多枝域电磁场问题快速投影分解法的收敛性分析及应用

对求解枝连区域上电磁场问题的投影分解法和快速投影分解法的收敛性进行了分析和比较,并证明了快速投影分解法的收敛速度要快于一般的投影分解法.实际应用表明,快速投影分解法的收敛速度大大加快,其迭代次数大约只有原来的三分之一左右.     

Bregman投影的广义分解定理

研究Bregman投影的基本性质,并且利用其性质给出了Bregman投影的广义分解定理.     

分块正交投影矩阵的一个性质证明

利用子矩阵的分解研究了投影矩阵的Schur补,给出了投影矩阵Schur补的性质的一个新证明,并推广了其中的一个结论.     

第二类Fredholm积分方程的多项式多投影算法

主要讨论第二类Fredholm积分方程的多项式多投影算法．算法应用到Galerkin方法和配置法两种情况,并证明当核函数和方程的解具有一定的光滑核性时,多投影算法的近似解及其迭代解的精度分别是一般有限维投影法近似解的三倍和四倍,表现出算法具有非常高的超收敛性．     

求约束极值问题的修正共轭梯度投影法

针对带约束的非线性规划问题,提出一个修正共轭梯度投影算法,并且用不严格互补条件证明了算法具备全局收敛性和局部超线性收敛性;另一方面,算法的每步迭代只计算一次共轭投影矩阵,避免了求解二次规划或求两个投影矩阵,因而算法在计算量上有所改进.     

圆的中心投影

运用坐标法建立了坐标平面xoz上的单位圆在平面xoy上的(中心投影)象与投影中心的一种非线性对应关系,并讨论了投影象为椭圆、双曲线、抛物线、圆和等轴双曲线时,投影中心的轨迹.     

Volterra-Fredholm型积分方程组的求解方法

L2[a,b]空间中,利用投影迭代方法,研究了线性积分方程组求解问题,给出了最小范数解及近似求解方法.     

稀疏化递归Cholesky分解预条件技术加速PO-MoM迭代求解

提出了一种新的稀疏化递归Cholesky分解预条件技术,并应用于加速物理光学和矩量法(PO-MoM)混合方法分析大型复杂载体上线天线的辐射问题.基于积分方程积分核的物理意义,忽略MoM区与PO区的耦合,构造出一个PO-MoM混合方法系数矩阵的稀疏近似阵.然后采用Cholesky分解方法将该稀疏阵的逆阵进行递归分解,得到一个矩阵连乘形式的预条件阵.将该预条件阵用于预条件广义最小留数(GM RES)法迭代求解线性方程组,应用该技术对卫星和舰船两个电大尺寸复杂载体模型上天线辐射问题进行了求解.结果表明,采用这种新的预条件技术可以大大加快方程组迭代求解的收敛速度,明显提高计算效率.     

自适应信号处理中稳健估计的变步长仿射投影

本文研究自适应仿射投影中的最优步长准则,提出一种新的指数型步长控制方法。针对APA类算法抗粗差能力差的缺点,通过三权法等效误差函数,将稳健M估计引入APA类算法,提出了稳健M估计变步长自适应仿射投影方法。理论分析和数值计算结果表明,MVAPA算法稳态失调小,抗粗差能力高于近来提出的仿射投影算法。     

小波分析中Wj上的投影和多分辨分析Vj上残差投影的 …

本文在多分辨分析中定义了残差投影法，并证明了小波分析中Ｗｊ上的投影和多分辨中分析中Ｖｊ上残差投影的等介性。     

自底向上加快神经网络学习的算法

介绍了一种加快神经网络学习的改进算法.这种改进算法结合采用快速自底向上构造神经网络算法和动态优化学习参数算法.首先,快速自底向上构造神经网络算法自动地构建神经网络的优化结构;随后,动态优化学习参数算法动态地调整和选取优化的学习参数.实验结果显示,这种改进算法能自动有效地构造网络的优化结构,与其它算法相比,具有更好的分类性能、优化的网络结构和更快的学习速度.     

基于神经网络并行算法的海尔伯特变换器优化设计

研究了一种基于神经网络并行算法的海尔伯特变换器优化设计方法，提出并证明了冲经网络算法的收敛性定理，给出了海尔伯特变换器优化设计实例，仿真结果表明用该算法设计的海尔伯特变换器具有高的计一算精度和快的收敛速度，因而是有效的。     

基于遗传算法的机组优化组合研究

为降低发电机发电成本,采用改进的遗传算法研究发电机组优化问题。首先将爬山法应用于遗传算法,使得改进后的遗传算法不仅具有搜索速度快、鲁棒性强等优点,而且收敛迅速,精度高;然后将改进算法应用于发电机机组优化。模拟仿真表明,该算法收敛性好,适应性强,具有很好的实用价值。     

约束最优化问题的一种进化规划方法

用进化规划对约束最优化问题提出了一种新的惩罚函数方法,该方法含有一个自适应惩罚参数校正方法,可以随个体的总数变化进行调整,它可以很快地脱离局部最优解而收敛于全局最优解.算法中只有很少的几个参数需要校正,故其比较简单且计算便捷.给出的仿真例子表明算法具有很好的收敛速度和很高的精确性.     

基于粒子群算法的珩磨加工参数优化研究

粒子群算法具有计算简单,收敛速度快和良好的全局与局部收敛能力等特点.通过对珩磨加工工艺参数的分析,构建了基于粒子群算法的珩磨加工参数智能选择模型,在理论模型的基础上通过实验数据对模型参数进行了优化.研究证明该方法用于珩磨加工工艺参数的选择具有可靠性高、选择操作简单、实用性强等优点.     

一种带差分进化策略的多分布进化算法

结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法（multi-distribution evolutionary algorithm with differential evolution,MDEA_DE）。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。     

基于去相关NLMS算法的自适应回波抵消

在NLMS算法的基础上,从语音信号相关性的角度出发,提出了一种去相关NLMS算法(DC-NLMS).该算法收敛速度快,稳态失调小,计算量与NLMS算法相当,克服了APA算法收敛速度快但计算量大的缺陷.计算机仿真结果表明,DC-NLMS算法在自适应回波抵消中的综合性能要优于NLMS算法、APA算法以及文献[7]中的算法.     

预条件共轭梯度法在线天线阵列RCS分析中的应用

为计算线天线阵列的雷达散射截面,用脉冲函数为基函数的Galerkin法将线天线阵列的电场积分方程组转化为一个线性方程组,其系数矩阵是一个对称的二重复Toeplitz矩阵.用预条件共轭梯度法与快速傅里叶变换的组合算法求解该线性方程组,其中预条件器采用T.Chan的循环预条件器的分块形式.这样的处理方法降低了对计算机内存的需求,加快了迭代速度,并提高了算法的收敛性.     

简化B类噪声模型的参数估计

通信接收机的前置窄带滤波器波改变了非高斯脉冲噪声的幅度统计特性,B类噪声模型可以很好地描述窄带非高斯噪声幅度概率分布. 该文提出一种基于特征函数谱的B类噪声模型参数估计算法,其特点是采用最小均方梯度法求非线性代价函数的解. 计算机仿真验证结果表明：该算法具有快速收敛和复杂度低的优点,并给出了算法的详细推导过程.