利用记忆梯度法改进的变步长恒模盲均衡算法研究

针对传统恒模盲均衡算法收敛速度慢、固定步长条件下收敛速度和收敛精度之间存在矛盾的缺陷,提出了一种利用记忆梯度法改进的变步长恒模盲均衡算法。用记忆梯度算法替代最速梯度下降算法实现对恒模盲均衡中均衡器权值的调整,充分利用当前和前面迭代点的梯度信息,同时利用梯度信息变化率作为学习步长调整因子。新算法有效地提高了算法收敛速度,与共轭梯度法和拟牛顿法等改进算法比较,具有较低的计算复杂度和更好的均衡性能。计算机仿真证明了这一算法的有效性。     

基于梯度矢量平均值的变步长恒模盲均衡算法

提出了一种新的变步长恒模盲均衡算法。新算法采用梯度矢量平均值的平方值作为调整步长的参量,解决了传统恒模算法(CMA:Constant Modulus Algorithm)中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾。理论分析和计算机仿真实验均表明,新算法与传统的恒模算法相比,具有更快的收敛速度和更小的稳态剩余误差。     

基于均方误差的变步长恒模盲均衡算法仿真

阐述了用于信道盲均衡中恒模算法的数学模型和基本原理,在此基础上进一步研究其改进的变步长算法.采用的改进算法是以剩余均方误差作为调整步长的参量,解决了传统恒模算法中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾.在分析不同步长对算法收敛性能的影响的时候,使用了集平均的处理方式,使得均方误差学习曲线变得较为平滑,易于比较.理论分析和计算机仿真实验均表明该算法与传统的恒模算法相比,具有更快的收敛速度和更小的稳态剩余误差.     

基于误差信号自相关函数的变步长恒模盲均衡算法研究

提出了一种自适应变步长恒模盲均衡算法，利用剩余误差信号的自相关函数估计值作为控制步长的因子来自适应改变步长的大小，克服了恒模算法存在的固有缺陷。理论分析和仿真实验均表明该算法与恒模算法相比，在收敛过程中加快了收敛速度，收敛后又能减小对均衡器参数的误调，具有更小的稳态剩余误差。     

基于恒模类的盲均衡算法的仿真研究

本文阐述了用于信道盲均衡的恒模算法的数学模型和基本原理。对近年来出现的恒模算法的改进算法——变步长恒模算法、修正恒模算法、多模算法、修正多模算法和双模式恒模算法进行了分析和仿真。仿真结果表明,与恒模算法相比,变步长恒模算法和多模算法有较小的剩余误差和较快收敛速度。修正恒模算法和修正多模算法则克服了信道传榆引起的相位偏移。     

归一化自适应共轭梯度恒模盲均衡仿真研究

为提高恒模盲均衡算法收敛速度,提出了一种归一化自适应共轭梯度恒模盲均衡算法并进行了仿真研究。利用级联滤波方法对恒模盲均衡器输入进行了重新定义,并在此基础上采用自适应共轭梯度算法对均衡器参数进行更新,对均衡器输入采用归一化进行处理,以保证算法的稳定性。共轭梯度算法计算复杂度介于LMS和RLS算法之间,与LMS算法相比较具有更快的收敛速度,仿真结果证明归一化自适应共轭梯度算法恒模盲均衡与传统恒模盲均衡算法相比具有更好的均衡性能,复杂信道条件下剩余码间干扰可降低约10 dB,均衡系统中引入的级联滤波器可视为时变信道的一部分,表明算法对于时变信道同样有效。     

采用输出误差符号判决的变步长常数模盲均衡

针对固定步长常数模盲均衡算法在收敛速度和收敛精度上存在矛盾问题,提出了一种采用输出误差符号判决的变步长常数模盲均衡算法。在每次迭代后根据常数模准则和判决引导准则计算均衡器输出误差。如果在两种准则下输出误差符号一致,则对步长值进行修正,否则,根据自适应均衡原理利用均衡器输入信号计算最大步长值,均衡器权系数采用大步长值进行更新。与现有变步长盲均衡算法比较,无需人工设置参数,更利于工程实现。计算机仿真结果证明,采用输出误差符号判决的变步长常数模盲均衡具有良好的均衡性能。     

采用输出误差符号判决的变步长常数模盲均衡

针对固定步长常数模盲均衡算法在收敛速度和收敛精度上存在矛盾问题,提出了一种采用输出误差符号判决的变步长常数模盲均衡算法。在每次迭代后根据常数模准则和判决引导准则计算均衡器输出误差。如果在两种准则下输出误差符号一致,则对步长值进行修正,否则,根据自适应均衡原理利用均衡器输入信号计算最大步长值,均衡器权系数采用大步长值进行更新。与现有变步长盲均衡算法比较,无需人工设置参数,更利于工程实现。计算机仿真结果证明,采用输出误差符号判决的变步长常数模盲均衡具有良好的均衡性能。     

基于正交小波变换的变步长盲均衡算法

提出了一种基于正交小波变换的变步长盲均衡算法。该算法将正交小波变换理论引入到常数模盲均衡算法中,充分利用小波变换对信号的去相关性及指数型变步长控制迭代过程的特性来加快收敛速度。与常数模算法及基于正交小波变换的盲均衡算法相比,该算法收敛速度快、稳态误差小、均衡效果好。水声信道盲均衡的仿真结果,验证了其的性能。     

联合CMA+DDLMS盲均衡算法

在数字视频广播有线标准接收机的盲均衡器中,通常采用恒模算法(CMA)进行系数的初始化计算。为了克服传统恒模算法收敛速度慢的缺点,该文提出了一种用于捕获阶段的快速盲均衡算法。该算法在捕获阶段同时利用恒模算法和面向判决的最小均方算法(DDLMS)的误差对系数进行更新,在不增加乘法运算次数条件下提高了均衡的性能。对该算法进行了理论分析,并针对正交幅度调制信号进行了仿真。结果证明,该算法能够在保证收敛精度的基础上,有效提高盲均衡收敛速度,同时便于硬件实现。     

一种改进的声回声抵消算法

NL MS(normalized least mean square)算法是是自适应信号处理中应用最广泛的算法之一 ,它的最大缺点是收敛速度慢 ,对非平稳信号自适应能力差。为提高声回声抵消算法的收敛速度 ,采取了将语音分析中常用的线性预测作为前置滤波器的方法来减少参考信号的相关性 ,采用步长控制的方法来提高收敛速度 ,同时保持了 NL MS算法稳定性好和算法简单的优点。最后在模拟环境下对算法进行了测试 ,证明了比 NL MS算法具有更高的收敛速度和回声抵消量     

解整数规划问题的新方法——三步法

本文就整数规划问题提出了一个逐步求解方法——三步法,此法可根据问题的规模和需要求得最优整数解或近似最优整数解。分析与上机运算结果表明,在解大规模整数规划问题的收敛速度方面,本算法明显优于已有的整数规划算法。     

智能PID拥塞控制算法

针对主动队列管理(AQM:Active Queue Management)几种算法存在响应时间较长并在时延较大时都不能使队长度收敛到期望值的问题,提出一种智能PID(Proportional Integral Differential)控制主动队列管理算法,给出了该算法的详细描述.仿真实验表明,该算法不仅在时延较小的情况下是稳定的、鲁棒的,且响应速度优于REM(Random Exponential Marking),PI(Proportional Integral)控制,PID控制等算法.同时,对于大时延的网络,该算法也是稳定、收敛的.     

改进的Elman网络在非线性系统辨识中的应用

通过对Elman网络的研究,提出一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络,给出Elman网络的标准BP学习算法,针对标准BP算法的收敛速度慢和容易收敛于局部极小点的缺点,利用非线性动量项自适应变步长的BP算法进行改进,从而提高算法的收敛速度,避免陷入局部极小点的问题.通过在系统辨识中的应用,表明该网络收敛速度快,模型精度高,并具有较强的自适应性和鲁棒性,适合于动态系统的实时辨识.     

A hybrid genetic algorithm based on mutative scale chaos optimization strategy

In order to avoid such problems as low convergent speed and local optimal solution in simple genetic algorithms, a new hybrid genetic algorithm is proposed. In this algorithm, a mutative scale chaos optimization strategy is operated on the population after a genetic operation. And according to the searching process, the searching space of the optimal variables is gradually diminished and the regulating coefficient of the secondary searching process is gradually changed which will lead to the quick evolution of the population. The algorithm has such advantages as fast search, precise results and convenient using etc. The simulation results show that the performance of the method is better than that of simple genetic algorithms.     

电力系统潮流计算及在计算机上的优化实现

根据电力系统的特点，讨论了潮流计算方法，并在计算机上给予了实现，其运算量与存贮量小，收敛速度快。     

二维对流-扩散方程反问题的遗传算法求解

给出了利用遗传算法求解二维定常对流一扩散方程参数反演的一种新方法,该方法把参数反演问题转化为优化问题求解。特别从多个初始点开始寻优,并借助交叉和变异算子来获得参数的全局最优解。数值模拟结果表明,该方法具有精度高且编程简单、易于计算机实现等特点。     

一类解超定非线性方程组的乘子算法的局部收敛性

提出一类解超定非线性方程组的乘子算法，并且证明了算法的局部超线性收敛性．     

非线性等式与不等式约束最优化二阶与超线性收敛的序列线性方程组算法

讨论非线性等式与不等式约束最优化问题,建立了问题的似Newton和拟Newton算法。算法的特点之一是搜索方向d_k仅由一个线性方程组的解确定,步长恒取1,即x_(k 1)=x_k d_k。另一特点是在没有严格互补的较温和的假设下,算法是二阶与超线性收敛的。本文推广了Facchinei,Lucidi,Boggs,Tolle,Wang等人的算法和收敛性结果。     

基于遗传算法的对流扩散方程逆时反问题的数值求解

利用Tikhonov正则化方法解第一类Fredholm积分方程获得该逆时反问题的解,并结合遗传算法的优点给出了一种反演的例子。实例模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。