基于压缩感知的自适应匹配追踪算法优化

针对基于压缩感知的稀疏自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法运行效率低的问题,给出了一种优化的自适应匹配追踪(modified adaptive matching pursuit,MAMP)算法.该算法在支撑集选择过程中对稀疏度进行了初步估计,并优化了迭代停止的条件.实验表明,该算法相比于SAMP有更快的收敛速度,并且实现更优的重建效果.     

基于Barzilai-Borwein迭代的低复杂度大规模MIMO信号检测算法

在大规模多输入多输出系统中,最小均方误差(minimum mean square error, MMSE)算法能达到接近最优的线性信号检测性能,但是MMSE算法需要复杂的矩阵求逆运算,这限制了该算法的应用。为了降低运算复杂度,改进MMSE算法,利用Barzilai Borwein(BB)迭代算法来避免矩阵求逆运算,提出了结构简单的BB迭代信号检测算法,且基于信道硬化特性进一步优化了迭代初始解以加快算法的收敛速度。理论和仿真结果表明,所提出的BB迭代算法的性能优于最近提出的Neumann级数展开算法,而其复杂度相比截短阶数i=3的Neumann级数展开算法减少了一个数量级;且该算法收敛速度较快,在给定初始值的条件下,通过简单的几次迭代,能够快速接近MMSE算法的检测性能。     

图像分割问题的梯度投影算法

针对Berkels提出的无约束严格凸的图像分割模型,在Bermudez-Moreno对偶算法的基础上提出了一种不仅易于实现并能快速得到全局极小值的梯度投影算法.首先,解释了Bermudez-Moreno对偶算法可用于模型问题的求解并推导出迭代计算格式;然后,证明了迭代格式的收敛性并分析了其收敛速度;最后,仿其实验表明了所提出算法能够有效地、快速地求解图像分割问题.     

基于联合极性迭代的载波相位恢复盲均衡算法

为了克服基于统计特性均衡准则的线性盲均衡器均方误差大、计算复杂及多途信道引起的载波相位旋转等问题,在研究基于极性迭代的线性盲均衡器与判决引导盲均衡器的基础上,引入数字锁相环技术,提出了一种基于联合极性迭代的载波相位恢复盲均衡算法.该算法利用极性算法来减小计算量,利用判决引导算法来减小均方误差,利用锁相环技术来克服多径衰落信道引起的载波相位旋转.水声信道盲均衡的仿真结果表明:该算法均方误差小,收敛速度快,计算复杂度低,并能快速纠正信道引入的载波相位旋转.     

一种迭代的核密度估计视觉目标检测算法

利用srgb颜色空间性质,提出了一种基于Epanechnikov核函数的非参数核密度估计进行视觉目标检测,基于贝叶斯理论的迭代决策方法进一步消除噪声并增强了二值检测结果.在迭代过程中,模拟退火加快了收敛速度.仿真证明,算法能够抵抗光照变化和阴影等带来的不良影响,得到优异的目标检测结果;与几种经典方法相比,在大大降低误检率的同时提高了目标正确检出率,具有良好的实用价值.     

基于混合遗传-粒子群算法的相控阵雷达调度方法

针对相控阵雷达中的任务调度问题,提出一种融合了粒子群算法、遗传算法和启发式交错调度算法的混合算法。采用混沌理论优化粒子群算法的飞行参数,设计递减的动态惯性权重,以及引入遗传算法中的交叉、变异操作,使得算法能够快速收敛,并跳出局部最优实现全局最优。在智能算法的框架下,提出一种启发式的任务交错算法,使得雷达任务中等待期的时间资源进一步得到利用。仿真结果表明,相比于遗传算法,所提算法的收敛速度更快,结果更优;相比于传统的启发式算法,所提算法的调度成功率提升了42%,时间利用率提升了40%,实现价值率提升了33%,时间偏移率减少了73%。     

存在基站误差的稳健时差定位算法

针对存在基站误差的目标无源定位问题,提出了一种基于修正牛顿算法的时差定位技术。众所周知,牛顿法对初值要求较高,较差初值会导致迭代发散,而且基站位置误差也会导致牛顿算法Hessian矩阵维数扩大和目标函数的缓慢下降,使运算量变大。该算法利用最大似然方法确定目标函数,运用牛顿法对目标位置进行迭代求解,对于计算过程中可能出现的病态Hessian矩阵,引入正则化理论修正病态的Hessian矩阵,使保证迭代收敛,同时简化算法降低Hessian矩阵的维数并且加速目标函数的下降趋势,使目标位置解脱离局部最小值,算法能够稳健高效的运行。实验结果表明:相对于传统牛顿法,此算法在初始值的选取上具有稳健性,对误差选取较大的初始值,仍能够保证算法的收敛性,同时加速了收敛速度,降低了计算量;相对于现有闭合式定位方法,此算法在噪声较大时具有较好的定位精度。     

基于粒子群算法的抽油机故障诊断研究

提出了一种动态改变学习因子的粒子群算法,用以保证在粒子群优化算法的初始阶段,使粒子在进化初期仔细地在自身的邻域内搜索,防止粒子快速向局部最优解汇聚而错过自身邻域内可能存在的全局最优解,而在进化后期,使粒子快速、准确地收敛于全局最优解,提高算法收敛速度和精度。利用改进后的粒子群算法优化神经网络的权值和阈值,并把优化后的神经网络应用到抽油机故障检测中,结果表明用改进后粒子群算法优化的神经网络对抽油机进行故障诊断较传统BP算法更具准确性与快速性。     

非刚体图像配准中一种改进的点匹配方法

为了解决在非刚体点匹配过程中，由于点集之间相对位置变化的复杂性，导致配准结果易收敛于局部最小值点的问题，提出了基于预中心配准的非刚体点匹配联合估计法。在用迭代最近点算法确定两个点集中的点之间的对应关系前，通过预先进行两个点集的中心配准的方法，可以更加合理地确定点之间的对应关系，从而使匹配结果可以最大程度地收敛于全局最优点。仿真实验表明，此方法和传统算法相比，在没有明显增加运算量的前提下，匹配效果更佳。     

跨越连接BP算法及其在卷烟制丝工艺中的应用

传统BP神经网络算法及其改进算法都是非完全全连接神经网络算法,具有收敛速度慢,泛化能力差等不足.通过对神经网络连接方式的转化,可以得到一种完全全连接神经网络--跨越连接神经网络,并给出了跨越连接BP神经网络算法.针对卷烟制丝工艺的仿真实验表明,该算法具备描述复杂数据的能力,与传统BP算法相比,网络训练收敛速度快且泛化能力强.