强耦合等微增率方程组求解的稀疏技巧

对电力系统经济调度中梯级电站的水系耦合，提出一种在等微增率方程中既计及水系耦合影响、可利用稀疏矩阵技巧，又具有分解协调作用的算法。算例计算结果表明，本文算法的收敛性，计算速度和计算结果的准确度均令人满意。     

基于非负Tucker 3分解的稀疏分量分析在故障信号提取中的应用

针对初始故障信号不稀疏难于判断的问题,在非负Tucker 3分解(NTD)的基础上,提出了一种基于NTD的稀疏分量分析(SCA)处理二次特征信号的方法.同时,为了克服NTD算法收敛慢、易陷入过拟合等局限性,对分解因子增加了非负约束,并提出了对分解因子一次更新的算法.对比传统的最小交替二乘法,该更新算法能一次性地计算所有分解因子,避免了计算大规模的Jacobian矩阵,从而较大地提高了算法的效率.实验结果表明:NTD和SCA相结合的方法(SCA_NTD)只需迭代约150步可达到收敛,而且在频谱稀疏性处理方面优于NTF等传统的方法;在分解相同维数张量的条件下,SCA_NTD的最高精度达到了97.16%.因此,SCA_NTD不仅能够改善信号特征的稀疏性,而且对提高算法的收敛速度和精度也具有重要的意义.     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究，提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分，然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵，即参数化稀疏表征。在算法迭代过程中，通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则，计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展，因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势，同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。     

实矩阵降维的稀疏贝叶斯跳频信号DOA估计

提出一种基于实数域矩阵降维的稀疏贝叶斯跳频信号到达角(DOA)估计算法.该算法通过酉矩阵变换将复数域信号稀疏表示转换至实数域,利用奇异值分解对实数域数据矩阵进行降维,降低了计算复杂度;通过改进稀疏贝叶斯算法中预设阈值的比较方式和噪声方差初始值的设置方法,减少算法迭代次数.仿真结果表明:在低信噪比或低快拍数条件下,该算法DOA估计精度优于传统的稀疏贝叶斯学习算法,所需计算时间更少,且不受跳频信源相干性影响.     

低秩矩阵和结构化稀疏分解的视频背景差分方法

针对基于矩阵分解的视频前景检测传统算法中忽视前景元素之间相关性会导致检测结果容易受噪声干扰和运动目标检测不完整等问题,提出了一个低秩矩阵和结构化稀疏分解的视频背景差分算法。该算法充分考虑到视频前景区域的结构化分布特征,利用结构化稀疏范数对前景进行约束;针对矩阵分解方法中参数选择的难题,采用了一种基于运动显著性判定的两步法来实现动态背景去除和正则化参数的自适应选择,即第一步利用低秩和结构化稀疏分解获得运动候选块,第二步对运动候选块进行显著性分析并利用自适应正则化参数的块稀疏分解进行前景检测。实验结果表明:与现有的基于矩阵分解的前景检测方法相比,该算法能够更加适应复杂多变的视频环境,在I2R测试库中检测出的前景有较高的精确度和召回率。     

一种非负矩阵分解的快速稀疏算法

提出了一种非负矩阵分解的快速稀疏算法,该算法有利于处理高维小样本数据.在非负矩阵分解的过程中,通过代数变换,将原高维n×m阶的非负矩阵分解转化成低维m×m阶非负矩阵分解,大大提高了分解速度.在目标函数中加入了约束稀松度的项,通过控制稀松度,提高分解得到的潜在语义信息,改进文档集的话题划分,并能快速提取主题相关的语句生成文摘.     

基于变量相关性分解方法的稀疏线性方程组并行求解算法

稀疏线性方程组的求解是许多大规模科学计算任务的核心环节。目前,并行算法的发展为稀疏线性方程组的求解提供了新的思路和强有力的工具。然而,现有的并行算法存在一些缺陷,如最优子矩阵的划分难以获得、并行任务间的同步开销较大等。针对上述问题,该文提出一种基于变量相关性分解方法的稀疏线性方程组并行求解算法。该算法首先对系数矩阵进行不完全LU分解,得到上三角和下三角方程组,然后在这2个方程组求解过程中利用y与x的关系分解变量的相关性,同时并行计算变量的独立部分值,最后将所有的独立部分值相加得到变量的最终值。由于算法中变量的求解无需等待其所有前继变量计算完成即可进行部分值计算,因此有效减少了算法的执行时间,进而提高了算法的求解速度及并行度。实验结果表明:与调用cusparse库函数实现的并行求解方法相比,该文提出的算法能将稀疏线性方程组的求解速度提升了50%以上。     

一类正割修正矩阵带有直接分解且保持稀疏性的拟牛顿法及其收…

改进了Ｂｏｇｌｅ和Ｐｅｒｋｉｎｓ就求解稀疏性非线性方程组提出的能够保持正割修正矩阵稀疏性的拟牛顿法，进而提出一类带有直接分解的正割修正矩阵且保持稀疏性的拟牛顿法。进行了数值计算，效果良好；在适当条件下Ｑ－超线性收敛。     

基于测试不变性方程的矩阵分解技术在相控阵天线分析与设计中的应用

将MDMEI引入平面相控阵天线的分析与设计算法之中,通过选择适当的测试函数(Metrons),成功地实现了矩阵方程中满系数矩阵的分解与高度稀疏化,其稀疏率不超过4.1%.方向图的数值计算结果表明,除H平面极远区个别副瓣以外,MDMEI结果具有良好的精度.该技术可以显著提高相控天线的优化设计效率.     

大型结构动力特性的Lanczos算法程序设计

本文针对大型结构动力分析中结构总体刚度矩阵的对称性和稀疏性，使用稀疏矩阵数据管理方法实现并优化了Lanczos算法，显著地降低了Lanczos算法的时间和空间复杂度，并将该算法应用到大型结构动力学特性计算问题中经算例测试表明了该算法实施的正确性、可靠性和实用性．     

中国温带疏林的地理分布、生态地位及成因

 中国分布的疏林类型众多,除了在热带分布的疏林(或稀树干草原)外,还有温带阔叶疏林和温带山地针叶疏林两种生态系统,具体包括榆树(Ulmus pumila)疏林、天山云杉(Picea schrekiana)疏林、侧柏(Platycladus orientalis)疏林、杜松(Juniperus rigida)疏林、樟子松(Pinus sylvestnis var. mongolica)疏林、西藏落叶松(Larix tibetica)疏林、亚东冷杉(Abies densa)疏林、巨柏(Cupressus gigantea)疏林、大果圆柏(Sabina tibetica)疏林、滇藏方枝柏(Sabina wallichiana)疏林、方枝柏(Sabina saltuaria)疏林、大果红杉(Larix potaninii var. macrocarpa)疏林、西藏柏木(Cupressus torulosa)疏林、密枝圆柏(Sabina convallium)疏林、长叶松(Pinus roxburghii)疏林、云南松(Pinus yunnanensis)疏林、川西云杉(Picea likiangensis var. balfouriana)疏林、黄榆(Ulmus macrocarpa)疏林、臭椿(Ailanthus altissima)疏林等生态系统类型,疏林生态系统(或疏林植被)应该是介于森林和草原(或灌丛)之间的一种过渡的植被类型,是一种地带性植被类型.疏林的分布是系列生态因子综合作用的结果,但其决定因子是水分.在中国大陆,沿纬度梯度从低到高的地带性植被应为雨林、季雨林、常绿阔叶林、落叶阔叶林、疏林、灌丛或草原,从东到西沿经度梯度依次为(阔叶和针叶)森林、(阔叶和针叶)疏林、草原、荒漠.在高原地区,沿海拔梯度的分布从低到高主要是森林、疏林、灌丛、草原或草甸.与森林、灌丛和草原相比,疏林的分布面积相对较小.中国疏林的分布区域大体位于农牧交错带地区,即从森林到草原过渡的地区.对疏林成因的理解,有利于区域生态恢复措施的选择.     

基于SSR子带信息融合的波达方向宽带估计算法

针对SIF方法在进行带宽DOA估计时,共同利用所有频点信息来弥补单个稀疏信号表示向量(SIV)的问题,基于多个频率测量向量的单稀疏表示信号,提出了一种新的子带信息融合算法(SIF).SIF方法属于稀疏信号表示域,它会受到代数混淆和空间混叠2个模糊性因素的影响.组合所有频率成分可以减小这2个模糊性因素的影响,通过SIV对SIF算法进行了弥补.通过大量的模拟仿真结果表明,与W-CMSR算法相比,基于稀疏信号SIF方法的波达方向宽带估计算法具有更加优越的性能.     

稀疏列表法在电力电子电路分析中的应用

由于电力电子电路中开关元件的状态不断变化，因而其电路分析程序的编制较为复杂，文中介绍了采用稀疏列表法和稀疏技术处理电力电子电路的分析方法，利用此法方便地实现了程序的编制，并用实验结果对其进行验证     

非高斯过程与微小故障的故障检测方法

针对生产过程中数据服从非高斯分布的故障检测问题进行了讨论,给出了一个改进的基于稀疏表示的故障检测方法,并通过构建重构误差控制限和距离控制限区间,提高了基于稀疏表示的故障检测水平;给出了在统一框架下的微小故障检测方法,并通过在微小故障字典矩阵中引入时间常数t来提高针对微小故障的检测水平;通过两例数值仿真验证了方法的有效性,并与经典的基于主元分析的故障检测方法进行了对比.结果表明,所提出的方法在上述2种情况下的故障检测水平均超过基于主元分析的故障检测水平.     

针对非格点参数的双基地MIMO雷达联合稀疏恢复

将稀疏恢复应用于雷达参数估计中,在保证估计精度同时,可大幅减少空时采样个数;但当目标参数不在格点时,估计误差会明显恶化。针对双基地MIMO雷达中不在格点的参数估计问题,引入联合稀疏优化方法,构建结构化误差矩阵和块稀疏向量。推导了进行参数估计的修正表达式,然后利用块稀疏算法求解,可有效提高稀疏恢复的精度。为解决计算复杂性,引入快速KCS稀疏恢复算法。仿真表明,在典型恢复场景下,可明显提高参数估计精度;同时计算时间节省1个数量级以上。     

优化潮流牛顿算法的研究及应用

研究了电力系统优化潮流问题的牛顿算法，并将该算法应用于求解无功优化问题。在算法上结合电力系统的ＰＱ解耦特性，采用主迭代之后进行试验迭代的方式来处理越界的不等式约束。在试验迭代中，应用稀疏矢量技术，提高了确定起作用不等式约束的效率。在主迭代中，提出了一种拟罚函数算法，处理有功电源和无功电源不等式约束，进一步提高了计算速度。无功优化问题的计算实例证明本文的算法是有效的。     

基于非局部稀疏特征的行人检测方法

利用周围邻域信息约束进行加权稀疏表示以达到行人检测的目的.采用Fisher判别字典学习的方法,得到一个能够更好地提取图像的具有更强辨别性稀疏特征的字典,利用图像中周围信息约束,求得该字典表示下的稀疏特征,并根据对当前图像块的稀疏表示残差进行分类.INRIA数据库的实验表明非局部稀疏特征具有明显的区分能力.同时,对行人目标进行邻域约束,能够有效地表示出同目标区域的稀疏特征.     

二次近邻稀疏重构法及人脸识别

基于整个数据集的稀疏表示(sparse representation classification,SRC)用于人脸识别在很大程度上影响了运行效率.如何利用较少样本稀疏表示在保证计算效率的同时,识别率也有一定提升,尤其是面对光照、角度、姿态等非受控环境,目前仍是一个问题.考虑到协同表示(collaborative representation classification,CRC)基于l2范数稀疏求解的优势,为进一步提升CRC的整体分类性能,引入类内近邻,提出一种二次近邻稀疏重构表示法.该方法首先在原始训练集上选择各类训练样本中与待测样本距离相近的若干样本组成近邻样本集,并协同表示,接着分别用各类近邻样本重构待测样本,再次选择与待测样本相近的若干重构样本协同表示,最终实现模式分类.在ORL和FERET数据库上的仿真实验表明,相比现有的一些CRC算法,该方法在一定程度上缩短了运行时间,并使识别更精确.     

一种改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法基础上提出了一个改进的稀疏子空间聚类算法。首先,利用高维数据可以通过同一子空间的低维数据稀疏地表示这一理论,建立一个稀疏最优化模型,获得稀疏矩阵。然后把稀疏矩阵应用到一个正则化谱聚类算法中,从而有效地把数据聚类到子空间中。最后,该算法应用到一个视频序列中,对每个视频帧里的运动物体进行识别,并与现有的子空间聚类算法相比较。实验结果表明,该算法能够有效地识别运动物体,具有良好的实时性和有效性。     

基于叠加训练序列的稀疏信道估计

对于稀疏多径衰落信道,提出了一种叠加训练序列和匹配跟踪算法相结合的信道估计方法.为了提高系统带宽效率,采用迭代的叠加训练估计信道响应,该方法将一低功率周期性的训练序列直接叠加于信息序列,利用接收数据的均值求得信道响应,不需要任何额外带宽资源.在许多无线通信环境中,信道呈现稀疏特性,利用该稀疏特性,采用匹配跟踪算法估计信道响应中的非0点,以此可以降低加性高斯白噪声引起的性能损失.通过计算机仿真表明,本文的方法可以达到很好信道估计性能.