基于多普勒频差的矢量脱靶量参数估计方法

提出了一种基于长基线条件下利用多普勒频差进行矢量脱靶量参数估计的方法。目标多普勒频率是矢量脱靶量参数的非线性函数,对此函数的求解是一个非线性优化过程,对应优化代价函数的估计参数为6维,寻优迭代过程较复杂,且结果受限于优化初值的选取。算法充分利用了目标的连续特性,将此非线性优化过程进行分步伪线性化处理,利用积分多普勒以及距离差定位方法得到参数估计值,并将此估计值作为非线性优化过程的优化初值,快速、准确地得到参数优化估计值。仿真结果表明该方法可以得到高精度的矢量脱靶量估计结果。     

求解非线性互补问题的混合光滑型算法

光滑型算法已经成功地用来求解各种优化问题. 基于一类新的光滑函数族， 提出了一个带有混合线搜 索的光滑型算法求解非线性互补问题. 在适当的条件下， 证明了算法是适定的， 且保持全局 收敛性和局部超线性收敛性. 最后对提出的算法进行了数值计算. 数值结果显示出该算法的有效性.     

约束非线性l1问题的调节熵函数法

针对约束非线性l1问题不可微的特点,提出了一种光滑函数的近似逼近方法.该方法利用调节熵函数和罚函数技术将约束非线性l1问题转化为无约束可微优化问题,因而可利用光滑优化的经典算法求出原问题的近似最优解.给出了基于光滑优化问题的BFGS迭代,并介绍了约束非线性l1问题的调节熵函数的有关性质、算法的迭代步骤及其收敛性分析.最后通过数值实例表明了该算法的有效性.     

约束非线性l1问题的调节熵函数法

针对约束非线性l1问题不可微的特点,提出了一种光滑函数的近似逼近方法。该方法利用调节熵函数和罚函数技术将约束非线性l1问题转化为无约束可微优化问题,因而可利用光滑优化的经典算法求出原问题的近似最优解。给出了基于光滑优化问题的BFGS迭代,并介绍了约束非线性l1问题的调节熵函数的有关性质、算法的迭代步骤及其收敛性分析。最后通过数值实例表明了该算法的有效性。     

改进的粒子群算法及其非线性盲源分离

采用粒子群算法与自然梯度法相结合进行非线性混叠信号盲分离。用高阶奇数多项式拟合非线性混合函数,建立非线性信号盲分离模型。同时根据粒子群算法的特点,作了改进,引入了“迁徙操作”和局部深度搜索方法。对多项式的参数用粒子群算法来求估计,然后用自然梯度法对线性去混合矩阵进行迭代。仿真结果表明,粒子群算法可以快速、有效地求得非线性混叠信号盲分离的优化解。     

基于黄金分割法的加速MARS研究

多元自适应回归样条法(Multivariate adaptive regression spline,MARS)是一种专门针对高维数据拟合的回归方法。该方法以样条函数的张量积作为基函数,以样本数据坐标作为可选的节点矢量值,算法过程以失拟度(Lack of fit,LOF)最小为目标优化选择基函数和节点矢量。提出了基于黄金分割的加速MARS算法,引入一维黄金分割搜索算法及计算子区间概念,以提高算法节点矢量和基函数的优化选择效率。最后,四个典型的测试算例验证了所提出的方法在保证模型近似精度的前提下可大幅节省模型构造时间。     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

改进多相粒子群算法反演粗糙面下方导体目标

提出了一种能快速有效反演介质粗糙面下方导体目标参数的方法--改进多相粒子群算法,优化以双站散射系数的测量值和理论计算值为偏差的目标函数,当目标函数达到最小值时,实现地下目标参数的反演。为加快反演过程,提高反演精度,正问题采用了快速互耦迭代算法这一数值算法来快速准确求解双站散射系数。逆问题采用了基于子群和母群交叉搜索机制以及小种群策略的改进多相粒子群算法,能减少目标函数计算次数（对应正问题计算次数）、提高全局寻优能力。文中反演了一维粗糙面下方截面为圆柱和任意连续形状的导体目标,仿真实验验证了算法具有较好的反演精度和较强的抗随机噪声能力。     

支撑矢量机的分类机理

支撑矢量机是根据统计学习理论提出的一种新的学习方法,即使用核函数在高维空间里进行有效的计算.在模式识别中,支撑矢量算法通过训练分类器在某个与输入空间非线性相联的高维空间里进行线性划分,从而构造出非线性判别函数.     

基于Hammerstein模型的非线性自适应预测函数控制

传统的预测函数控制对非线性和多变性的实际对象控制效果不佳.采用基于Hammerstein模型的预测函数控制(PFC)内部模型辨识方法来拟合实际对象的非线性.针对实际时象的多变性,不断辨识对象,校正内部模型参数,增强控制系统适应对象变化的能力.选取正弦多项式形式的基函数并介绍了滚动优化的办法.优化性能指标选取双值指标,计算量小,精度高.整个算法线性寻优,不需要非线性模型预测控制的非线性滚动优化,输出可以应用模型参数直接计算.实验表明该方法比PID控制效果更好而且对模型失配具有很好的自适应性能.     

基于无奇异变换的双行轨道根数生成算法

在双行轨道根数（two line elements, TLE）和简化普适摄动轨道预报模型的基础上,针对空间目标TLE采样拟合过程中可能出现奇点的问题,提出基于无奇异变换的空间目标TLE生成算法。引入无奇异轨道根数代替开普勒根数形成改进的TLE参数,推导了目标位置矢量对改进TLE参数的偏导数矩阵,并采用选主列Givens QR分解算法进行观测方程迭代求解,以提高数值计算稳定性。仿真结果表明,该生成算法拟合精度和位置预报残差满足要求,可应用于低轨目标的空间监视。     

基于可行域解析中心的非线性回归

提出了基于可行域解析中心的非线性回归算法,它克服了支撑向量回归因可行域不对称或狭长时其泛化性能降低的不足。从理论上分析了该回归算法与最大似然参数估计之间的关系,给出了它的迭代步骤,最后通过sinc函数的逼近问题验证了此回归算法的有效性。     

基于粒子群优化算法的无人战斗机路径规划方法

对于无人机的路径规划问题,从和机器人路径规划问题的差别入手,通过粒子群优化算法对有限数目的采样航点的优化,使用高次B样条曲线拟合出满足路径最短且威胁最小的无人战斗机的飞行路径。研究了路径规划约束的数学模型、粒子构造方式和粒子的评价适应度函数。通过仿真对目前出现的基于粒子群优化算法的无人机路径的多项式拟合方法和所提出的基于B样条拟合的方法进行了比较。仿真结果表明,使用粒子群算法优化出来的B样条曲线比多项式拟合法和几何方法更加合理有效。     

宽带MIMO雷达频率不变发射方向图快速综合方法

多输入多输出（multiple-input multiple-output, MIMO）雷达的波形分集能力带来了灵活的发射波束方向图设计方法。针对均匀线阵提出了一种基于频率不变波束形成法快速综合宽带MIMO雷达发射方向图的方法,该方法利用频率不变波束形成法求解宽带MIMO雷达发射波形的频谱,采用交替矩阵匹配法设计恒模的发射波形。与基于两级迭代的宽带方向图综合方法（wideband beampattern formation via iterative techniques, WBFIT）相比,该方法无需矩阵求逆且迭代次数明显减少,大大降低了计算复杂度。计算机仿真结果表明,该方法具有与WBFIT法相近的宽带方向图综合性能,计算时间只有WBFIT方法的10％左右。     

一种基于改进蚁群算法的多点路由算法

蚁群算法是一种新型的随机优化算法,蚁群算法与其它随机优化算法同样存在收敛速度慢易于限于局部最小点等缺陷.提出一种改进的蚁群算法,并将其与启发式方法相结合以解决多点路由问题.仿真证明,基于改进蚁群算法的多点路由算法模型可以稳定地获得优于现有启发式算法的解,是一种有效的多点路由算法,同时该算法也适用于并行执行和应用.     

基于自组织理论的自组织多项式网络算法

自组织多项式网络是采用神经网络的思路结合生物控制论和自组织特征映射理论而导出的一种新型网络算法,该算法在寻求模型参数的最优组合上的自组织特征及通过层层搜索误差最小点的功能,使其在用于非线性映射的拟合中体现了较强的优越性．开发的软件应用表明,该算法较ＧＭＤＨ算法及一般网络算法具有更高的精度拟合．     

基于AP的Volterra级数自适应多重回归及其多步预测应用

为解决时间序列多步预测的高效率、高精度问题,提出一种基于Volterra级数的多重回归仿射投影自适应算法。应用虚假最临近点法算法选择最优嵌入维数,优化模型初始参数。以系统Volterra核向量增量的模与某约束总和为损失函数,按照最陡下降原理导出各阶Volterra核更新公式,再利用矩阵求逆引 理递推求取各阶Volterra子系统自相关逆矩阵导出算法,从而实现了对多输入多输出数据样本的建模,采用该模型对Henon映射产生的时间序列进行多步预测实验,结果表明可以对该时间序列进行准确建模和预测,证明了所提模型的有效性。     

CARMA模型多新息增广随机梯度参数估计算法的收敛性

将多新息辨识理论用于研究CARMA模型的参数估计问题。首先用估计残差来代替信息向量中的不可测噪声项,导出了CARMA模型的增广随机梯度算法,进一步把标量新息推广为新息向量,导出了相应的多新息增广随机梯度辨识算法,并利用鞅收敛定理分析了多新息增广随机梯度算法的收敛性。最后的仿真结果验证了该算法的有效性。     

基于模糊推理的机械臂关节轨迹规划

针对冗余空间机械臂关节角速度向量轨迹规划中合理协调多个约束条件的难题,提出了基于模糊推理理论的多约束条件下机械臂关节角速度向量轨迹规划控制算法。将传统的关节角速度向量算法与模糊推理原理有效结合,由模糊推理选定某一时刻需要优化的约束条件,以及对约束条件的执行程度,有效解决了多约束条件下冗余机械臂关节角速度向量轨迹规划的控制问题,数字仿真结果证明了所提算法的有效性。     

结构扰动与粗差鲁棒的lp正交匹配追踪算法

针对压缩感知稀疏信号恢复,提出了一种对测量结构扰动和粗差同时鲁棒的l₁正交匹配追踪(structure perturbation and outlier robust l₁-orthogonal matching pursuit, l₁-SPOR-OMP)算法。该算法利用l₁范数对粗差的鲁棒性,分别约束信号和扰动的拟合误差,进而通过交替迭代使它们同时到达最小,从而同时实现对信号和扰动的有效鲁棒恢复;由于算法仅需求解支撑位置的有效扰动,因此极大地降低了算法的计算复杂度。此外,为了进一步提高算法的恢复效率,也提出了使用鲁棒OMP方法来估计有效扰动的l_1,2-SPOR-OMP算法。在证明了所提出算法收敛性的同时,分析了运算复杂度。数值仿真的结果验证了所提算法的有效性和优越性。