引入松弛因子的高阶收敛FastICA算法

高阶收敛的FastICA算法对初始值的选择较为敏感,如果初始值选择不当不仅会影响算法的收敛效果,甚至可能导致不收敛的结果.针对这一问题,将松弛因子引入高阶收敛的牛顿迭代法中,通过适当的修正,获得了既能保证一定收敛速度,又能有效克服初值敏感性的改进三阶、五阶FastICA算法.仿真工具采用Matlab软件,应用3种算法对语音信号进行分离;结果表明,对比基本FastICA算法,改进后的算法有效地分离了混合信号,并且降低了算法对初始权值的依赖性.     

引入松弛因子的高阶收敛FastICA算法

高阶收敛的FastICA算法对初始值的选择较为敏感,如果初始值选择不当不仅会影响算法的收敛效果,甚至可能导致不收敛的结果.针对这一问题,将松弛因子引入高阶收敛的牛顿迭代法中,通过适当的修正,获得了既能保证一定收敛速度,又能有效克服初值敏感性的改进三阶、五阶FastICA算法.仿真工具采用Matlab软件,应用3种算法对语音信号进行分离;结果表明,对比基本FastICA算法,改进后的算法有效地分离了混合信号,并且降低了算法对初始权值的依赖性.     

改进的独立分量分析算法

对独立分量分析算法的基本理论和FastICA算法进行了简要介绍.传统的FastICA算法只具有二阶的收敛速度,为了提高独立分量分析算法的收敛速度,减少迭代次数和运行时间,提出了一种改进的独立分量分析算法——五阶收敛的牛顿迭代法.对牛顿迭代算法加以修正,使改进的独立分量分析算法具有五阶的收敛速度.图像信号分离仿真实验表明,改进算法与传统的FastICA算法在分离效果相当的情况下,明显减少了传统的FastICA算法的迭代次数和运行时间,提高了收敛速度和运行效率.     

FastICA算法改进及仿真实验

由于收敛速度快,快速独立分量分析(FastICA)被普遍运用,但为克服FastICA对初始值的选择较敏感的缺点,提出了将具有五阶收敛速度的牛顿迭代法和带有阻尼因子的牛顿迭代法引到算法中,形成两种方法有机结合的改进算法,并将改进的算法应用到仿真实验中,从而提高算法的稳定性.     

基于复数FastICA算法的盲多用户检测

针对MIMO-OFDM系统,提出了一种基于复数FastICA的盲多用户检测算法.该算法首先利用复数FastICA算法的快速收敛特性来提高多用户的分离速度,同时利用信号的相关函数对复数FastICA算法引起的幅度不确定性和相位不确定性进行了修正,最后将所提出的改进算法与复数自然梯度学习算法(CNGLA)进行仿真比较.结果表明,相比于传统的自然梯度算法,所提算法不仅收敛速度较快,而且具有更低的误码率,另外随着接收天线的增多,信号的分离效果会更好.     

基于核独立分量分析的盲多用户检测算法

针对DS-CDMA通信系统中的盲多用户检测问题,提出了一种改进的核独立分量分析(KICA)算法.该算法首先将五阶收敛的牛顿迭代公式引入到传统的FastICA算法中,同时还引入了一种新的核函数——混合核函数来解决非线性混合信号的分离问题,从而实现了多用户信号检测.最后将所提出的算法与传统的FastICA算法和KICA算法进行仿真比较.结果表明:所提出的算法不仅收敛速度较快,而且具有较小的误码率.     

无约束优化的一个全局收敛算法及其收敛速度

对最速下降法与拟牛顿法的结合算法进行了改进,证明了改进算法的全局收敛性,而且给出了局部超线性收敛性.初步的数值计算结果也表明了改进的算法比原算法有更好的收敛效果.     

多峰函数优化的混合遗传算法

研究了2种基于最速下降法和遗传算法的求解多峰函数优化问题的混合遗传算法,以Schaffer函数的全局优化问题和收敛概率、平均收敛时间和平均收敛值等评价指标检验了混合算法的性能.结果表明混合算法的性能优于单独的遗传算法或最速下降法,采用随机方式选择局部优化个体的混合遗传算法性能在总体上优于从每代群体中选择适应度高的个体进行局部优化的混合遗传算法.     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

一种改进广义正交匹配追踪的DOA估计方法

针对传统匹配追踪算法的波达方向(direction of arrival, DOA)估计方法精度不高、收敛速度较慢等问题,提出一种改进广义正交匹配追踪(generalized orthogonal matching pursuit, GOMP)算法的DOA估计方法。通过空间网格划分建立DOA估计模型,在此模型基础上引入GOMP算法对接收到的信号进行重构,然后在原有GOMP算法基础上引入最速下降法,提出一种改进GOMP算法用于DOA估计中。与GOMP算法相比,改进算法使用运算简单的最速下降法进行信号重构,降低了重构算法的复杂度。仿真结果表明:改进算法成功地得到了DOA估计值,相对于传统OMP算法,改进算法具有更高的DOA估计精度,有效地减少了重构耗时,具有更高的估计性能。     

共轭梯度法和最速下降法的混合算法

将共轭梯度法与最速下降法有机地结合起来,构造了一种共轭梯度法和最速下降法的混合算法,并证明了该算法的全局收敛．混合算法既提高了共轭梯度算法的收敛速度,又解决了目标函数“性态不优”时,最速下降法难以求解的问题．同时也可以看到共轭梯度法与最速下降法仅仅是混合算法的特例．     

基于共轭梯度法和最速下降法的非线性测量数据处理

将共轭梯度法与最速下降法有机结合起来，构造出一种解决非线性测量数据处理问题的新方法——混合算法。这种方法充分利用了共轭梯度法和最速下降法良好的收敛优点，既提高了共轭梯度算法的收敛速度，又解决了目标函数“性态不优”时，最速下降法难以解决的问题。文中的算例结果表明，混合算法与单纯的共轭梯度法或最速下降法相比，具有收敛速度快、收敛范围大、适应面宽等特点。     

最速下降和共轭梯度混合算法在波束形成中的应用

介绍了一种最速下降法和共轭梯度法的混合算法,并将这种混合算法应用到自适应波束形成中。该方法根据最小均方（LMS）准则推导出代价函数,结合共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了最速下降法下降缓慢的问题。计算机仿真表明,混合算法所需迭代次数少于最速下降法,且显著减少计算量,缩短运行时间。     

一类特殊算法的收敛性质

文〔1〕介绍了一类带精确线搜索的下降算法并用此算法统一处理了最速下降法,共轭梯度法等的收敛性。本文在四种非精确线搜索下讨论了一类比〔1〕广的特殊算法,并获得了算法较强的收敛性质。     

非简谐振子的最陡下降理论计算

本文将由Ｃｉｏｓｌｏｗｓｋｉ提出并被文根旺发展了的最陡下降理论用于非简谐振子的计算中，同时讨论了各参数对计算结果的影响．计算表明，在给定的精度下，利用最陡下降法可以得到与精确解相同的结果。     

填充函数的场线追踪

通过追踪场线求填充函数的极小值点.研究了最速下降场线的性质,在适当的条件下证明了其微分方程的解的延拓性和算法的局部收敛性.     

一些特殊有限群的整群环的挠子群

由（ZC-3）对于p^2q阶群成立.讨论了p阶循环群与q阶循环群圈积的整群环的挠子群,证明了一些特殊有限群的整群环中某些有限子群与该群的某个子群有理共轭.     

两种恒模波束形成算法性能分析

论文介绍了最陡下降和最小二乘两种恒模波束形成算法，在DS—CDMA系统中，就两种算法的收敛性能和稳态性能．进行了MATLAB实验仿真，结果表明，两种算法在恒模波束形成中的性能差别明显。