带乘性噪声系统在加性噪声相关时的最优固定域平滑及反褶积算法

最优平滑及最优反褶积在石油地震勘探、通讯工程、语音处理等应用领域都具有十分重要的意义。以往的带乘性噪声系统的平滑及反褶积大都对系统模型的噪声特性有着较强的限制条件，要求动态噪声及观测噪声互相独立或只能在同时刻相关。该文给出了一种在动态噪声为有色噪声及动态噪声和量测噪声在有限时间段上相关的情形下带乘性噪声系统的固定域平滑及反褶积算法，该算法在线性最小方差意义是最优的。通过仿真计算，说明了该算法的有效性。     

正定二次规划的投影最小二乘算法

提出了正定二次规划问题的投影最小二乘算法．该算法先求目标函数无约束优化问题的解，再将此解逐次投影到有效约束的边界．迭代过程中不断更新有效约束，最终得到问题的有效约束集，进而得到问题的解．将该算法应用到FIR滤波器的约束最小二乘设计中，算法分析及约束FIR滤波器的设计例子都表明该算法的计算量远小于目前最流行的二次规划算法——有效集方法．     

基于鲁棒成本函数的随机模糊神经网络参数学习算法

为了解决采用最小方差型的误差成本函数进行输入含噪系统参数学习时的随机模糊神经网络(SFNN)参数不能收敛至真值的问题,将包含噪声方差的误差成本函数推广到多入单出系统,并根据鲁棒统计学理论和目标函数在参数学习中的导向作用,对目标函数进行修正,使之对于不服从统计分布的粗大误差也能有效处理.在此基础上提出了SFNN的鲁棒参数学习算法,并且输入输出数据中的噪声方差也通过学习而得到,从而避免了需要多次测量的要求.结果表明,SFNN的鲁棒参数学习算法能抑制粗大误差和系统噪声.最后,通过仿真对比验证表明了该方法的有效性.     

面向鲁棒控制的l1中心估计算法及其误差界

分析了具有ｌ１误差的线性时不变系统的最不利情况的辨识问题，对系统假设的先验信息是未知系统的脉冲响应函数控制稳定，并且假设实验数据具有有界噪声干扰的一般输入响应样本，提出了中心估计算法，分析了其最不利情况的误差界限，所给算法和辨识结果是面向鲁棒控制的。     

基于奇异谱分析的混沌序列降噪

基于奇异谱分析的基本思想，提出一种降低混沌信号中噪声的算法及一种基于噪声奇异谱特性的最佳重构阶次选择方法．对一个混沌时间序列进行奇异谱分析，得到各主分量和经验正交函数，选择合适阶次重构信号，即可得到降噪后的混沌时间序列．数值仿真证实了该算法的有效性．     

一种新的近似目标函数优化方法

本文提出了一种新的优化方法,适用于变量较少、具有p次方形式、无法求导的复杂的目标函数.给出了由误差函数求出近似误差函数和近似目标函数,并以求近似目标函数的最优值来替代求目标函数最优值的详细算法.列出了本算法对于10种试验函数的计算实例.计算结果与其他方法的比较证明了本算法的有效性.最后讨论了本算法的某些局限性.     

一种变步长LMS算法及其Matlab仿真

对变步长自适应滤波算法进行了讨论，对VS—LMS算法进行了改进，建立了步长因子μ与误差信号e（n）之间另一种新的非线性函数关系．理论分析和计算机仿真结果表明，该关系不仅具有原有算法收敛速度快的优点，而且在低信噪比环境下比原有算法具有更好的抗噪声性能．     

脉冲噪声环境下基于最大相关熵准则的仿射投影算法

在许多工程技术应用中,噪声常呈现较强的冲激性,在数学上可用稳定分布模型来表示.常规的自适应滤波算法对于稳定分布噪声的鲁棒性较差.最大相关熵准则的提出,可以有效地改善在稳定分布噪声条件下自适应滤波算法的性能.以对称α稳定分布噪声为脉冲噪声模型,使用最大相关熵准则作为代价函数,提出基于最大相关熵准则的仿射投影算法,将前一次迭代的计算误差作为自变量代入相关熵函数中,使得改进后的仿射投影算法在脉冲噪声环境下取得良好的收敛效果,并通过实验证明了新算法在强脉冲噪声以及广义信噪比较低的情况下有较快的收敛速度和较好的收敛性能.     

具强噪声鲁棒性的聚类图像分割算法

针对已有的图像分割算法对噪声的鲁棒性不佳的问题,结合中智集合提出了一种新的基于中智集合聚类的图像分割算法,并为此聚类算法提出了高性能的目标函数.首先,将图像转换为中智集合域,然后定义一个高效的基于中智集合的聚类目标函数进行聚类分析,最终采用聚类算法将像素进行分类.将人工图像与真实图像进行对比试验.结果证明:本算法的有效性与分割准确率均高,同时具有较好的噪声鲁棒性.     

Hession矩阵凸性判别法选择凸性目标函数解决ANN学习算法中局部极值问题

误差反传学习算法（即BP算法）是人工神经网络（ANN）中应用最广泛,影响最大的一种ANN学习算法,但是BP算法和其他学习算法一样,存在收敛速度慢和局部极小值问题,采用Hession矩阵凸性判别法选择凸性目标函数,保证学习过程中所求出的目标函数的极小值就是全局极小值,从根本上避免了陷入局部极小值问题和由局部极小值所导致的收敛速度慢的问题,对于ANN学习算法目标函数的选择具有一定指标意义。     

数字图像去模糊处理算法的对比研究

为获得图像反卷积的真实解,考虑到噪声和模糊函数对复原图像的影响,研究分析了几种常用的数字图像去模糊处理技术,提出基于Markov约束的Poisson最大似然法(MPML)的超分辨力图像复原处理算法,并进行实际处理图像比较分析.实验表明:MPML算法具有其他几种算法的优势,同时减少了对原有信息的丢失.尤其是在噪声小的情况下,复原图像效果震荡条纹很小且具有较强的超分辨力复原能力.在数字图像去模糊处理技术研究方面具有一定意义.     

蚁群算法在医药物品配送路径优化中的应用

在分析医药物流特点的基础上,提出了医药物流数学模型的合理假设和约束条件,构建了医药物流配送路径优化的目标函数.鉴于蚁群算法具有较强的发现较好解的能力,运用蚁群算法对目标函数进行寻优.仿真实验结果验证了该算法的有效性.     

基于综合目标函数的神经网络多新息辨识算法

为提高动态神经网络学习算法的辨识精度及抗噪性能,提出一种基于综合目标函数的多新息辨识算法。该算法基于多新息理论在最小均方误差目标函数中引入一辅助项构造综合目标函数,利用该目标函数进行网络输出层权值的训练,并采用牛顿法推导出输出层权值的递推计算公式。与已有二阶学习算法相比,新算法鲁棒性强,收敛速度快,辨识精度高。仿真结果验证了算法的有效性。     

响应面优化算法在被动式低能耗建筑设计中的应用

被动式低能耗建筑设计过程计算量大,涉及变量多,不同变量间关系错综复杂,传统方法无法获取复杂变量的最优解集,不能保证被动式低能耗建筑设计不同目标函数达到最优。为此,将响应面优化算法应用于被动式低能耗建筑设计中。将最大化舒适度、最小化耗能率作为被动式低能耗建筑设计的目标函数。通过拉丁超立方实验设计方法,获取被动式低能耗建筑设计优化问题的设计空间;在设计空间中随机抽样。在此基础上,通过最小二乘法拟合建立响应面模型。利用遗传方法对拟合响应面模型进行改进和更新处理,直至达到收敛,保证被动式低能耗建筑设计达到低能耗率、高舒适性的目的。实验结果表明,响应面拟合准确性高,将响应面优化算法应用于被动式低能耗建筑设计中,发现其能够有效降低能耗,提高舒适性,和其他方法相比有更好的优化结果。     

噪声数据流的分类方法

数据流中噪声数据的处理是当前数据流分类挖掘中重要的研究分支,近些年来得到了广泛的关注.本文提出了一种称为FDBCA的数据流分类算法.它使用基于密度的带有噪声的空间聚类(DBSCAN)的改进算法Fast-DB-SCAN(FDBSCAN)处理噪声数据,并利用错误率方差(MSE)来检测概念漂移.同已有的数据流分类算法相比,实验结果表明了FDBCA算法可以提高噪声数据流的分类精度.     

基于鲸鱼优化算法的VMD-NLM脉搏信号滤波算法研究

针对采集到的脉搏波信号中存在基线漂移和高频噪声等干扰,导致后续病理研究分析困难、测量精度相对较差的问题,提出了一种改进的变分模态分解和非局部均值降噪结合的滤波算法。针对变分模态参数选取不同对结果存在不同影响的问题,采取鲸鱼优化算法自适应选取合适的参数,并根据排列熵结果筛选模态分量,对噪声分量进行非局部均值滤波,最后将信号重构,实现对脉搏波信号的噪声去除。实验结果表明：含噪信号经过改善后的滤波算法处理后,其信噪比与均方根误差均优于其他降噪方法,证明该算法能够有效地滤除信号的噪声,有助于脉搏波的分析处理。     

一种强背景噪声下的WSN目标定位算法

为了进一步提高无线传感器网络(WSN)目标定位解算精度,提出了一种改进的Cubature粒子滤波(ICPF)定位算法.该算法运用最小二乘法估计移动目标当前初始时刻的位置,使用Cubature卡尔曼滤波和Gauss-Newton迭代法来充分利用测量更新后的状态最新信息,精确设计目标状态重要性密度函数,为粒子滤波提供相应的建议分布,从而能够更加有效改善粒子滤波器的性能.仿真实验结果证明,提出的改进算法在强背景噪声下能有效提高定位精度且收敛性增强,其性能优于标准粒子滤波(PF)、扩展粒子滤波(EPF)及Unscented粒子滤波定位算法(UPF).      

基于差分进化算法实现非高斯噪声下盲信号分离

简要介绍了稳定分布统计特性,推导了一种适用于α稳定分布噪声下盲信号分离的算法.该算法采用差分进化算法对目标函数自动寻优,求得分离矩阵,从而分离出信号.仿真结果表明:该算法分数低阶α稳定分布背景噪声条件下具有良好的分离效果.     

改进的基于邻域隶属度约束的FCM图像分割算法

传统模糊C均值(FCM： Fuzzy C-Means)聚类算法应用于图像分割时, 因对噪声较敏感而达不到理想的分割效果。为此, 提出了改进的基于邻域隶属度约束的FCM图像分割算法。该算法通过对FCM目标函数添加空间邻域信息约束隶属度函数, 提高对图像噪声的鲁棒性, 使分割的结果更加符合期望。实验结果表明, 该算法对噪声具有较强的抑制能力, 图像分割时能获得较好的分割效果。     

一种改进的低信噪比GPS信号捕获算法

为解决传统非相干累加算法难以克服的数据比特反转与平方损失问题,针对低信噪比GPS信号C/A码捕获,研究一种基于相干结果差分共轭乘累加的检测统计方法,实现了相干累加时间的延拓与增益的提高.仿真实验结果表明:在同等条件下捕获-175 dBW信号时,该算法性能明显优于非相干累加算法,可获得约2 dB增益.