自适应克隆选择算法在等效系统拟配中的应用

等效系统拟配是一种有效评价高阶电传操纵飞机飞行品质的方法。传统的等效拟配通常采用最小二乘等方法,拟配结果易受初值选取的影响。建立了综合考虑某型飞机本体动力学、电传操纵系统、驾驶员操纵和升降舵的人-机闭环系统模型。给出了一种基于自适应克隆选择算法的等效系统拟配流程。采用自适应克隆选择算法对该高阶的人-机闭环系统进行了低阶等效拟配,拟配精度满足失配包络线的要求。仿真结果表明自适应克隆选择算法具备较强的寻优能力,可有效提高拟配精度。     

基于系统识别的RSSI定位算法

针对无线传感器网络节点定位问题,分析了基于接收信号强度(RSSI)的定位算法,对无线电传播路径损耗理论模型进行了分析.采用系统辨识加权最小二乘法在线修正了信号衰减理论模型,使算法具有了普遍适用性.提出三边定位法与质心法结合的定位算法和极大似然估计法得到未知节点的估计位置.仿真结果表明,该算法减少了测距误差,随着节点的增加定位精度提高.     

基于进化算法的拟可行方向法及其收敛性

在传统优化算法中嵌入一拟步骤 ,改善了算法的收敛性质 ;并用进化算法计算拟步骤 ,提高了算法的全局搜索能力 ,又不改变原算法的收敛性 .且研究了参数变化对算法的影响 ,并对算法进行了数值实现     

蚁群算法在威布尔分布模型参数估计中的应用

针对威布尔分布模型参数的极大似然估计采用牛顿迭代法计算过程烦琐,粒子群算法求解过程中容易陷入早熟等问题,将蚁群算法引入到威布尔分布模型的参数估计中,提出了基于蚁群算法的威布尔分布模型参数估计,并与牛顿迭代法和粒子群算法进行对比,通过实例验证了该方法的可行性与有效性。     

基于UWB泊车定位的OVSF-TH改进算法研究

为提高超宽带技术(ultra wide band,UWB)室内多用户定位检测抗干扰能力,以停车场泊车定位检测应用为例,提出了一种能够根据信号干扰大小自动匹配的正交可变扩频因子(orthogonal variable spread factor,OVSF-TH)改进算法.在此基础上,为进一步提高定位精度,同时提出采用基于最小化残差平方和(residual sum of squares,RSS)的极大似然估计法与基于最小二乘法相结合的一种联合定位方法,保证了定位的可靠性与准确性.仿真结果表明,改进后的算法,在性能上优于传统2PPM-TH定位算法以及DS-UWB定位算法,因而同样适合于其他UWB室内的精确定位与应用.     

确定威布尔分布三参数的一种计算方法

威布尔分布是描述部件寿伞的一种极为主要的分布,本文对确定威布尔分布的三参数,给出了一种试探性算法,方法简单、实用。     

一类广义拟-似变分包含组

引入和研究了一类广义拟．似变分包含组．利用η-极大单调映射生成的预解算子,给出了求此类变分包含组近似解的迭代算法,并证明了所构造的迭代算法生成的迭代序列的强收敛性．     

无线传感器网络在气体源预估定位中的应用

基于气体污染源浓度衰减模型,分别采用极大似然预估算法(M LE)、非线性最小二乘算法(NLS)对气体污染源定位进行了研究。仿真实验对比了两种算法在不同的传感器节点以及背景噪声情况下对预估定位误差的影响。结果表明:当环境背景噪声较小时,NLS可以得到比M LE算法更精确的预估结果。当环境背景噪声较大时,M LE算法比NLS算法有着更强的鲁棒性。     

广义非线性混合拟似变分不等式及投影校正算法

应用辅助原理技巧,作者建立了一种投影校正算法来求解广义非线性混合拟似变分乏等式．另外,作者引入了一类新的广义混合单调映象的概念,并在Hilbert空间和有限维空间中给出了一些收敛性结果．     

约束统计方法在学生成绩分析中的应用

在序约束下对大学生的学习成绩进行统计分析、建模,利用PAVA算法,给出了模型参数的约束极大似然估计;针对学生在校学习的实际情况,从学生成绩出发,给出了模型参数序关系的似然比检验方法,揭示了大学生学习成绩的变化趋势.     

一般广义非线性集值混合拟变分不等式的新的迭代算法

引入和研究了广义非线性集值混合拟变分不等式,并发展了寻求近似解的一类新的迭代算法,且证明了这类广义非线性集值混合拟变分不等式解的存在性以及由此算法生成的近似解序列的收敛性．     

P阶自回归模型中的变点检验问题

变点问题是统计学中一个较新的课题.本文讨论了p阶自回归模型中的变点检验问题,对于自回归模型在模型的白噪声序列的方差σ2未知的条件下,分别利用最大似然估计方法和最小二乘法给出了变点的检验统计量,并得到统计量的渐近分布,最后给出了证明.     

Akima算法及最小二乘法在动态称重系统中的应用

装载机动态称重装置是依据对现有装载机数学模型的分析及装载机油压和重量在特定区间具有线性对应关系的特点来完成的.硬件电路选用ARM处理器,AD7730高精度的A\D转换芯片;软件上使用Akima插值算法及最小二乘曲线拟合方法实现了对实测数据的滤波、插值计算、数据平移补偿等功能,通过实验验证该装置满足装载机动态称重系统的控...     

EM-CDKF算法及其SINS初始对准应用

针对非线性捷联惯导系统噪声先验统计信息未知问题,基于中心差分卡尔曼滤波基本算法,采用极大似然准则构造极大期望最速下降梯度算法展开系统未知噪声统计特性在线估计计算研究,构建一类捷联惯导系统初始对准极大期望自适应中心差分最优滤波算法.该算法利用极大似然准则构造系统噪声统计特性对数似然函数,采用极大期望最速下降梯度法把系统噪声统计特性估计转化为对数似然函数期望最大值计算,获得系统过程噪声和观测噪声在线递推估计的自适应极大期望中心差分卡尔曼算法.经过大方位失准角捷联惯导系统初始对准仿真实验,与中心差分卡尔曼滤波基本算法相比,自适应极大期望中心差分卡尔曼算法能够有效解决基本算法在系统噪声先验知识未知情形下的滤波精度下降甚至发散问题,并且能够实现系统噪声统计特性的在线递推估计.     

混合量子进化算法及其在多用户检测中的应用

将量子进化算法(QEA)和粒子群算法(PSO)互相结合,提出了两种混合量子进化算法.通过对多用户检测问题的求解表明,新的算法不仅操作更简单,而且全局搜索能力有了显著的提高.     

差分进化算法在气动力参数辨识中的应用

差分进化算法是一种新兴的优化算法,与最小二乘法等梯度类算法相比,它能够进行全局寻优且对初值不敏感,具有广泛的应用前景.建立某型飞机刚体运动的6自由度非线性动力学模型,在叠加一定比例白噪声的情况下获得其仿真数据,使用差分进化算法辨识出该型飞机的纵向运动气动力参数,辨识结果与真实值较为吻合,证明该算法是可行的.多组试验表明:对于该型飞机的动力学模型和仿真数据,使用差分进化算法的辨识结果与使用最小二乘法、普通粒子群算法的辨识结果相比,具有更高的精度和更强的鲁棒性.     

系统辨识中的限定记忆最小二乘法参数估计算法及应用

将限定记忆最小二乘法用于线性时变系统的参数估计,线性系统用离散差分方程来表示,给出了相应的批量算法和递推算法公式及算例。     

广义集值隐拟变分包含的迭代算法

引入了H空间中一类关于极大η-单调映象的广义集值隐拟变分包含,利用预解算子技术建立了这类变分包含解的一种新迭代算法逼近,证明了其解的存在性以及由算法生成的迭代序列的收敛性。     

多入多出系统中一种新的部分极大似然算法

提出了一种新的应用于多入多出(MIMO)系统的结合最小均方误差串行干扰消除(MMSE-SIC)的部分极大似然(ML)算法.该算法对一部分符号进行ML估计,并结合MMSE-SIC算法对其他符号进行检测,最后选择与接收信号欧式距离最小的一组符号向量作为解调输出.仿真结果表明,在4发4收V-BLAST系统中BER=10-2处,所提出算法比传统的MMSE-SIC算法有大约4 dB的性能增益,甚至接近于ML算法的性能,而且对于空间相关也具有较强的鲁棒性.     

基于最小二乘改进算法的时变系统参数辨识

在系统辨识领域,常规最小二乘法是一种最基本的辨识方法之一.然而,随着观测数据的不断增加,会出现“数据饱和”的现象,造成新观测数据对估计值起不到修正的作用.由于新观测值对未知参数估计的影响要比旧观测值大,采用了渐消记忆和限定记忆最小二乘改进算法,来实现时变过程的参数辨识,并进行了仿真实验.仿真结果表明,它们能够克服“数据饱和”现象,从而改善参数辨识结果