基于恒模类的盲均衡算法的仿真研究

本文阐述了用于信道盲均衡的恒模算法的数学模型和基本原理。对近年来出现的恒模算法的改进算法——变步长恒模算法、修正恒模算法、多模算法、修正多模算法和双模式恒模算法进行了分析和仿真。仿真结果表明,与恒模算法相比,变步长恒模算法和多模算法有较小的剩余误差和较快收敛速度。修正恒模算法和修正多模算法则克服了信道传榆引起的相位偏移。     

基于自编码器和密度的融合离群点检测算法

针对基于栈式自编码器的离群点(SAE)检测算法和基于密度的离群点(LOF)检测算法检测精度不高的问题,提出了将SAE算法和LOF算法相结合的SAE-LOF算法.该算法的核心是对单独的SAE算法和LOF算法加入"投票"思想,通过神经网络训练权重,计算SAE算法和LOF算法加权投票结果,进而检测离群点.首先,训练并测试SA...     

MIMO-OFDM系统中LDPC码的改进型译码算法

为了降低LDPC码译码算法的复杂性并提高译码性能,针对传统的最小和译码算法的性能缺陷,提出一种改进型最小和译码算法.在最小均方误差准则下,该改进型译码算法充分利用了归一化译码算法和偏移译码算法的优点,以逼近置信传播译码算法.最后将LDPC码的改进型最小和译码算法应用于MIMO-OFDM系统中以降低载波干扰.仿真结果表明,若MIMO-OFDM系统要求的误码率为10-5,改进型最小和译码算法的编码增益比传统的最小和译码算法高出0.5 dB,比归一化译码算法和偏移译码算法分别高出0.3和0.2 dB,与置信传播译码算法仅差0.15dB.另外,改进型最小和译码算法也具有低的硬件复杂度.     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

基于高次逼近的改进型RA译码算法研究

RA码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂.虽然最小和译码算法、归一化译码算法和偏移量译码算法能够简化BP译码算法,但它们都是以牺牲性能为代价的.根据最小均方误差准则,提出一种改进型RA译码算法,该算法采用高次逼近的方法来近似于BP译码算法,能够降低BP译码算法的复杂度.仿真结果表明,与BP译码算法相比,改进型RA译码算法能在降低算法复杂度的同时保持良好的译码性能,与归一化译码算法和偏移量译码算法相比,改进型RA译码算法的复杂度几乎不变,但译码性能得到了明显的提高.     

MIMO-OFDM系统中的信号检测算法(Ⅱ)

全面介绍了MIMO-OFDM系统中的三类信号检测算法:线性检测算法、非线性检测算法和最优检测算法,详细分析了最优检测算法中的球面解码算法和格点减少算法,并在详述各种检测技术的基础上,比较了各类算法的性能和计算复杂度,预测了信号检测技术的发展方向.     

入侵检测系统中模式匹配算法探讨

针对入侵检测系统实现中的关键部分—检测引擎的数据分析模块实现问题,对基于规则的入侵检测来说,模式匹配算法非常重要,它直接影响到系统的准确性和实时性能。研究了几种应用于入侵检测中的单模式精确匹配算法和多模式精确匹配算法,分析了这些算法的复杂性,包括 Brute Force 算法,Knuth-Moris-Pratt 算法,Boyer-Moore 算法,Boyer-Moore-Horspool 算法,Aho-Corasick 算法和 Aho-Corasick_Boyer-Moore 算法。     

LLR-BP算法的简化译码算法研究

研究了基于Gallager方案的LLR-BP算法及其简化的译码算法,应用Matlab仿真比较了基于Gallager方案的LLR-BP算法及其三种简化译码算法的性能,仿真结果表明:基于Gallager方案的LLR-BP算法与归一化BP算法和偏置BP算法的误码率性能相差不多,当信噪比大于2dB时,归一化BP算法和偏置BP算法比基于Gallager方案的LLR-BP算法的误码率性能稍好,最小和算法误码率性能相对最差。     

MIMO-OFDM系统中LDPC码的改进型最小和译码算法研究

LDPC码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂.虽然最小和译码算法能够简化BP译码算法,但它是以牺牲性能为代价的.为了让译码算法在复杂度和译码性能之间取得较好的折衷,针对最小和译码算法的性能缺陷,利用最小均方误差准则,提出一种改进型最小和译码算法,最后将该算法应用于M IMO-OFDM系统中.仿真结果表明,与BP译码算法以及最小和译码算法相比,改进型最小和译码算法能够在降低算法复杂度的同时保持良好的译码性能.     

一种求解单调非线性方程组的凸组合算法

将求解单调非线性方程组的CGD算法和MPRP算法的下降方向进行凸组合,构造出新的下降方向,从而提出新的算法,并给出新算法的全局收敛性定理.通过数值实验比较新算法与CGD算法和MPRP算法的结果,可知新算法优于原算法.     

一种基于BP短LDPC码的改进级联算法

对短LDPC码的分阶统计译码(OSD)算法进行了分析,研究了BP和OSD的级联算法及对数似然比累积算法,考虑到译码复杂度和性能的折中,提出了一种改进的级联算法,用最小和算法替代BP算法,然后与对数似然比累计算法进行级联.仿真结果表明,和原始的BP算法相比,译码性能有了很大的提升;和BP-OSD级联算法相比,译码复杂度降低,性能几乎一致.     

一种求解TSP问题的混合算法

结合粒子群算法、蚁群算法、重力搜索算法提出了一种新的混合算法——TSP-GPAA.该算法将粒子群算法和重力搜索算法加入到蚁群算法中,利用粒子群算法的全局搜索能力解决了蚁群算法的初始信息素匮乏的问题,并且重力搜索算法将粒子群算法和蚁群算法参数进行优化,明显提高了蚁群算法的优化性能.实验表明新算法对于解决TSP问题是有效的...     

基于偏移量近似的改进型RA译码算法研究

RA码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂。虽然最小和译码算法能够简化BP译码算法,但它是以牺牲性能为代价的。为了让译码算法在复杂度和译码性能之间取得较好的折衷,提出一种改进型RA译码算法。该算法采用偏移量近似的方法来逼近于BP译码算法,能够降低BP译码算法的复杂度。仿真结果表明,与BP译码算法相比,改进型RA译码算法能够在降低算法复杂度的同时保持良好的译码性能,与最小和译码算法相比,改进型RA译码算法的复杂度几乎不变,但译码性能得到了明显的提高。     

Powell搜索法和惯性权重非线性调整局部收缩微粒

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法. 该算法不需要计算梯度, 容易应用于实际问题中. 通过对微粒群算法的修正, 使混合算法具有更加精确和快速的收敛性. 首先利用20个基准测试函数进行仿真计算比较, 计算结果表明, 新混合算法在求解质量和收敛速率上都优于其他算法（PSO, GPSO和NM PSO算法）. 其次, 将新混合算法和最新的各种协同PSO算法进行分析比较. 结果表明, 新混合算法在解的搜索质量、 效率和关于初始点的鲁棒性方面都远优于其他算法.     

Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法.该算法不需要计算梯度, 容易应用于实际问题中.通过对微粒群算法的修正, 使混合算法具有更加精确和快速的收敛性.首先利用20个基准测试函数进行仿真计算比较, 计算结果表明, 新混合算法在求解质量和收敛速率上都优于其他算法(PSO, GPSO和NM-PSO算法).其次, 将新混合算法和最新的各种协同PSO算法进行分析比较.结果表明, 新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都远优于其他算法.     

MIMO-OFDM系统中的信号检测算法(I)

全面介绍了MIMO-OFDM系统中的三类信号检测算法：线性检测算法、非线性检测算法和最优检测算法,详细分析了最优检测算法中的球面解码算法和格点减少算法.并在详述各种检测技术的基础上,比较了各类算法的性能和计算复杂度,预测了信号检测技术的发展方向.     

BM模式匹配算法的研究与改进

本文在分析传统模式匹配BF算法、KMP算法和BM算法的基础上,提出对BM算法的改进.主要针对BM算法中模式串向右滑动距离进行改进,BM算法和改进后的BM算法在同等条件下,分别调用各自算法的滑动距离函数,实验结果可以看出改进后的BM算法查找效率、查找次数等均优于BM算法.     

复杂场景下面向群体路径规划的改进人工蜂群算法

处理复杂优化问题时,原始蜂群算法耗时长且精度低,对此,本文提出了一种改进的蜂群算法.该算法借鉴粒子群算法的全局寻优思想完善跟随蜂的局部搜索过程,同时融入分段搜索策略改进引领蜂的位置更新方式,最终提高算法的收敛速度和精度.通过算法性能对比表明,与原始算法相比该算法的精度和稳定性均优于原算法,证明了将该算法用于路径规划中的可行性和有效性.     

基于LLE和PCA的人脸识别算法研究

用PCA算法对非线性结构的高维数据(如人脸图像)进行降维,会破坏其局部结构信息.而采用LLE算法对其进行降维,又会保留大量的冗余信息,并且算法不具有可扩展性,从而达不到预期的降维效果.为了克服PCA算法和LLE算法的这些缺点,我们提出将LLE算法与PCA算法以及径向基神经网络相结合的LPR算法,并将该算法分别与LLE算法和PCA算法进行实验比较.结果表明,LPR算法在保证较高识别率的同时,大大提高了算法效率.     

基于启发式和贪心策略的社交网络影响最大化算法

为解决传统影响力最大化算法在影响范围和运行时间上存在的不平衡问题,提出了一种综合启发式和贪心算法的社交网络影响力最大化算法(MHG).该算法综合考虑了贪心算法和启发式算法的优势,将种子节点的选择分为2个阶段,即通过启发式算法选出候选种子节点集和使用贪心算法从候选种子节点集中筛选出种子节点集合.结果表明,与现有的启发式算法相比,MHG算法在影响范围上具有显著优势,且接近贪心算法,但其运行时间明显少于贪心算法,因而在效果和时间2个方面取得了较好的平衡.在真实数据集及不同传播模型下,MHG算法均表现出稳定的影响范围,体现了该算法在大规模社会网络处理中的可扩展性.