修正,将执法的力度的测度通过经济发展水平、法治水平、知识产权执法水平三方面来分析。

1. 2 组织创新能力的测量

创新能力的概念是由Burns和Stalker首次提出,最初用来表示 “组织成功采纳或实施新思想、新工艺以及新产品的能力”。关于组织的创新力,Lall[6]定义为 “组织有效吸收、掌握和改进现有技术,并创造新技术所需要技能和知识的能力”,Trott[7]把它定义为 “企业创造创新产出的潜力”。组织创新能力的典型分类方法是分为渐进创新能力和根本创新能力( Dewar和Dutton) 。渐进创新能力是指组织所拥有的有效增加或改进现有产品和服务的创新能力,它可以显著提升企业当前的竞争能力; 根本创新能力是指组织所拥有的促使企业现有产品或服务重大转型或转变的创新能力,这种能力将改变企业的竞争范式,可以将竞争对手完全排挤出市场[8]。关于组织创新能力的测定,OECD推荐的测度包括: 专利数、创新数量、新产品销售比例以及创新支出占销售比。Yam等将组织创新能力分解为学习、研发、资源分配、制造、营销、组织、战略规划等7 个能力维度[9]。

1. 3 知识产权保护强度与组织创新能力的关系

知识产权保护强度与组织创新能力的研究主要集中于组织的技术创新能力上的研究。Markus认为知识产权保护与技术创新呈现的是非线性的关系,技术创新并不随着知识保护的增强而增强; Schneider通过发达国家和发展中国家20 年的数据证明了,知识产权保护与发达国家的创新成正相关的关系,与发展中国家的创新成负相关的关系; Primo认为知识产权保护与创新能力是一种 “U型”的关系,当知识产权保护过强或者过弱时,创新能力都随之增强; Chen等[10]认为知识产权保护水平的高低取决于技术能力或区域经济发展水平,两者是一种复杂的“U”型关系; 余长林等[11]通过理论和实证研究发现,基于封闭经济条件下技术溢出视角得出发展中国家的知识产权保护同创新能力是一种 “倒U型”关系; 日本学者Yuichi Furukawa[12]认为,在不考虑规模效应的情况下,知识产权保护同创新存在一种“倒U型”关系。基于以上分析,本文构建知识产权保护强度与组织创新能力之间的理论模型,认为知识产权保护程度与组织创新能力不存在单一的对应关系,其创新能力净效应最大化在知识产权保护强度适中时达到,理论模型见图1 所示。

2 提出假设

如图1 所示,随着知识产权保护程度的加强,组织通过创新所带来的知识产权收益将越高,这促使组织千方百计加强创新能力,营造组织间的竞争优势,最终导致行业内组织创新能力的提升。在现代组织创新中,创新呈现复杂性增强的趋势,对外部各类资源特别是知识产权资源的依赖日趋严重。与此同时,随着知识产权保护程度的加强,创新的成本也随之增加,原因主要是由于知识产权保护程度加强,在组织创新过程中,获取外部知识产权资源的成本将增加。随着知识产权保护程度的加强,将带来两个结果: 一是知识产权收益增加,导致知识产权价值和价格提升,在组织创新过程中,以交易获取外部知识产权资源的成本将增加; 二是知识产权保护程度的加强,在一定程度上对知识产权与技术扩散起到更强的限制作用,这将导致组织创新过程中,知识产权交易的数量将增加,也会导致创新成本的增加。具体到组织个体层次,随着知识产权保护程度的加强,知识产权收益与创新成本都呈现加强的趋势,由于组织的具体情况各异,所以对不同的组织会产生不同的影响,导致组织的创新能力与知识产权保护强度的关系呈现非单一性,由此,得假设1。

假设1: 知识产权保护强度与组织的创新能力之间的关系是非单调的。

在假设1 的前提下,本文认为知识产权保护强度与组织的创新能力之间的关系是非单调的,它们之间的关系呈现多样性。在弱知识产权保护强度下,将会导致对组织创新成果法律保护不足,组织创新成果的收益必然将大打折扣,从而使组织的创新意愿降低,最终导致组织创新能力的下降,由此,得假设2。

假设2: 知识产权保护强度为弱保护时,对组织的创新能力起到消极作用。

知识产权制度的本质是鼓励创新,不鼓励模仿与复制。适中的知识产权保护强度将对组织的创新成果给予保护,从而激励组织创新,增强组织的创新能力,由此,得假设3。

假设3: 知识产权保护强度为适中时,对组织的创新能力起到积极作用。

过弱的保护将阻碍创新,过强的保护同样对创新有消极影响。当知识产权保护程度过强时,组织的创新成本相对创新收益将急剧增加,组织创新的净收益下降,同样对组织的创新能力起到负面作用,由此,得假设4。

假设4: 知识产权保护强度为过强时,对组织的创新能力起到消极作用。

3 研究方法

3. 1 量表设计

为了对所提出的4 个假设进行验证,首先笔者进行了测量量表的设计,以量表为基础形成问卷,为数据收集作准备。量表设计分别从自变量、因变量和控制标量着手设计,具体如下:

( 1) 自变量。本文中自变量为知识产权保护强度( 简称IPRP) 。宏观上以立法为代表的知识产权保护使得各个区域知识产权保护水平强度值差异不大,然而由于我国区域间与组织间发展的不平衡,即使同样的立法和执法水平,各个组织对知识产权保护强度的感知是不一样的。为了测得知识产权保护强度在不同组织间存在的差异,本文采用瑞士洛桑管理学院( IMD)《世界竞争力报告》 提供的方法[13],使用问卷调查法测量各组织对知识产权保护的感知强度。根据学术界对知识产权保护强度的测定方法研究结果,结合国内的特定情况,对李怀祖、许春明等人的研究成果进行适当修正,从立法、执法、保护环境3 个方面来测量组织的知识产权保护感知强度,此指标为反应性指标,即主观评价的强度。量表采用里克特( Likert) 5 级量表,从非常不同意到完全同意5 个层次,得分分别为1、2、3、4、5。自变量共5 个选项,分别从知识产权立法强度感知、司法保护水平感知、行政保护感知、知识产权保护意识和知识产权保护环境感知来进行知识产权保护强度的测定,综合5 项得分为所调查组织的最终得分,最低分为5 分,最高分为25 分。

( 2) 因变量。本文中因变量为组织创新能力( 简称OIC) 。本文为客观衡量组织的创新能力,所采用的指标为形成性指标,即客观指标。根据OECD以及Yam等人对创新能力的研究成果,测度选项共3 项,主要集中于最终的创新成果方面,分别为专利数量、人均专利数量、新产品/服务/成果所占比重,量表同样采用5 级量表,将3 个选项的数值分别划分为5 个数值范围,对应得分分别为1 ~5。最终的组织创新能力指标为各选项的均值,得分范围在1 ~ 5 分之间。

( 3) 控制变量。由于组织创新能力形成的复杂性,笔者根据以往的学术研究成果,选取了部分控制变量,分别为: R&D投入( 简称RD) 、科研人员的数量( 简称NRP) 、组织规模( 简称OS) 、组织可获取的外部创新资源( 简称OIR,包括与组织有合作关系的科研机构、高校、外部科技型投资机构、科技型风险投资机构) 以及组织创新制度保障( 简称OC) 。RD、NRP、OS采用五级量表,将选项的数值分别划分为5 个数值范围,对应得分分别为1 ~ 5;组织创新制度保障选项同为5 级量表,从非常不同意到非常同意,选项包括是否有创新规范的制度、创新是否有组织保障、创新活动的领导重视程度等,最后得分为各选项均值,最低1 分,最高5 分; 组织可获取的外部创新资源OIR采用求和赋值法,有此类资源得1 分,否则0 分,最低0 分,最高4 分。

3. 2 数据收集

根据量表设计结果,本文开发了相应的调查问卷。本研究数据来自两个路径,一是发放问卷,二是网络调查。正式数据收集前做了预调查,根据调查情况进行修正,形成最后的调查问卷,通过电子邮件和书面问卷发放,结果共发放问卷500 份( 书面发放300 份) ,回收问卷305 份( 书面回收217份) ,回收率为71% 。经一致性检验,剔除16 份无效问卷,保留有效问卷289 份,有效问卷率达94% 。4 种类型组织有效问卷分别为81 份、107 份、85 份和16 份, 分别比重为28% 、 37% 、 29. 4%和5. 6% 。

3. 3 阈值回归模型

根据理论研究的结果,本文采用阈值回归模型来对4 个假设进行验证。首先是阈值回归模型的建立,根据上述的分析,具体模型如下:

其中,OIC表示组织创新能力,IPRP表示知识产权保护强度,i = 0、1…n,当不设定阈值时,i =0,表示知识产权保护强度仅划分为一段,对应的组织创新能力也划分一段,整个模型为一个普通的多元回归模型; 当设定阈值为1 时,知识产权保护强度将划分为两段,对应的组织创新能力也划分两段,i = 1、2,模型将分为2 个多元回归模型,以此类推。同理,j = 0、1…n,当不设定阈值时,j = 0,当设定一个阈值时,j = 1、2。下面以设定一个阈值时为例,模型变成:

为了对4 个假设进行验证,将逐步增加阈值的设定,直到不能拒绝零假设为止。下面具体阐述如何对4 个假设进行验证:

( 1) 对于假设1,即知识产权保护强度与组织的创新能力之间的关系是非单调的,只要设定1 个阈值,使得回归模型分成两端,如果2 个独立的回归模型显著,则证明假设1 是成立的。

( 2) 对于假设2、3、4,设定2 个阈值,将知识产权保护强度划分为3 段,分别对应弱、中、强,如果3 个回归模型显著,则可以证明假设2、3、4。

( 3) 如果设定1 和2 个阈值,方程均显著,将继续增加阈值的数量,直到不能拒绝零假设为止。此举主要是检验模型是否还有更好的阈值设定数量和更好的划分标准。

4 实证研究结果

4. 1 样本的描述性统计

样本的描述性统计分为2 个部分: 一是数据收集的基本描述,面前已经对此进行说明( 详见本文3. 2) ; 二是数据的均值、标准差、Cronbachα 值和变量的相关系数( 见表1) 。

注:*P < 0. 05,**P < 0. 01,N = 289

4. 2 验证结果

本研究以SAS9. 2. 0 中STAT模块软件作为数据分析工具。阈值设定采用逐步设定方法,即先设定一个阈值,然后设定两个阈值,依此类推,直到模型分析结果不再具有统计显著性。通过程序编写让计算机自动搜索最佳阈值( Bootstrap Procedure方法)[14],使模型的显著性最强。下面是数据分析的具体结果:

( 1) 单阈值模型。首先设定1 个阈值,用于来检验假设1,结果呈现统计显著性,假设1 获得验证,具体结果见表2 所示。

( 2) 两阈值模型。紧接着设定两个阈值,用于来检验假设2、3、4,结果呈现统计显著性,假设2、3、4 获得验证,具体结果详见表2 和表3。

( 3) 多阈值模型。当设定3 个阈值时,阈值得到确定,但统计结果不显著,分析到此结束( 见表2) 。

注: 调整R2= 0. 39,0. 46,0. 51

4. 3 敏感性分析

为了对阈值回归模型的有效性进行评判,笔者将对回归模型的显著性和阈值回归方法的敏感性进行检验。回归模型的显著性检验结果已在表3 中体现,检验结果完全符合显著性标准要求,在此不再赘述。下面主要对阈值回归模型的敏感性进行检验,主要目的是判断知识产权保护强度和组织创新能力之间统计关系的效度。根据Cleveland[15]和Cleveland等[16]提出的方法,笔者采用加权多元回归法( LOESS) 进行敏感性检验( 见图2) 。LOESS是一种非参数技术,在检验前假设变量之间的关系并未明确,如果此检验的结果与数据验证结果一致,这证明阈值回归模型的敏感性分析得到验证。从图2 可以明显看出,知识产权保护强度与组织创新能力的关系与实证分析结果是一致的,从而使敏感性分析得到验证。

4. 4 实证结果讨论

( 1) 知识产权弱保护状态。根据实证分析结果,假设2 被验证,即知识产权保护强度为弱保护时,对组织的创新能力起到消极作用。当没有知识产权保护时,各个组织由于寻求竞争优势,组织的创新能力会保持在一定水平; 保护强度上升但还没有形成有效知识产权保护强度时,组织的创新能力反而开始下降。可能的原因是由于知识产权保护强度在达到某一临界值之前,对组织的创新决策起到负面作用,从而使组织创新能力呈现下降趋势。知识产权保护强度的上升本来应该促进组织的创新,但没有达到一定的强度时,创新的成果没有办法获得充分的保护,反而使创新的意愿降低,从而创新能力呈下降趋势。

( 2) 知识产权保护强度适中状态。根据实证分析结果,假设3 被验证,即知识产权保护强度为适中保护时,对组织的创新能力起到积极作用。当知识产权保护达到临界值后,知识产权保护的效应开始发挥作用,对组织的创新起到积极的正面影响,因而组织的创新能力随着保护强度的上升而增强。

( 3) 知识产权保护为过强状态。根据实证分析结果,假设4 被验证,即知识产权保护强度为过强保护时,对组织的创新能力起到消极作用。产生这种现象的主要原因可能是由于知识产权保护强度过强时,组织的创新成本相对创新收益将急剧增加,组织创新的净收益下降,所以对组织的创新能力反而起到负面的作用。

5 研究结论、启示与不足及未来研究方向

5. 1 研究结论

本研究以阈值回归模型进行实证分析来验证知识产权保护强度与组织创新能力的关系问题,其中4 个假设全部得到验证。这表明在我国区域间与组织间发展不平衡的状态下,同样的知识产权立法与执法程度对组织感知的知识产权保护强度的影响是不同的。研究结果验证了知识产权保护感知强度与组织的创新能力之间呈现非单调的关系,在保护适中时,知识产权保护制度对促进创新有着重要的作用。与此同时,知识产权保护强度过高或过低对组织的创新都存在一定的负面与消极影响。

5. 2 研究启示

同样的知识产权立法与执法程度对组织感知的知识产权保护强度的影响是不同的,说明不同的组织之间存在差异,因而知识产权保护强度对它们的创新决策起到一定的影响。这说明在知识产权保护立法与执法过程中,不仅要考虑客观的影响,还要考虑对不同组织的主观感知的影响,以使法律的作用在最大的范围发生积极作用。与此同时,知识产权立法与执法程度在一定范围内不能调节,但知识产权保护的政策可以适当进行调节。通过政策的保护强度调节,政府可以促进或抑制某些组织的发展,对我国的产业结构调整起到一定的作用。

5. 3 不足与未来研究方向

本研究虽然使得4 个假设获得验证,但实证研究的结果即假设2、假设3 与假设4 的具体原因并没有能够揭示,只是解释了可能产生这些现象的原因。此外,由于数据收集的难度,抽样方法与样本的数量都存在一定的局限性,所以,本研究下一步的研究方向应集中在知识产权保护强度对组织创新能力非单调关系的原因探索方面,进一步说明产生这种现象的原因以及机理。

摘要：我国现阶段,区域间与组织间发展不平衡,知识产权保护程度的强弱对组织创新的影响也不同。借助阈值回归模型,研究检验知识产权保护强度在强、中、弱三种状态下对组织创新的不同影响。通过对289家各类组织有效调查数据进行分析,发现在强保护与弱保护情况下,知识产权保护对组织创新能力起负面作用;在中等保护情况下,知识产权保护对组织创新起积极作用。研究结果表明,知识产权保护强度与组织创新能力的关系是非单调的。