一种新的联合Turbo译码算法

提出了一种新的Turbo码的联合译码算法,该算法结合了常数Log-MAP译码算法和Log-MAP算法的优点,并且结合了停止判决准则。新算法在效率和纠错性能上达到了较好的平衡,尤其是在中高信噪比的情况下：只增加了较少的计算量,就使得常数Log-MAP算法达到了几乎Log-MAP算法的纠错性能。     

变步长动量常数模算法

为解决常数模算法中稳态误差与收敛速度间的矛盾,将动量项与变步长因子引入到常数模算法中,由稳态误差和上一步步长共同影响当前步长因子,在权系数更新时考虑到了动量项的影响,提出了变步长的动量常数模算法.改进后算法在计算量增加不大的前提下,与原算法相比,具有更快的收敛速度和更小的稳态误差.     

对堆排序的改进算法

提出一种堆排序的改进算法，与传统的算法相比，可明显降低基本操作的次数，一定程度上减小了算法时间复杂度的常数因子。     

适用于高阶QAM信号的双模式分数间隔盲均衡

为了克服常数模算法收敛速度慢稳态误差大的缺点,利用高阶QAM信号分布在多个不同模值上的特点,提出了一种适用于高阶QAM信号的双模式分数间隔盲均衡算法.该算法采用T/2分数间隔结构,并以常数模算法为基础模式,而在第二模式中采用一种多模算法,且通过判决条件对均衡器的输出信号进行判决,使均衡器能在多个模值中自动切换.计算机仿...     

量化在基于正交小波的盲均衡算法上的应用

常数模算法(CMA)是实际中应用最广的一种盲均衡算法，基于正交小波的CMA算法(WBCMA)与传统的LMS算法的横向均衡器相比收敛速度快，但计算量却有所增加，把量化应用到WBCMA上，采用以2的整数次幂对误差项进行量化，减小了误差项的字节数，因此减少了算法迭代中的乘法运算．计算机仿真证明了该方法的有效性，     

一种改进的随机选择算法

在一组数据中寻找第k小元素是一个常见的问题.确定性算法可以在Θ(n)的时间内完成,但是却有一个很大的常数使得算法不太实用.源于Hoare的随机选择算法可以使得算法执行比较的期望次数小于4n.改进算法中随机选择分组元素的方法,将使新算法在数据为均匀分布时执行比较的期望次数小于3n.     

DSE—CMA：一种新的常数模盲均衡算法

针对单输入多输出（SIMO）通信接收系统模型下的常数模算法计算量比较大的缺点,以及另一种改进的CMA算法,即Signed-Error CMA算法收敛性能不确定的弱点,引入了一种新的盲均衡算法,即Dithered Signed-Error CMA(DSE-CMA）算法,并分析了DSE-CMA算法的实现原理和实现过程中的各种约束条件,通过仿真实验比较了这3种算法的性能实验表明,DSE-CMA算法具有与一般恒模算法相近的性能,但计算量明显减小,且比SE-CMA算法稳定。     

三维椭圆型方程S-COR算法的收敛性估计

给出求解三维椭圆方程的一个异步算法（S－COR算法）的收敛性分析。在很弱的条件下，证明了算法的收敛性，并得到了一个收敛速度估计：如果对某一迭代中间过程，在该过程中每个子问题都至少被求解一次，则经过该迭代过程后误差以某一固定常数衰减，并且显式给出该常数与有限元网格直径和处理机台数的关系。     

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。     

改进差分进化在前馈神经网络训练中的应用

分析了误差反传算法,将改进差分进化算法和神经网络结合,采用常数变异交叉与自适应变异交叉的混合策略对网络的权值和阈值进行训练.并用2个典型问题对该网络和误差反传网络进行仿真对比.结果表明：经改进差分进化算法训练的神经网络,收敛速度快、泛化性能好.     

"步幅常数"型随机算法收敛性分析

研究了步幅为常数的随机算法：Hh 1=Hk μ（Pk-FkHk）,得到了一弱收敛定理,确定了收敛点与步幅μ之间的关系。     

寻找最小生成树的度优先算法

利用Ｋｒｕｓｋａｌ和Ｐｒｉｍ算法的优点，从图的每个顶点的度数入手，采取删除某些无用边的思想方法，给出了一个寻找最小生成树的算法。算法的最坏复杂度为Ｏ（ｍ－ｎ）ｌｏｇｍ），平均复杂度为Ｏ（（ｍ－ｎ）ｌｏｇｎ），就复杂度的常数因子而言，均优于Ｋｒｕｓｋａｌ算法与ｋｉｍ算法，其中ｍ为图的边数，ｎ为图的顶点数。     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.     

基于分数间隔均衡器的CMA＋DD双模式切换算法研究

研究了基于分数间隔均衡器的常数模与判决导引（DD）双模式切换算法,进行了多径水声信道盲均衡的仿真实验,验证了该算法的有效性。     

MIMO—ZP—OFDM系统中的子空间信道估计

盲信道估计正因为其节约带宽和发射功率成为正交频分复用（OFDM）无线通信系统中的热点。Yonghong Zeng和Tung SangNg提出了一种应用于多输入多输出（MIMO）填零（zero—padding，ZP）OFDM系统非时变上行信道的子空间估计算法。算法的前提是接收端天线的数目必须不少于发送端用户数目。在算法估计过程中不需确切得知信道的阶数信息，但估计结果和真实的信道矩阵之间会相差一个常数矩阵。而这个常数矩阵可以通过在传输的第一个OFDM符号之前插入一个导频求得。本文通过试验结果验证了此算法的正确性并提出其算法存在的缺陷。     

一种具有自适应动量因子的BP算法

为提高神经网络的训练速度,提出一种自适应确定带动量项BP算法中动量因子的方法.在学习率为常数情况下,根据误差函数关于权值向量的梯度变化情况,自适应调节动量因子.数值试验表明,该方法对离线和在线训练均有效,且在收敛速度和算法稳定性上优于常动量因子的BP算法.     

基因算法在纳米薄膜光学常数计算中的应用

基于可见-近红外反射光谱计算透明基底上单层纳米薄膜光学常数的基因算法(GA),可以用整体的最小量快速而准确地找到根,而不过分依赖于初始条件.     

极值分布右截尾线性回归模型参数的极大似然估计

本文对右截尾数据的线性回归模型,在误差服从极值分布条件下,先给出其参数极大似然估计的一般迭代算法,然后证明了尺度参数为常数时EM算法与该一般迭代算法的一致性,保证了迭代的收敛.     

阿波罗网络模型的广义边魔幻优美全标号

提出一种新标号--广义边魔幻优美全标号, 并用几种广义边魔幻优美全标号的算法对阿波罗网络模型进行加密及优化, 选择其中使魔幻常数个数最少的算法估计, 并得到了其上界.