衰落信道下的恒模多用户检测技术

针对CDMA系统中的多用户检测问题,提出了一种应用恒模性质的新算法.分析了衰落信道下的等效离散接收信号模型,给出其矩阵表达式,进而推导出了接收端均衡器的权系数与等效扩频码矩阵间的关系.计算机仿真表明该算法理论正确,可以获得较好的收敛特性.     

流出系数故障对三容水箱系统的影响

研究了三容水箱中流出系数故障对系统稳定性的影响,流出系数的变化直接影响了一步转移矩阵的稳定性,进而影响了系统的整体性能。首先,通过建立三容水箱的模型,得出了系数矩阵与流出系数的关系,然后通过仿真模拟,得到了各个流出系数对系数矩阵特征值的影响的仿真图。最终根据仿真图分析了流出系数故障对三容水箱系统稳定性的影响。     

基于T-S模型的离散非线性系统的迭代学习控制

针对离散T-S模糊系统的轨迹跟踪控制问题,提出了基于离散Legendre正交多项式的迭代学习算法.该方法利用离散Legendre正交多项式展开技术及其移位运算矩阵,导出了系统基于离散Legendre多项式展开的近似模型,建立了输入量与输出量之间的代数方程约束关系.在此基础上,用迭代学习的方法可修正输入量的Legendre多项式系数,所得算法可用于具有任意相对阶的离散非线性系统.仿真实例表明了该算法的有效性.     

基于矩阵摄动理论的微电网建模与优化控制

针对微电网系统稳定性和输出一致性问题,提出了一种优化控制方法.首先,建立了微电网系统小信号模型、系数矩阵和增量摄动矩阵,解决了系统特征值求解过程中的计算量大的问题.在此基础上,以稳定性、阻尼比和稳定裕度为性能指标建立了初次优化目标函数,矩阵摄动理论与人工鱼群算法相结合,对系统进行了初次优化控制.同时,为了保证微电网中各微源输出的频率和电压一致性,建立了再次优化目标函数,应用人工鱼群算法对系统进行了再次优化控制.最后通过仿真验证了所提控制策略的正确性与有效性.     

基于递推总体最小二乘的机载单站无源定位算法

对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况,采用经典的最小二乘(LS)算法会导致估计结果有偏,而一般的批处理算法运算量大,不满足定位的实时性要求.为此提出一种递推总体最小二乘定位(RTLS)算法.在建立机载无源测向定位模型的基础上,引入由系数矩阵和观测向量构成的增广矩阵,利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程,从而推导出RTLS定位算法.仿真结果表明,RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法,并且实现了TLS算法对目标位置的实时估计,能够定位需求.     

带回热器冷藏机组的动态仿真

为了建立带回热器的往复式冷藏机组的数学模型并仿真求解,采用引入压缩机出口比焓这一未知变量,利用冷剂的温度、压力、比容和比焓的拟合关系求取矩阵系数,以及多变量函数的Taylor幂级数将原函数展开而进行线性化降阶处理的方法,改进了仿真算法,进行了机组模型的动态仿真.实验验证新建模型正确,改进算法提高了仿真速度和精度.模型和算法可用于机组的模拟器研发和控制策略.     

基于LMI的鲁棒MPC及其在三容系统中的应用

多容器流程系统的流量系数等往往存在不确定性,基于线性矩阵不等式(LM I:L inearM atrix Inequality)理论和模型预测控制原理,讨论了模型不确定系统的鲁棒MPC(Model Pred ictive Control)算法和准最小最大鲁棒MPC算法。最后给出了对三容系统的仿真结果,并将两种方法进行了比较。结果表明,采用准最小最大MPC方法时系统的性能更优越。     

基于RBF元模型集的多变量全局优化算法研究

首先提出元模型集的概念,根据RBF函数的特点,将其系数向量转化为系数矩阵,使得多个变量可在同一元模型中进行仿真.其次针对通过采样点计算Pareto适存度矩阵困难的问题,提出了增量迭代式Pareto适存度计算方法,利用上一次迭代产生的适存度值直接更新,减少了计算工作量.最后将元模型集和增量Pareto适存度算法应用到多变量全局优化算法中,并将其应用于数值计算以及五杆平面桁架结构优化设计中.结果表明该方法科学合理,效果明显.     

广义异步并行多分裂块松弛迭代算法

给出了求解大型线性代数方程组的适用于ＭＩＭＤ系统的异步并行多分裂块松弛迭代算法的一般模型,并在系数矩阵为块Ｈ－矩阵的条件下建立了该算法模型的收敛性理论．     

机电系统通用建模矩阵法

建立了机、电、液元 (部 )件传递矩阵模型的统一表示形式 ,列出了典型元 (部 )件的传递矩阵模型 .将网络节点及扰动边界条件表示成标准矩阵形式 ,建立了适合于分布参数机电耦合系统频域建模的通用传递矩阵法 ,为大规模机、电、液网络的频率特性计算及仿真提供了一种新的手段 .研究结果表明 :复杂网络拓扑结构可用规范的系数矩阵描述 ,通过常规矩阵运算可有效地对网络的固有特性进行频域仿真 .     

一种基于信息最大准则的盲源分离新算法

提出了一种基于信息最大准则的盲源分离新算法.新算法在当前时刻的系数更新时充分利用先前迭代过程的信息,并在每一步迭代时归一化权系数矩阵.仿真表明,新算法应用于盲图像信号分离时得到了很好的分离效果.     

基于正交多项式的迭代学习控制算法及其应用

针对存在不确定扰动的线性系统的轨迹跟踪控制问题,提出了基于正交多项式的迭代学习算法．该算法利用正交多项式级数将系统参数化,运用其积分运算矩阵,导出了一种基于多项式级数的线性系统的近似模型．在此模型基础上,用迭代学习的方式来修正输入量的多项式展开系数,并运用LMI方法求解学习增益矩阵．所得算法在系统不满足正则性或无源性时,仍可以用输出误差信号来构造学习律．将该方法运用到直线电机的控制中,仿真结果表明,新算法能明显地提高直线电机的控制精度。     

约束秩亏间接平差模型的解法及其应用

约束秩亏间接平差模型的基础方程的系数矩阵为一分块矩阵,由于其左上角的子矩阵秩亏,无法直接计算分块矩阵的逆矩阵.经过矩阵运算,构建了一个新的可以直接求逆的分块矩阵,并通过常规的分块矩阵求逆方法,推算出基础方程的系数矩阵的逆矩阵直接显性表达公式.通过数值实验和其他模型计算结果比较,验证了算法和公式的正确性.     

基于压缩感知的图像水印算法研究

提出一种基于压缩感知和非采样Contourlet变换的数字图像水印算法.首先使用NSCT变换对载体图像进行稀疏分解,对低频系数矩阵进行Arnold置乱;然后采用高斯观测矩阵对系数矩阵进行压缩感知测量,在感知域(压缩信号)中进行水印嵌入;最后使用OMP算法恢复重组的低频矩阵信号,使用NSCT逆变换重构图像.算法中,测量矩阵同时充当了密钥的作用,增强了算法的安全性,此外Arnold变换也增强了水印的不可见性和安全性.仿真实验证明,所提算法对加噪、滤波、旋转具有较高的鲁棒性.     

基于并行粒子群优化算法的预失真器设计

高功率放大器是无线通信系统中非线性失真的主要来源之一. 数字基带预失真技术能有效地降低系统非线性失真,提高系统传输性能. 采用Hammerstein模型作为预失真器的模型结构,通过粒子群优化算法(particle swarm algorithm, PSO)估计预失真器系数,解决了梯度算法无法直接估计Hammerstein模型系数和易陷入局部极值等问题. 通过对PSO算法进行并行优化设计,使算法最大加速度比达3以上,加快了算法处理速度. 仿真结果表明新算法能够有效抑制系统带外频谱再生现象,减小相邻信道功率比(ACPR)达25 dB.      

一种基于衰减-时延聚类估计的欠定语音盲分离算法

针对衰减-时延混合模型,提出一种改进的欠定语音盲分离算法.第一步根据独立语音源在时频域上的稀疏性,用势函数法分别聚类估计衰减矩阵和时延矩阵,然后配对以确定各声源混合矩阵.第二步由估计的混合矩阵,采用改进最短路径法恢复出目标语音.为了减少计算量,设置门限对能量较小的时频点直接置零处理,在衰减矩阵和时延矩阵聚类估计时采用了分段聚类算法.仿真实验表明本文算法分离出的语音和源语音相似系数达0.96,0.97,0.93,信噪比达12.66dB,12.86dB,8.87dB,且有效减少了计算量,证明了该算法的可行性和有效性.     

基于图像熵分块的压缩感知字典学习算法

针对传统字典学习算法预处理阶段未考虑图像内外部特征的问题,提出一种基于灰度梯度矩阵的图像熵字典学习算法.该算法通过灰度梯度矩阵计算图像块熵值,并对各图像块进行分类,每类数据组合成训练数据集,再利用基于系数矩阵的奇异值分解算法更新各类子字典.对测试图像的稀疏表示系数进行重建实验,仿真结果表明,该算法可高效训练出自适应稀疏字典,显著提高图像重建精度.      

一种含积分环节系统多步预测多步控制的算法

利用Laguerre正交函数序列对空间函数的良好逼近特性,建立了线性动态系统的Laguerre函数近似模型,该模型不需要对象的阶次和时延等结构知识,通过在线辨识对象的Laguerre系数矩阵,能较好地逼近结构未知系统。另外探讨了含积分环节单变量系统的多步预测和多步控制算法,并进行仿真,结果表明该算法具有较好的控制性能。     

带有MPPT功能的光伏矩阵仿真模型

基于光伏矩阵的物理特性,在Simulink仿真环境下,设计带有最大功率跟踪技术MPPT仿真算法的光伏矩阵仿真模型,应用于实际的单相光伏并网系统．测试数据表明,仿真模型可以模拟任意参数的光伏阵列、动态跟踪光照强度、环境温度的变化,为光伏发电系统动态仿真提供良好设计平台．     

基于组合信号源的非线性系统的子空间辨识

为解决对非线性采样系统的状态空间Hammerstein模型难以辨识的问题,提出了基于组合信号源的辨识方法.首先用组合信号源将静态非线性环节和动态线性环节分离.其次,采用模糊神经模型拟合静态非线性环节,有效地避免了采用多项式方法逼近非线性函数的限制,拓宽了非线性模型的适用范围;采用子空间算法估计采样系统的状态空间参数矩阵.最后,通过对两个非线性Hammerstein系统模型的仿真,验证了所提出的辨识方法,既简化了辨识过程,对非线性模块能够较好地拟合,又可以很快估计出状态空间方程系数矩阵,从而证明了所提方法的准确性和有效性.