基于决策类分割的动态数据环境下的归纳学习

深入分析了基于分辨矩阵和传统决策矩阵的归纳学习算法中存在的问题,提出了一种新的决策矩阵及基于它的归纳学习和动态数据环境下的递增式学习方法.其主要思想是基于决策类将决策系统分割为多个子系统,并构造其新的决策矩阵,然后将决策系统上的归纳学习转化为新决策矩阵下的递增式学习.这不仅解决了动态数据环境下归纳学习问题,而且能降低矩阵空间规模,避免了传统决策矩阵算法中的重复计算.实例分析和实验结果验证了基于分治策略算法的合理性和有效性.     

微分器优化设计研究

提出了一种基于BP算法的正弦基函数神经网络模型 ,研究了该神经网络算法与线性相位微分器幅频特性的关系 ,证明了该神经网络算法的收敛性 ,给出了微分器的优化设计实例。与传统的雷米兹优化设计方法相比 ,提出的优化设计方法不需要计算矩阵的逆 ,因而解决了雷米兹优化设计方法求高阶矩阵逆的困难。计算机仿真结果表明了该算法模型的微分器的优化设计中不仅是有效的 ,而且是高效的     

改进最小二乘算法在天文定位中的应用

运用数字天顶仪进行天文定位时，需采用最小二乘算法建立电荷耦合元件图像坐标系和天球切平面坐标系之间的映射关系。针对最小二乘算法只考虑了观测量中的误差，没有顾及系数矩阵中的误差和数据中可能存在的粗大误差问题，为了提高数字天顶仪进行天文定位时的解算精度，将最小二乘算法与总体最小二乘算法进行有效结合构成了混合最小二乘算法，该算法能够同时顾及坐标转换中系数矩阵和观测量中的误差。为了消除识别恒星数据中可能存在的粗大误差对天文解算的影响，对所提算法进行了稳健加权，并结合星等设置合理的权阵。数据分析的结果证明，稳健加权混合最小二乘算法在进行天文解算时具有较高的精度。     

利用高阶累积量的盲多输入多输出系统辨识

针对多输入多输出线性系统(FIR MIMO)的盲辨识问题,提出了一个线性的基于方程误差的高阶累积量(HOS)算法的改进算法。该算法利用一组输出信号的四阶累积量矩阵的零空间,把一个未知多输入多输出(MIMO)信道的冲激响应辨识成一个常的单项矩阵。对于信道长度一致的不同用户的MIMO系统来说,算法只需要很弱的辨识条件。和原算法相比,改进算法充分利用了输出信号的累积量矩阵固有结构,从而提高了算法的估计性能。计算机仿真验证了算法的有效性。     

基于广义最小二乘模型的动态交通OD矩阵估计

基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.     

基于均匀圆阵伪协方差矩阵的单快拍测向方法

传统的单快拍测向算法只适用于具有Vandermonde形式的阵列流型, 均匀圆阵的阵列流型不具有Vandermonde矩阵结构, 因此大部分基于线阵的伪协方差矩阵的构造方法无法直接适用于均匀圆阵。针对该问题, 从侦察方的角度对波达方向(direction of arrival, DOA)估计算法进行了研究, 改进了伪协方差矩阵的构造方法, 提出了一种基于均匀圆阵的单快拍测向算法。通过与模式空间前后向平滑(mode forward-backward spatial smoothing, MODE-FBSS)算法的对比仿真, 验证了算法的有效性, 证实了所提方法的性能优于MODE-FBSS算法。     

高斯色噪声下混合信号二维DOA估计方法

针对色高斯噪声环境下混合信号二维波达方向(two-dimensional direction of arrival, 2D-DOA)估计问题,提出四阶累积量与斜投影算子相结合的混合信号波达方向(direction of arrival, DOA)估计算法。首先利用接收数据构造四阶累积量矩阵切片替代传统协方差矩阵来抑制高斯色噪声,并通过传播算子方法(propagator method,PM)估计非相干信号的仰角与方位角。然后采用正交三角(orthogonal triangular,QR)分解构造特定的斜投影算子,使接收信号中仅包含相干信号信息。将矩阵重构与PM相结合来解相干并估计相干信号的仰角与方位角。可以实现高斯色噪声背景下混合信号的2D-DOA估计,且估计信号的方位角和仰角能够实现自动配对,仿真实验证明了算法的有效性。     

基于子空间法的空时分组码系统信道盲估计

结合多信道子空间理论,结合空时分组码的正交特性,提出了新的盲信道估计算法。首先,根据空时分组码结构特点,将原编码矩阵分解,并将接收矩阵合理地构造,把原信道矩阵重新构造成新的重构信道矩阵。然后求出重构信道矩阵的噪声子空间,之后利用信号子空间与噪声子空间正交特性,构造出信道矩阵作为变量的线性方程组,因而可以得到信道矩阵的闭式解。对三种典型的空时分组码进行仿真验证,仿真结果表明本算法的有效性。     

光电跟踪系统中两步非线性滤波算法研究

基于非线性最小二乘准则的两步最优估计方法(Two-step optimal estimation, TSE)在第二步中需要计算雅克比矩阵的逆,且其逆的计算经常是不存在的,从而导致滤波结果发散.因此,为改进TSE算法的稳定性,在分析了TSE算法的原理的基础上,提出了改进的TSE算法,并确定了TSE算法的中间状态向量和转换矩阵的选取原则.通过非线性测量光电跟踪系统的仿真实验验证了所提出的改进的TSE算法可以保证算法的稳定性、中间状态向量和转换矩阵的选取原则的正确性,同时也证明了此算法的性能优于扩展卡尔曼滤波和U卡尔曼滤波.     

基于非线性共轭梯度法的唯相直接数据域算法

提出一种基于非线性共轭梯度法的唯相直接数据域最小二乘算法。根据标准直接数据域算法得到代价函数,由小相位扰动效应和泰勒展式推导得到代价函数的梯度,使用非线性共轭梯度法对代价函数进行优化,最终确定最优唯相权值向量。作为一种唯相自适应算法,它在硬件实现上比传统算法更具简单性。同时,它只对单快拍数据进行处理,避免了样本协方差矩阵的构造以及矩阵求逆运算,更适合于实时处理。仿真结果表明,算法具有良好的信号恢复和干扰置零性能。     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

AHP中不一致性判断矩阵调整的新方法

设计了一种交互式的算法,用该算法调整不一致性判断矩阵,可以得到多个满足一致性要求的合理方案,专家或决策者可根据自己的意愿,从这些方案中选择一个满意的方案.实验表明:该算法是有效的、可行的.     

空时二维线性预测谱估计算法

线性预测是时间序列分析中常用方法,针对传统一维线性预测谱估计算法只能估计信号源角度或信号频率问题,提出空时二维线性预测算法。采取对空时二维阵列接收到的数据进行数据抽取和排列,和对数据协方差矩阵进行重新构造的方法,求取空时二维线性预测权值并进行谱峰搜索。重点分析了空时二维的前向预测、后向预测和双向预测算法的原理,着重研究了构造的空时二维线性预测协方差矩阵的数据结构,讨论了前向、后向和双向预测的相互关系以及二维与一维的关系,并与空时二维最小方差算法、空时二维多重信号分类(multiple signal classification, MUSIC)算法进行了对比与分析。理论分析与仿真表明,一维空域、一维时域算法的前向、后向和双向预测为空时二维预测算法的特例,同时空时二维预测算法不仅克服了空时二维最小方差算法、空时二维MUSIC算法不能解相干信号源的缺点,还具有很好的测向测频能力。     

基于M-FIPM的无网格DOA估计算法

针对目前快速内点法(fast interior point method,FIPM)无法处理多快拍情况下半正定规划(semi-definite programming,SDP)问题的缺陷,提出一种基于多快拍FIPM (multiple snapshots FIPM,M-FIPM)的无网格波达方向(direction o...     

基于UD分解的改进型强跟踪滤波器

带多重次优渐消因子的强跟踪滤波器在计算舍入误差的影响下,估计状态的均方误差矩阵会失去非负定性,从而导致滤波发散的现象.在UD分解算法的基础上,提出了一种改进型带多重次优渐消因子的强跟踪滤波器.通过对引入渐消矩阵的一步预测均方误差矩阵进行UD分解,并将分解矩阵应用于滤波器量测信息的更新过程中,增强了算法的数值稳定性.此外,根据UD分解的结果给出了渐消矩阵的最小二乘解算方法,在提高渐消因子计算效率的同时摆脱了对先验知识的依赖性.仿真结果表明了算法的有效性.     

因果图迭代推理算法研究

针对因果图精确推理是NP(nondeterministic polynomial)难的问题,提出了一种迭代推理方法。首先,从图论的角度分析了因果图推理中概率计算的机理,并提出了矩阵解环的方法。在此基础上提出了一种迭代推理算法,该算法只需要进行简单的矩阵运算,大大简化了传统因果图推理复杂的计算过程,可以在多项式时间复杂度内实现推理。其次,分析了算法存在的问题并提出了改进的方向。最后,运用实例分析验证了该算法实现因果图推理的效果。研究表明,该算法能够有效地进行因果图推理,推理效率高,推理结果正确,为因果图提供了一种高效的近似推理方法,对因果图的应用具有重要意义。     

大型电站流体网络的POSTD实时仿真算法

本文针对大型电站实时仿真中常见的热工流体网络的求解问题,提出大型稀疏矩阵的POSTD实时仿真算法。POSTD (Pre___Ordering Symbolic Triangular Decomposition) 算法是在RCM排序算法的基础上加以改正,而得到的整体近似最优排序算法。同时根据流体网络计算的特点和要求,将原位LDL~1分解为三个步骤进行,即符号模拟分解、数值分解及数值求解。并在自动建模系统的支持下,在网络模块自动生成之前完成模拟定序和符号分解工作。从而大大提高了动态仿真的计算速度,同时节省存储单元,达到实时仿真的要求。该算法已编制成通用软件包。该软件包具有通用性强、实时性好、使用灵活方便和仿真精度高的特点。能适合并满足电站各种流体网络的快速计算,已用于长春20万千瓦仿真系统中。     

动态矩阵对策上的无中生有计及其实例

设两个局中人都仅有有限个纯策略．则《三十六计》中的第七计——无中生有计是一个保持赢得矩阵不变的动态矩阵对策系统。研究无中生有计的对策模型、对策结构以及破此计的算法．用实例说明了这些模型,阐明了“聘用”计算机担任大对策系统的现代化“谋士”的可行性。     

基于线性弥散空时码的有限反馈干扰对齐算法

干扰对齐(interference alignment,IA)作为极具潜力的干扰管理策略,能获得与用户数量成线性关系的自由度增益,但因其需要全局实时信道状态信息(channel state information,CSI)才能有效实现,使得IA理论向实用的转化将面临众多挑战。针对该问题,本文基于多小区蜂窝系统,提出了一种基于线性弥散空时码的有限反馈干扰对齐算法,该算法将预编码和线性弥散空时码编码进行级联,在只需反馈单个用户CSI的条件下,通过合理地设计预编码矩阵、线性弥散空时码块以及接收端的接收矩阵,来实现干扰的完全消除。仿真结果表明,相比已有研究,新IA算法在实现干扰完全消除的情况下,能够极大地降低系统CSI反馈开销。     

多终端仅测速实时定轨的自适应联邦STCKF算法

针对多手持终端仅测速实时定轨问题,设计了一种自适应联邦强跟踪容积卡尔曼滤波(strong tracking cubature Kalman filter,STCKF)算法。首先,使用欧拉预测校正法对带J2项摄动的轨道动力学方程进行离散得到状态方程。然后,为每个手持终端设计了STCKF滤波算法,该算法基于强跟踪滤波(strong tracking filter,STF)的等价表示计算次优渐消因子以在线实时调整增益矩阵,提高短弧段内滤波估计收敛速度。进而,利用信息最优合成算法对每个终端输出的局部定轨结果进行融合,为提高信息融合精度,信息分配因子由误差协方差矩阵的Frobenius范数自适应确定。最后的仿真结果表明,欧拉预测校正法可以有效提高轨道动力学方程离散精度,自适应联邦STCKF算法可以有效提高实时定轨精度和滤波收敛速度。