一种基于LS准则和L阶输入矢量的自适应算法

提出了一种新的基于LS准则和L阶输入矢量的自适应滤波算法．该算法采用新的梯度计算公式，使自适应滤波中权矢量的更新比LMS精确和平滑．仿真表明经过250次迭代，新算法就可以收敛于最优值1．6．新算法与基本的解相关LMS算法（DLMS）和LMS算法相比，收敛速度快、稳定性更好．并给出了新算法、DLMS算法和LMS算法性能曲线仿真结果．     

一种新的变步长LMS算法及其仿真

在分析传统LMS算法及其改进算法的基础上，提出了一种新的可变步长LMS算法，新算法采用梯度矢量的平均值的平方值调整步长．计算机仿真表明，与传统LMS算法和文献[1]中的VSS-LMS算法相比，新算法有更快的收敛和跟踪速度，并能收敛到更小且更稳定的均方误差。     

一种新的抑制窄带干扰的时域均衡算法

通过对维纳滤波中最速下降法的分析,提出了一种新的AJ(anti-jamming) LMS时域均衡算法.该算法基于估计出的信道参数,对均衡器的权系数进行自适应调整.理论分析和仿真结果表明,虽然AJLMS算法的计算量比LMS算法有所增加,但它的抗窄带干扰性能得到了明显提高.     

多任务自适应网络的非负参数向量辨识研究

多任务自适应网络是指网络中节点辨识的参数向量不完全相同的自适应网络。在一些物理现象中,网络中的参数向量可能会受到非负性条件约束。然而,现有的多任务扩散式LMS算法只适用于辨识无约束的参数向量。为了解决这一问题,选用每个节点的误差信号的三次方的绝对值作为代价函数,并利用KKT条件和随机梯度下降法,推导出一种多任务非负三次方绝对值算法(MD-NNLMAT)。仿真结果表明,在相同的稳态失调下,该算法比多任务非负最小均方算法(MD-NNLMS)有更快的收敛速度。     

非简谐振子的最陡下降理论计算

本文将由Ｃｉｏｓｌｏｗｓｋｉ提出并被文根旺发展了的最陡下降理论用于非简谐振子的计算中，同时讨论了各参数对计算结果的影响，计算表明，在给定的情况下，利用最陡下降法可以得到与精确解相同的结果。     

基于小波网络的MQAM数字通信自适应均衡器

首先给出了多维小波网络的结构及其随机梯度学习算法,提出了基于小波网络的MQAM数字通信自适应均衡器.仿真结果表明:该均衡器对于MQAM数字信号非线性信道的均衡,其性能明显优于传统的基于LMS和RLS算法的线性均衡器和基于RLS算法的判决反馈均衡器,且性能稍好于基于BP网络的均衡器.     

一种基于LMS的改进变步长算法及其应用

在分析定步长LMS算法和变步长LMS算法的基础上,提出了一种改进的LMS算法,改进的LMS算法是利用瞬时误差的绝对值的三次方和遗忘因子共同来调整步长的.理论分析和系统辨识的仿真结果均表明,新算法确实具有更快的收敛速度.     

一种基于肤色和模板梯度的人脸检测方法

提出了一种基于肤色和模板梯度的人脸榆测方法，该方法首先利用肤色信息找到人脸的大致位置，再利用主分量分析提取出公共脸并以此作为匹配模板，最终采用二阶梯度法作为判别准则．结果表明本算法能明显地提高检测速度，检测率比一般的模板法有较大地提高．     

基于格型结构LMS算法的自适应预测

自适应预测在语言和图像编码中有着大量的应用。本文重点研究LMS算法的一步线性预测。其间推导了LMS算法在格型结构中的表达式,并验证了二阶格型结构的LMS算法收敛过程,也在格型结构系统中验证了LMS算法在一步前向预测上的准确性。结果表明,在格型结构中使用LMS算法进行一步前向预测,能够达到较高的准确性。     

基于双曲正弦函数的新变步长LMS算法

对自适应最小均方误差(LMS)滤波算法的步长选取问题进行了研究.在分析现有变步长LMS算法的基础上,通过对双曲正弦函数进行数学变化,构造步长因子u(n)与误差信号e(n)的函数,提出了一种基于双曲正弦函数的新变步长LMS算法,分析了参数a、b、c的选取对该算法性能的影响.仿真结果表明:该算法在收敛速度和稳态误差方面明显优于固定步长LMS算法及SVS-LMS算法.     

汽车半主动悬架的神经网络控制

针对目前标准BP神经网络的缺点,提出基于高阶导数的多记忆BP算法,将能量函数的 阶导数与最速下降方向相结合,构造出一个新的最速下降方向,从而提高了神经网络的学习速度。证明了该算法相对于传统梯度算法的快速性,然后给出了该算法的实现方法,并进行了算例仿真。为了证明其实效性,设计了汽车半主动悬架神经网络控制器。结果证明,该算法便捷、实用、有效。     

极点迭代法—一个求最小条件平面度误差的快速,精确算法

在文献「３」、「６」的基础上提出了最小条件平面度误差的一种新算法。新算法在计算的主 仅对每行的极值点进行迭代计算，在计算效率方面显著优于已有的算法。尤适宜于自理较大型的问题。     

求约束极值问题的修正共轭梯度投影法

针对带约束的非线性规划问题,提出一个修正共轭梯度投影算法,并且用不严格互补条件证明了算法具备全局收敛性和局部超线性收敛性;另一方面,算法的每步迭代只计算一次共轭投影矩阵,避免了求解二次规划或求两个投影矩阵,因而算法在计算量上有所改进.     

基于二次同余映射交织器设计的改进

首先分析算术二次同余映射的原理,然后在此基础上对交织器的映射关系加以"保奇偶序"限制和移位运算,得到改进的交织映射算法.通过仿真验证了新的交织映射算法具有良好的性能.     

一种稳健的目标提取与跟踪算法

融合了GVF-Snakes算法与基于细粒度的遗传算法,提出了一种稳健的目标轮廓提取与跟踪算法.该算法通过使用边界约束替代能量计算改进了GVF-Snakes算法,降低了算法计算复杂度,提高了它的搜索速度;另外,通过引用细粒度遗传算法来筛选控制点序列,提高了算法对极端凹陷边缘和噪声干扰轮廓的提取能力.通过合成和自然图像的目标轮廓提取和跟踪实验,证明了本文提出的算法具有鲁棒性和精确性.     

基于帧间单映变换的视频序列超分辨率重建

针对帧间单映变换的视频序列提出了一种超分辨率重建算法。首先在最小二乘的基础上给出超分辨率重建的数学模型;其次采用基于模型的等级估计法估计相邻帧的单映变换矩阵;然后采用基于RANSAC的特征点匹配方法对非相邻帧进行带指导的改进估计,使其能够达到要求的亚像素级精度;最后运用共扼梯度算法进行迭代重建,并详细讨论了主要的矩阵向量乘法计算。实验结果表明该算法的重建相当有效。     

基于矢量重构的相干信源测向

传统的解相干方法主要有空间平滑和子空间拟合两类,但这些方法或者阵列利用率低或者计算复杂度高,因此寻求计算量小且阵列利用率高的解相干测向方法有重要意义. 该文基于前后向矢量重构理论,提出一种相干信源测向方法. 根据信号导向矢量矩阵与信号子空间张成同一空间,充分利用大特征值对应的特征向量,采用前后向矢量重构方法构造列满秩的数据矩阵,利用总体最小二乘¡旋转不变子空间算法进行波达方向估计. 该方法适用于独立信源和相干信源同时存在的情况,具有良好的实用性,且运算过程简单,计算量小. 理论分析和仿真结果表明了所提方法具有优良性能.     

求解TSP的演化算法

提出的计算ＴＳＰ的新算法具有如下特色：１）把演化计算与分枝定界算法相结合；２）面向网络的分布式并行计算，因而它在多方面比通常的分枝定界算法优越，实例证明了这点。     

利用光度立体法确定的表面法线误差灵敏度分析与校正

利用光度立体法不需要复杂计算就能确定景物内3D物体的表面方向,但容易产生许多误差.为克服这一问题,文中着重研究与分析几种主要误差,提出新的误差灵敏度分析算法.利用这种新算法,使推导过程变得极为简单并能导出十分严密的表面法线灵敏度计算公式.经试验证明,所得结果与光度立体理论完全一致.