圆弧曲线的有理五次Bernstein基表示

在计算机辅助几何设计中,圆弧是一个重要且基础的几何对象。在CAD\CAM系统中,往往采用有理Bézier曲线精确表示圆弧,但用低次的有理Bézier曲线不能表示整圆。文章推导出了有理五次Bézier曲线表示圆弧的充要条件,并通过实例验证了有理五次Bézier曲线可以表示整圆。     

C语言小程序算法的表示

在自动评判程序中的逻辑错误时,一个关键问题是正确表示程序的算法,并解决多样性问题.围绕算法的定义,提出用变量的源变量列表(VSV)和单变量访问流图(SVAF)共同表示程序的算法.其中VSV用于描述变量间的计算关系,SVAF用于描述每个变量的操作方式、次序以及相关的程序控制结构.经过规格化操作,可消除VSV和SVAF中因语句次序、临时变量、特殊赋值语句以及循环语句等引发的多样性问题.     

模上的Groebner基与切触有理插值

利用模上的Groebner基研究多元切触有理插值问题, 得到了多元有理函数a(X)/b(X)的参数化表示, 并给出一种构造多元切触有理插值算法. 当插值问题退化为Cauchy型有理插值问题时, 相应的算法即为多元有理插值的Newton型算法.     

整系数多项式有理重根的一个性质

文章给出了整数系多项式有理重根的一个重要性质,主要结论推广了整系数多项式的有理根定理.     

基于单神经元复合整定的多余力抑制

分析结构不变性原理与同步补偿的优缺点,建立加载系统的线性化模型,研究系统在干扰状态下的幅频特性,并针对电液负载模拟器位置同步补偿方法自适应能力的不足,提出一种基于单神经元的复合整定方案.该方案利用单神经元整定同步补偿环节中的增益系数,并通过复合算法对单神经元输出进行修正,以弥补整定过程中因系统幅频特性导致的震荡.研究结果表明:该控制方案实现了在不同频率变化下系数的最优整定,多余力被有效抑制.该方案优于传统的前馈补偿方法,整定迅速,且结构简单,自适应能力强,具有实际意义.     

次摆线的有理Bezier表示

提出了一种表示次摆线的简单有理Bezier表示方法,利用三角多项式空间规范B基与有理Bernstein基函数的关系,给出次摆线的有理表示的有效算法。     

一种RMPKC体制的改进方案

针对有理多变量公钥密码系统(RMPKC)曾被改进的2R分解算法成功攻破这一问题,文中提出了一种RMPKC体制的改进方案.该方案的核心思想是将第一个有理映射的函数次数变为三次,第二个有理映射的函数次数保持不变.文中证明了这种改进方法能够使得2R分解算法的条件不被满足,因此能够抵抗目前的2R分解算法;文中还证明了,当第二个有理映射的函数次数是三次、第一个有理映射的函数次数保持不变时,2R分解算法仍有效.     

基于Gauss-Hermite求积分卡尔曼滤波的SINS非线性初始对准方法

为了改善大方位角初始对准精度和缩短收敛时间,在SINS动基座初始对准中引入了简化的Gauss-Hermite求积分卡尔曼滤波(QKF)方法.首先分析了Gauss-Hermite求积分中的单变量Gauss点及其系数配置方法,然后采用直接张量积法将单变量配置扩展后得到多变量Gauss点及其系数配置方法,给出了简化的QKF滤波算法.最后通过数学仿真分析比较了单变量积分点数为3的QKF(3点QKF)与比例对称采样UKF的对准性能,以及单变量积分点数取不同值(3,5和7)对QKF滤波性能的影响.结果表明:在动基座SINS大方位角初始对准中,3点QKF的对准精度远高于UKF的精度,方位角估计收敛速度也快于UKF,并且随着单变量Gauss积分点数的增加,QKF对准精度会进一步提高.     

多输入多输出系统的加权多模型自适应控制研究

针对单入单出系统设计的加权算法无法在多输入多输出系统中得到较好的控制效果,对加权多模型自适应控制中的加权算法进行研究,并设计矢量与标量两种加权算法,研究多变量系统中标量以及矢量权值对系统的影响.同时,对加权算法中的误差性能指标进行研究,选取不同的误差性能指标,研究不同误差性能指标对权值收敛速度的影响.通过Matlab搭建Simulink仿真模型,对加权算法进行仿真.仿真结果显示,采用定常系数的误差性能指标的标量加权算法能对多输入多输出系统做出理想的控制效果.     

有理特征值问题两类改进的数值求解算法

为探讨有理特征值问题的数值求解方法，在二分迭代算法及Rayleigh函数迭代算法的基础上，利用区间变换法构造了两种新算法，并给出这两种新算法的收敛性结果.数值计算结果表明，新算法在求解大规模有理特征值问题上优于已有算法.     

一种新的变步长LMS算法

对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上提出一种改进的变步长LMS算法.该算法建立了步长因子与误差信号和权系数变化之间的非线性函数关系,从而使权向量异步更新达到最佳.仿真结果表明,该算法具有更快的收敛速度,更小的稳态误差及更平稳的收敛过程.     

关于半隐式向后Euler本构积分算法的改进

在相关联流动法则与各向同性强化的条件下,对弹塑性有限元中半隐式向后Euler本构积分算法进行改进,改进后的算法,对较大的时间步长,调整后应力仍能返回到更新的屈服面上,从而加强了算法对时间步长的适应能力。对于特殊屈服准则,如D-P准则,本文算法本质上为半隐式径向返回。最后给出了算例说明。     

新的变步长归一化最小均方算法

为了解决最小均方 (L east Mean Square,L MS)算法收敛速度和稳态误差之间的矛盾 ,提出了一种新的变步长归一化 (Norm alized) L MS(NL MS)算法。这种算法根据滤波器系数的梯度计算新的步长。当算法尚未收敛时 ,使用较大的步长 ;随着收敛程度的加深 ,逐渐减小步长。试验显示了该算法具有很好的收敛性能和跟踪性能。与其它的变步长L MS算法相比 ,该算法在标准 NL MS算法基础上增加的运算量和存储量都很少且与阶数无关 ;而且该算法的参数受观测噪声的影响很小 ,在观测噪声强度发生变化的情况下不需要重新调整参数 ,仍然可以保持很好的收敛性能     

基于自适应加权压缩感知的图像超分辨率重建

压缩感知理论被广泛应用于从少量随机观测中精确地重构原始信号,基于压缩感知理论来实现图像的超分辨率重建,在利用图像的局部稀疏性先验的基础上,采取了以下两项措施：一是通过对图像降质模型的估计,采用K-奇异值分解(K-singular value decomposition, K-SVD)算法构建过完备字典对,依据同一图像高低分辨率观测在对应字典下稀疏表示系数相似的特点,将字典对所表示的高低分辨率图像间的映射关系带入目标函数中,避免了降采样和模糊算子难以抽象为矩阵形式对求解造成的影响;二是在待超分辨率图像稀疏编码时提出一种自适应加权的梯度投影稀疏重构(adaptive weighting gradient projection for sparse reconstruction, AWGPSR)算法,克服了传统正交匹配追踪(orthogonal matching pursuit, OMP)算法在这一步需要固定稀疏度的缺陷,可获得更加精确的稀疏表示系数。结合得到的稀疏表示系数与高分辨率字典可以重建出图像的高频分量,将重建的高频分量与低频部分融合可以得到最终的图像超分辨率重建结果。实验结果表明,...     

基于双曲正切函数的智能天线变步长LMS算法

提出一种基于双曲正切函数的智能天线变步长最小均方（LMS）算法. 通过建立步长因子与误差信号的双曲正切函数关系改进LMS算法, 解决了固定步长时收敛速度和稳态误差间的矛盾. 仿真结果表明, 所提出的变步长最小均方算法比标准的最小均方算法有更快的收敛速度和更小的稳态误差.     

基于非负稀疏表示的标签繁殖算法

提出了一种基于非负稀疏表示(nonnegative sparse representation,NSR)的半监督学习标签传播算法.该算法首先构造一个稀疏概率图(sparse probability graph,SPG),其权重由非负稀疏表示算法计算的非负系数组成,自然地反映了各样本之间的聚类关系,避免了传统半监督学习算法中的邻居选择和参数设置过程;然后通过对未标记样本的标签进行迭代繁殖至收敛而获得所有样本的标签.在人脸识别、物体识别、UCI机器学习和TDT文本数据集上的实验结果表明采用非负稀疏表示的标签传播算法比典型的标签繁殖算法具有更好的分类准确率.     

非线性抛物方程的自适应有限元算法

本文讨论了一维空间中解非线性抛物方程的自适应有限元算法。对此非线性抛物方程,我们选择3层有限元格式,并以等分布原则为基础,对每一时间层选择非一致网格以保证误差具有较高的精度。此算法对大梯度的问题有较强的实用性。应用此算法的计算实例在文末给出。     

线性选择算法中递归参量的动态选择

通过对线性选择算法的递归分析,得出其子序列长度的最佳选择为19,可使原算法的复杂度降低60％;对分划支点的选择采用动态方法,使每步递归的复杂度最低,避免了原算法中的一刀切方法,使原算法得到较大改进。     

自适应变步长恒包络算法AS-CMA用于DS/CDMA中盲干扰抑制

基于直接序列码分多址(DS／CDMA)系统中的多址干扰(MAI)和窄带干扰(NBI)，提出了一种变步长盲恒包络算法(AS-CMA)，并同自适应变步长最小均方算法(AS-LMS)进行了比较。仿真结果表明，AS—CMA算法能够自动地适应环境的变化，收敛性和稳定性均优于AS—LMS算法。     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。