一种新的树的遍历方法

树是一种非常重要的非线性的数据结构,对它的遍历一般有三种方法:先根序遍历、后根序遍历和按层次遍历.但在实际应用当中,我们可能需要不同于以上三种方法中的任何一种,这就要求我们对树的遍历不能仅仅有以上三种方法.提出了一种新的树的遍历方法,并且还给出了非递归算法的详细描述,以及算法的时间和空间的复杂度分析.     

基于局部对称性及灰度统计特征的人眼定位方法

为了兼顾人眼定位方法的准确率和实时性,提出基于局部对称性和灰度统计特征的人眼定位方法。该方法结合了模板匹配与对称变换的思想,利用了人眼灰度统计信息,取得了较好的效果。通过仿真实验表明:算法在满足算法定位准确率的同时,具有较好的实时性,因为其算法复杂度相对于模板匹配法和基于学习的方法大大降低。     

一种新的时变SISO和MIMO信道仿真方法

回顾了现有的时变Rayleigh信道的仿真实现方法,将空间相关信道实现中基于相关矩阵的方法引入时变信道的仿真实现中,提出了一种新的基于相关矩阵的时变单入单出和多入多出信道仿真实现方法.比较了基于相关矩阵的实现方法和传统常用的基于正弦波叠加的方法的精确性和实现复杂度,指出了基于时间相关矩阵的时变信道仿真实现方法的主要适用范围.     

周期为2p~n二元序列的m紧错线性复杂度

结合k错线性复杂度、k错线性复杂度曲线和最小错误的理论,利用紧错线性复杂度的概念来研究序列线性复杂度的稳定性。首先改写周期为2pn二元序列k错线性复杂度的快速算法,并给出了周期为2pn二元序列m紧错线性复杂度快速算法,这里p是素数,2是模p2的本原根,最后给出例子验证该算法的正确性。     

正交空间调制系统的低复杂度检测算法

正交空间调制(quadrature spatial modulation,QSM)作为一种扩展的空间调制(spatial modulation,SM)传输方案,近年来受到业界的广泛关注.它通过在发送端将发送的复值符号的实部和虚部分开传输来提高频谱效率.由于正交空间调制系统的最大似然(maximum likelihood,ML)检测算法在整个搜索空间进行穷搜索,导致计算复杂度极高.针对QSM系统接收端检测算法复杂度较高的问题,利用QSM系统信号固有的稀疏特性,提出了一种QSM系统的压缩感知(compressed sensing,CS)检测算法.仿真结果表明,新的检测算法在误码性能上接近ML检测算法,复杂度约为ML的4.7％.     

多源多中继协同通信的快速中继选择算法

针对多源多中继协同通信系统的中继节点分配算法(ORA)复杂度较高和带宽消耗较大的问题,通过构建增益函数降序排列的候选中继集合降低检索次数,提出了一种快速中继分配算法(FRA).同时为了提高系统总容量,通过中继节点之间选择性的再转发信号进一步优化接收端的信噪比,给出了一种优化系统容量的方法(OCA).仿真结果表明:FRA可以降低中继选择的复杂度和带宽消耗,同时OCA可以提高系统的总容量.     

基于压缩型EKF的SLAM改进算法

针对基于压缩型扩展卡尔曼滤波(CEKF)的SLAM算法在状态增广和地图管理两方面的不足,提出了一种改进算法(ICEKF算法).读算法通过增广辅助系数矩阵即可快速完成状态增广,计算复杂度由O(N2)降低为O(NA),其中N和NA分别为全局和局部地图中的路标数.在地图管理上,ICEKF算法采用一种基于欧氏距离的局部地图动态选择方法,避免了CEKF算法对全局地图进行预先划分带来的路标分配等问题.仿真表明ICEKF算法在估计结果上与EKF算法具有一致的最优性,与CEKF算法相比计算量大大降低.     

基于熵理论和复杂度的肌电信号分析

传统信号处理方法对肌电信号分析存在一定局限。不能很好地描述肌电信号的复杂性;而基于熵理论和复杂度等非线性分析方法越来越多地应用于肌电信号等生理信号的处理。熵理论和复杂度对于肌电信号的处理具有运算速度快、数值特征明显,并且能够很好地描述其复杂性等特点。本文以做俯卧撑的上肢肌电信号为分析对象,通过计算其Renyi熵、小波熵和复杂度刻画不同阶段肌电信号的复杂性。并验证以此测度进行肌电信号不同区域划分的合理性,以及应用该方法分析肌电信号的有效性,取得了较好的效果。试验数据分析结果表明,小波熵值较大的部分对应于肌电信号能量较高的区域。从生理意义而言,这些区域正是肌肉纤维集中放电的过程。肌电信号成分单一,是复杂度较低的区域,而Renyi熵和复杂度值越大,对应的肌电信号成分复杂度越高,这与理论分析吻合得比较好。同时三者也得到了相互验证。由此表明该方法对于肌电信号的分析是可行的。非线性分析方法可能是未来肌电信号等生理信号的发展方向。该方法还可以应用于体力疲劳评价。     

培养神经元网络自发活动规律性和复杂度分析

采用近似熵（approximate entropy,ApEn）的新统计方法衡量神经元不同自发放电活动时间序列数据的规律性和复杂度,对多电极阵列上培养的海马神经元网络自发活动的复杂度进行研究．结果表明不同自发放电活动的近似熵动态变化曲线有明显差别．静息期时近似熵值范围1．0-1．2;典型爆发活动时近似熵值呈现迅速下降而后上升再下降小幅振荡（0．2-0．6）;而伪爆发活动时近似熵值在0．2—0．7范围,沿平行时间轴的某一直线上下波动;连续发放锋电位时近似熵值在0．8-0．9范围;而随机单发锋电位时近似熵值0．6—0．8范围．以上分析结果说明近似熵动态变化曲线能够体现爆发活动和锋电位发放过程的规律性和复杂度变化,并可以有效地识别培养神经元网络自发的不同电生理信号,因而在神经元电信号分析中有着潜在的应用价值．     

一种新的相似性度量及其在DNA序列相似性分析中的应用

衡量序列之问距离的传统方法是通过局部比对或者全局比对来实现的,其运算的时间复杂度和空间复杂度随着序列长度的增加而急剧上升.本文提出一种新的相似性度量.它是建立在Lempel-Ziv复杂度基础之上的,不需要通过序列之间的比对来实现,其时间和空间复杂度比传统方法降低了很多.用这种新的相似性度量的方法可以算出序列同的相似性矩阵,以此来刻画不同序列之间的距离.为了说明此方法的可靠性,最后对多个物种DNA序列作了相似性分析.