改进的基于互谱的宽带信号测向算法

由于被动雷达中广泛应用的测角方法应用于宽带信号测向时存在着各种问题,将互谱法应用于被动雷达宽带信号测向。针对互谱法测向中相位模糊与测角精度存在的矛盾,提出用两频率点的频率差和对应的互谱相位差值的关系来解相位模糊的频率相位差值法,突破了互谱法中阵元间距不大于信号最小波长一半的限制,有效地保证了测角精度。最后对相位差值进行修正,解决相位跳变问题,用两个阵元即可实现宽带信号测向。仿真表明了该算法的有效性。     

计算信号流图传递函数的改进算法及可视化

介绍了基于Shannon-Happ公式计算系统信号流图传递函数的改进算法，与Mason公式法比较，此方法简化了算法设计，首先对信号流图的一些特殊形式进行了分析，给出了一种使用回路添加技术建立互不接触回路组合的实现手段。采用分离变量的方法将符号变量引入到信号流图中，使得求取的传递函数中可包含代表支路参数，非线性项或相对独立子系统的符号变量，由此可直接处理系统中的非线性延迟项，随后探讨了将含符号变量的信号流图应用于非零状态MIMO系统的问题，简介了基于常参数网络拓扑算法的可视化和利用所得传递函数进行系统性能分析的方法，及其仿真软件AVANT，最后文章给出了改进算法和可视化方法的检验结果。     

双站RCS计算GRECO算法的新改进

针对利用单双站等效法存在的大角度双站雷达散射截面计算误差太大的问题和用被光照面作为积分区域计算双站雷达散射截面方法存在的无法处理相对接收站可见面的识别问题,从感应定理和等效原理出发,基于图形电磁计算方法,提出了双站雷达散射截面图形电磁算法的改进方法,解决了可见面的识别问题,扩大了感应定理和等效原理的应用范围,提高了双站雷达散射截面计算的准确度。通过对典型样件的计算结果比较与公认结果和解析算式结果一致,证明了该方法的有效性。     

递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

一种减少LBG算法计算冗余量的有效改进算法

利用范数等价性和LBG算法迭代过程中数据是分区域收敛性质,提出新的码书训练算法FLC.该方法用计算量小的范数进行距离计算和尽早删除聚类过程中已趋稳定的区域,因而速度非常快.用典型的测试图像Lena和Barb作实验,表明FLC算法以峰值信噪比只比LBG算法少0.25dB～0.43dB为代价,把运行时间缩短为LBG的1/3.74～1/9.59.     

降低计算量的改进联合对角化算法

提出两种改进算法解决避免奇异解的联合对角化算法计算量大的问题。一方面,将对角化矩阵行列式按当前更新的列直接展开得到一种改进算法;另一方面,将列交换后的对角化矩阵进行LU分解,由分解得到的上(下)三角矩阵计算行列式,得到了另一种改进算法。由于两种改进算法都减少了一次矩阵求逆,因此降低了原算法的计算量。实验仿真表明,当目标矩阵的个数和维数较大时,两种改进算法的计算量分别为原算法的36.8%和21.5%。     

准对角递归神经网络及其算法的研究

提出一种准对角递归神经网络(QDRNN)结构及学习算法。此QDRNN结构上与对角递归神经网络(DRNN)相似，保留了DRNN结构简单的优点，以减小计算量，同时增加了相邻递归神经元之间的关联，可以直接应用BP学习算法进行训练。进一步，引入递推预报误差(RPE)学习算法，并且证明了其稳定性。仿真结果表明，QDRNN比DRNN具有更好的非线性逼近能力，而运算时间却增加甚微，DRNN的学习算法稍加变化即可应用。     

一种改进的Lyapunov指数谱算法及应用研究

提出了改进的Darbyshire-Broomhead(D-B)Lyapunov指数谱算法,通过互信息函数确定嵌入延迟,利用伪近邻法(False Nearest Neighbors,FNN)确定最佳嵌入维,从而确定了Lyapunov指数的个数,克服了原算法排除可疑指数过程中容易引起过多或过少的指数的缺点,然后再根据简化D-B理论计算出整个序列的Lyapunov指数.分别对含有噪声和不含有噪声的Lorenz时间序列仿真对比验证了该算法的有效性及稳定性.最后利用读算法对输油管道压力时间序列进行了Lyapunov指数的计算并分析出该时间序列具有混沌特征.     

快速JPDA算法的递归和并行实现

联合概率数据关联算法（ＪｏｉｎｔＰｒｏｂａｂｉｌｉｓｔｉｃＤａｔａＡｓｏｃｉａｔｉｏｎ,ＪＰＤＡ）是密集杂波环境下一种良好的多目标数据关联跟踪算法。但是,当目标的数目增大时,关联概率计算时的计算量爆炸效应一直是一个难题。为降低计算量,有不少文献讨论了次优ＪＰＤＡ算法,但都是以降低关联跟踪性能为代价的。本文将从联合关联事件的构造出发,讨论关联假设事件的分层构造以达到降低计算量的目的。这里的层次可从０取值到某一Ｌ值,０层表示没有任何目标能够跟当前的观测数据关联。Ｌ层表示共有Ｌ个目标可以跟当前扫描得到的观测数据相关联。本文在关联事件的构造中,各层次的搜索具有递归性并可以独立进行,因而可以并行实现。文中还将本文的方法跟有关文献作了比较,并且给出相应的计算机仿真实验及其结果     

随机递归算法求解车辆路径问题

车辆路径问题(VRP)是组合优化中一个典型的NP难题,对于中等规模以上的问题,目前大多采用禁忌搜索、遗传算法和模拟退火等亚启发式算法,在吸取这些算法精髓的基础上,提出了一种新的并且简洁而高效的启发式算法.计算结果表明,在27个国际标准算例中应用该算法取得了2个解优于当前最优解,其余相当接近当前最优解.需要指出的是所有这些结果是在该算法应用同一组参数得到的.     

计算一类递归方程的增广Petri网模型

递归方程的计算一直是一个较为复杂的问题,为更好的解决这一问题,建立各种模型是十分必要的.斐波那契数列是一个著名的递归方程,在这个方程的基础上,针对同类的递归方程建立了增广Petri网模型,并对模型的运行进行了分析.     

基于新型的递归BLUE滤波器的IMM算法

雷达跟踪机动目标时，目标运动常被建模在直角坐标系内，同时目标量测可在传感器坐标系下获得。量测转换技术已被广泛使用在这类问题中，它使得卡尔曼滤波器得以应用于跟踪任务中。但上述技术忽视了卡尔曼滤波器的前提假设条件。提出一种基于新型递归BLUE滤波器的交互作用多模型算法，能近乎最优地估计出直角坐标系下的目标运动状态，同时保持传感器坐标系内所固有的量测误差。通过仿真，将它与基于传统的量测转换方法的交互作用多模型算法进行比较，表明了该算法的有效性和优越性。     

卫星网络中基于BaseRTT计算的TCP Vegas算法改进

传统的TCPVegas是一种基于测量的拥塞控制算法,并没有考虑通信节点移动的情况。针对卫星间距离变化对往返时延的影响较大,以及带宽分配的不公平性问题,提出一种基于最小往返时延计算的拥塞控制算法Vegas_Sat(Vegas over Satellite)。该算法根据卫星间的距离计算出最小往返时延,据此进行拥塞控制,提高了网络的资源利用率,改善了带宽分配的不公平性问题。最后,利用NS2的仿真软件验证了算法的有效性。     

基于改进的Dijkstra算法的动态最短路计算方法

首先将所研究的时间段进行时段划分, 然后基于每个路段在每个时段内的历史平均速度给出了改进的Dijkstra算法, 它可以给出任意时刻从任意节点位置出发到达任一目的地的行程时间最短的路径及其相应的行程时间; 其次在允许超车行为存在 的条件下将出行者进行分类, 并给出了相应的最短路算法. 论文最后给出了相应的算例验证了算法的可行性.     

引入阈值和判决指导的DFT信道估计算法

针对传统的基于离散傅里叶变换（discrete Fourier transform, DFT）的信道估计算法中滤噪性能不够理想的问题,提出了一种在正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中引入阈值和判决指导的DFT信道估计算法,采用阈值法对噪声进行两次降噪处理。仿真结果表明,该算法在高信噪比和低信噪比下均可提高信道估计的性能,其归一化均方误差(normalized mean square error, NMSE)指标优于传统算法。     

缓冲器容量限制的Job-Shop调度问题的递归算法

研究工序之间每个缓冲器容量限制的条件下,生成可行的计划调度方案的算法.其基本方法是形成初始排产方案,检查每个设备等待加工工件的体积,如果该堆积量没有超过该设备的容量限制值,则通过检验;反之,则反查造成超限的每一个工件在前一道工序的设备的缓冲器剩余量,用该剩余量冲销超限的体积,如果不可操作,则递归采用同样的办法检验造成此超限的更前面的设备组合的情况.当所有剩余量矩阵的元素都大于等于0,则该排产方案可行.主要创新在于提出了缓冲器容量流转方案的递归算法和缓冲器容量限制下的调度问题的极大极小代数法解法.     

基于动态递归模糊神经网络盲均衡算法的研究

模糊系统和神经网络已广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识;而由于无线通信信道的时变性和不确定性,决定了盲均衡器本身就是一个动态的均衡过程,所以研究利用动态递归模糊神经网络的盲均衡算法是可行的,而且也是必要的。仿真结果表明:由于动态模糊神经网络的均衡过程同时利用了系统的当前数据和历史数据,对动态系统的均衡,较传统神经网络在均衡的精度和稳定性方面具有更好的效果。     

一种基于动态关键路径的递归并行调度算法

并行任务在多处理机系统上的有效调度是获得系统高性能的关键所在.对BNP(Bounded Number Processors)调度问题,提出了一种新的基于动态关键路径的递归调度算法,对调度节点进行递归选择,并结合调度节点的后继任务为它选择了最佳时间槽.该算法克服了已有调度算法不能保证对动态关键任务进行最早调度这一缺点,优于现有BNP调度算法.     

一种递归泛函网络模型及学习算法

提出一种递归泛函网络模型,给出递归泛函网络稳定性的一种判据,即把稳定点转化为某种函数的不动点;给出一般递归泛函网络学习算法,该算法是借助于Lagrange乘数法,作辅助函数对泛函参数学习过程归结为求一组线性方程组的过程;指出基于递度下降学习算法应用于递归泛函网络仅是一种特殊情形。最后,通过算例分析表明,该算法十分有效,具有模型简单、计算精度高等特点。     

一个计算无圈有向网络可靠性的递归公式

本文利用第一深度搜索法（Ｆｉｒｓｔ－Ｄｅｐｔｈ－Ｓｅａｒｃｈ）提出一个计算无圈有向网络的ＳＴ可靠性（至少存在一条从源点到汇点正常运行道路的概率）的新拓扑公式。这是一个递归公式,它使得计算原来无圈有向网络ＳＴ可靠性转化为计算若干更小的无圈有向网络ＳＴ可靠性。且允许对所有无圈网络进行各种可靠性保护缩减（Ｒｅｌｉａｂｉｌｉｔｙ－Ｐｒｅｓｅｒｖｉｎｇ－Ｒｅｄｕｃｔｉｏｎ）,是一个计算无圈有向网络ＳＴ可靠性的好的公式。