步长独立调整的LMS自适应滤波算法

本文提出了一种新的步长独立调整的 LMS 自适应滤波算法.我们由最优步长约束式入手,导出了此种算法的公式,分析了新算法的收敛及失调,证明了新算法收敛快、失调小。     

一种自适应线谱对滤波器的新算法及在线性预测中的应用

本文从自适应格型滤波器导出自适应线谱对（ＬＳＰ）滤波器，使用最小均方（ＬＭＳ）型自适应算法逐级更新计算线谱对系数。实验表明。该算法与其它算法比较，具有更高的收敛率和较低的失调。用该算法计算得到的ＬＳＰ系数进行语音线性预测合成，获得比使用ＰＡＲＣＯＲ系数更好的效果。     

自适应格形算法的并行实现

本文提出一种基于自适应格形算法的并行实现方法。它节省硬件,处理速度高,但不影响算法的性能,适用于高速、高性能的实时处理。     

GLMS系列算法和时变信号模型的自适应处理

提出了具有指数数据窗的GLMS算法和近似GLMS算法.分析和计算证明,两算法不仅具有较高的起始收敛速度,而且还有较强的跟踪能力和小的失调量,适用于时变和非时变信号模型的自适应处理.     

应用于助听器反馈抑制系统的变步长归一化子带自适应滤波算法

为减小自适应滤波算法中较快的收敛速度与较低的失调量之间的矛盾,提出了一种变步长归一化子带自适应滤波(VSS-NSAF)算法,并将其用于助听器声反馈抑制系统.该算法基于滤波器系数短时平均和长时平均之间的归一化距离,将滤波器的更新状态分为收敛状态、过渡状态和平稳状态.滤波器可在不同更新状态下自适应地使用不同步长,收敛状态下使用大步长以保证快速收敛,过渡状态下则使用逐步减小的阶梯状步长以进一步降低失调量,平稳状态下使用小步长以保证系统收敛至稳态解.仿真实验结果表明,与传统的归一化最小均方误差(NLMS)算法及其他子带自适应滤波算法相比,所提算法的收敛速度更快,平均稳态失调量更低.     

适用于光纤网格的可自适应调度算法

根据光纤传输特性建立光纤网格模型,给予网络资源同计算、存储等网格资源同等的地位,并将数据传输中网络资源的分配考虑进去,从而真实地反映出网络占用对整个工作调度的影响.基于List Scheduling算法描述一种应用于光纤网格上的可自适应的任务调度算法,其中的路由算法通过修改Dijkstra算法而得到.同固定算法的比较结果证明了该可自适应算法的有效性.     

采用归一化SG算法的自适应格型预测器

由于格型结构预测器所具有的优点,使它在许多自适应系统中得到了很好的应用。本文着重研究了采用归一化 SG 算法的自适应格型预测器。文中给出了归一化算法的推导,讨论了预测器系数的收敛特性以及格型预测器级数对预测器的影响。     

一种修正格型自适应陷波器在科氏流量计上的应用

根据格型自适应的结构原理,运用了一种频率响应非对称的修正自适应格型陷波器(improved adaptive lattice notchfilter,I-ALNF)在科氏流量计上的应用,并把零极点参数全部引入自适应算法中,使得算法与陷波器完全匹配,且使陷波器具有更好的特性。仿真结果表明,修正格型自适应陷波器比格型自适应陷波器的频率跟踪精度更高,稳定性更好。     

一种改进自适应算法的收敛性

本文分析了改进自适应算法收敛条件，给出了算法收敛的新概念，从失调的表确表达式出发，解出了算法收敛的步长范围。     

基于信噪比的改进变步长LMS算法及应用

在无线直放站反馈干扰抵消的过程中,自适应滤波器的误差信号可以接收目标信号与残余回波的混合,是阻碍滤波器根据残余回波强度,快速调整抽头系数.利用误差信号的特点,给出了一种基于信噪比的改进变步长最小均平方(least mean square,LMS)自适应算法.该算法利用误差信号和滤波器的输出信号作为目标信号和反馈干扰信号的估计,根据目标与干扰信号的功率比值来调整自适应滤波器的步长.计算机仿真结果表明,该算法具有快速的初始收敛速率和较小的超量均方误差.在稳态情况下,对于干扰的突变能够快速地再次收敛,表明该算法在反馈干扰抵消方面的性能优于已有的算法.     

带状非线性方程组的一种换元解法

本文对带状非线性方程组提出一种新的直接换元修正解法,得到了该算法的超线性收敛性结果及收敛阶估计,并且给出该算法与Newton法和直接弦修正算法的数值比较。     

解大型对称矩阵特征值问题的一个子空间加速截断牛顿法

基于非线性优化中的截断牛顿法提出了解大型稀疏对称矩阵特征值问题的一个子空间加速的截断牛顿法,证明了算法的收敛性并进行了数值试验,数值试验结果表明数值结果与理论分析相符,表明该算法是有效的。     

基本蚁群算法的A.S.收敛性研究

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法，虽然该算法已经在众多组合优化领域中得到广泛应用，但是对其收敛性尤其是A．S．（AlmostSurely）收敛性问题的研究还存在很多空白．本文在介绍蚁群算法基本原理的基础上，以Markov链和离散鞅作为研究工具，对基本蚁群算法的A．S．收敛性问题进行了理论证明，把最优解集序列转变为下鞅序列来考察残留信息素轨迹向量的收敛性，随后提出了基本蚁群算法首达时间的定义，并对基本蚁群算法首次到达时间的期望值进行了理论分析．     

等式约束最优化问题的一种信赖域算法

对一般非线性等式约束最优化问题提出了一种信赖域算法,其子问题较易求解。证明了算法的整体收敛性和局部超线性收敛性,并给出了数值结果。     

解矩阵方程的一种多项式预处理技术

先引入多项式预处理技术,用一次插值多项式法构造出一个合理的多项式预处理矩阵并对矩阵方程进行预处理,这样不仅可以缩小矩阵的奇异值的分布范围,而且能达到改善其奇异值比的目的;然后给出了新的算法,并分析了该算法的收敛速率的估计式,此估计式表明,只要采用恰当的预处理技术就可显著地提高迭代法的收敛速度;最后给出了数值例子,结果说明经过预处理后的矩阵方程比原来的矩阵方程的收敛速度更快,这充分表明了矩阵方程在多项式结构的预处理矩阵下求解速度的优越性,也说明通过一次插值多项式的构造来选取预处理矩阵是可行的.     

不光滑凸函数的下降算法

给出一个易在计算机上实现的极小化凸不光滑函数的下降算法，在目标函数下有界的条件下，证明了算法的全局收敛性；此外还把算法推广到约束凸规划问题，得到了与无约束问题同样的收敛结果，如果约束是线性的，则算法是数值可行的。和已有的下降算法相比，该算法具有更好的适应性。     

变分不等式有限元逼近的并行Schwarz算法

讨论了单障碍问题有限元逼近的并行Ｓｓｈｗａｒｚ算法，建立了与吕涛的算法等价的实用算法，并说明了其收敛性，同时讨论了该处对于贴合于分量有有限步收敛性。     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

非线性不等式组的非内部连续化方法

针对非线性不等式问题,利用投影函数和引入的光滑函数,提出了一个非内部连续化算法.算法对初始点的选取没有任何要求,并且每次迭代最多只求解一个线性方程组.在一定的假设下,算法是全局收敛和局部二次收敛的.数值实验表明了算法的有效性.     

粒子群优化算法收敛性分析

对粒子群优化算法的收敛性进行了分析,给出了收敛条件,数值试验计算验证了收敛性分析结果。讨论了粒子群优化算法参数选取的基本原则。