一种新颖的变步长仿射投影算法

通过玫进传统仿射投影算法(APA)的约束条件,提出了一种新的变步长仿射投影算法(VSS-APA).该算法具有随估计误差的变化自动调整步长的特点,同时克服了传统APA不能充分反映更新后的自适应滤波器系数应该尽可能逼近未知系统参数的缺点.在算法实现中,提出了简单有效的遗忘因子选择规则,以实现对误差能量的准确估计.最后将该算法成功应用于系统辨识.理论分析与计算机仿真表明,该算法有更快的收敛速率和更小的稳态均方误差.     

一种新的变步长LMS自适应滤波算法及性能分析

研究了自适应最小均方误差(least mean squares,LMS)滤波算法的步长选取问题。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。     

自适应变步长LMS滤波算法及分析

为了提高最小均方（LMS）自适应滤波算法的性能,通过建立步长因子与误差信号之间的非线性函数关系,提出一种自适应变步长LMS算法。该算法具有初始阶段和时变阶段步长自适应增大和稳态阶段步长很小的特点,消除了不相关噪声的影响,并且进一步克服了Sigmoid函数变步长LMS算法在自适应稳态阶段步长取值偏大的缺陷,计算机仿真结果与理论分析相一致,证实该算法优于传统算法。     

一种新的变步长LMS自适应算法

为了提高LMS自适应算法的性能,在对一类变步长LMS算法研究的基础上,提出了步长因子与误差信号之间的一种新的非线性函数关系,进一步改善了此类算法的性能。在相同收敛速度或者相同超量均方误差的前提下,该算法具有更小的超量均方误差或者更快的收敛速度。计算机仿真结果与理论分析相一致,证实了该算法性能优于原算法。     

变步长LMS自适应极化递推估值算法

为了解决最小均方误差算法(least mean square,LMS)在干扰极化状态估值中存在的收敛速度和稳态误差之间的矛盾,应用变步长LMS算法进行干扰的极化状态递推估值。分析了传统定步长因子μ的选取和其对算法达到稳态时误差的影响;讨论了当干扰极化状态变化时算法的跟踪性能;并以雷达测角为例,进一步分析算法的实际应用可行性。最后给出了算法实现的原理方案。仿真结果和理论分析相一致,证明了该方法的有效性。     

快速收敛仿射投影算法在稀疏水声信道的应用

本文提出了一种新的快速收敛比例仿射投影算法,并将算法应用于稀疏多径水声信道均衡.该算法首先在改进比例仿射投影算法(improved proportional affine projection algorithm,IPAPA)的基础上引入变步长算法,提高算法的收敛速度;并在此新算法的基础上通过引入判决反馈结构,进一步改...     

基于改进的双曲正切函数变步长LMS算法

为了改进现有的变步长最小均方误差(least mean square, LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。     

一种V-BLAST系统的高性能联合检测算法

提出V-BLAST(Vertical Bell Labs Layered Space-Time)系统的一种新的联合检测算法,先通过迫零(ZF)或最小均方误差(MMSE)算法初步检测,粗判决得到包含nT层信号的初始解向量,然后在信号解空间中找到与初始解有最小错误距离的nT个解向量,最后用最大似然(ML)算法从这nT+1个解向量中找出最优解.以QPSK调制方式为例,计算机仿真验证了在准静态平坦衰落信道中新算法的检测性能,与ZF和MMSE算法比较,该算法能明显提高系统性能,在4×4的MIMO系统中,当误码率在10-2数量级时可以获得6dB左右的增益,而且新算法比ML算法的复杂度低很多.     

基于凸联合的Krylov子空间自适应LMS算法

提出了一种基于凸联合的Krylov子空间自适应最小均方（least mean square, LMS）算法。首先采用Krylov子空间变换将未知系统的冲击响应转换为Krylov子空间下的稀疏结构,利用其稀疏特性,将一种改进的比例归一化LMS（improved proportionate normalized LMS, IPNLMS）算法和一种变阶数归一化LMS（variable tap length normalized LMS, VTNLMS）算法进行凸联合,最后通过Krylov子空间反变换得到未知系统冲击响应。仿真结果验证了所提出的凸联合自适应LMS算法具有更快的收敛速度和更小的稳态误差。     

一种复合型自适应Turbo均衡算法

针对短波信道以及短波瞬间通信以帧为单位进行传输的特点,提出了一种新的复合型自适应Turbo均衡算法(CATEA)。该算法结合最小均方(LMS)算法和递归最小平方(RLS)均衡算法的优点,分别在训练和直接判决阶段调整均衡器参数,因而克服了LMS算法收敛慢以及RLS算法计算量大的缺点。通过将该均衡算法与Viterbi译码算法进行迭代均衡和译码,极大地提高了均衡器性能,同时保持了较低的复杂性。仿真和实验测试证明了该算法的有效性。     

煤炭企业动态投入产出模型及其在规划中的应用

结合煤炭企业生产经营与投资建设的实际, 建立其动态投入产出模型, 用以解决煤炭企业维持简单再生产和扩大再生产过程中各生产部门生产能力的合理规划、资源的合理配置、投资与产出增长的动态平衡等问题, 进而优化企业投资结构和产品结构, 寻求矿区最佳发展策略。模型应用于某煤炭企业的投资与生产发展规划, 取得了预期的结果。     

基于实体行为的动态碰撞检测算法研究

碰撞检测算法的效率对虚拟战场的规模和真实感具有重要影响.提出了基于实体行为的动态碰撞检测方法,利用虚拟实体行为信息来减少静态碰撞检测的频率和次数.采用坐标投影法预测实体间最近可能发生碰撞的时间,有效地减少了每次动态碰撞检测的计算量.分析表明,该碰撞检测算法的计算复杂度与动态实体数目成线性关系.     

一种自适应混合加权动态推算地形生成算法

针对大地形生成中严重跳变失真问题,提出了一种自适应混合加权动态推算地形生成算法。该算法研究了地形高程数据点对新生子点的权重数学建模过程,在此基础上给出了混合加权生成新子点的动态校正方法,建立了视距、LOD层级与插值点个数等三者的关联度模型。测试结果表明,该算法提供了一种可靠的大地形生成技术,实现了基于关联度模型的多层LOD自适应分级细化粗粒度模型的渐变过程,实时性与逼真度良好。     

具有伪控制补偿的自适应动态逆控制系统设计与仿真

论述了基于伪控制补偿解决自适应控制中作动器饱和问题的方法。基本控制律采用非线性动态逆方法设计，神经网络用于对逆误差进行重构。伪控制补偿消除作动器和自适应单元之间的交互影响。通过在超机动飞行控制的应用仿真表明，该控制方案弥补了动态逆要求精确数学模型的缺点，消除了作动器饱和对自适应单元的影响，提高了整个控制系统的鲁棒性。     

有新任务插入的多星动态调度模型与算法研究

对地观测卫星动态调度问题是一类复杂的调度问题.在对动态调度的要求进行分析的基础上,针对有新任务插入的多星动态调度问题的特点,建立了多星动态调度模型,提出了一种基于自由度规则的动态启发式求解算法.分别设计了基于最大自由度的退出启发式规则和基于自由度比例的退出启发式规则,采用深度有限搜索策略进行迭代搜索.仿真实例分析表明,基于自由度规则的动态启发式求解算法能够较好地解决有新任务插入的多星动态调度问题.     

内嵌多准则的遗传算法用于尿沉渣红白细胞的特征选择

针对尿沉渣检测中红白细胞的特征选择问题,提出了结合双向选择的内嵌多准则的改进遗传算法(NMGA)(通过多代进化逐步选中优良特征,在每一代进化中基于多种评价准则进行遗传,分别得出各自的最佳特征子集,然后对其进行多票投选,得出一个最佳特征子集,然后继续下一代进化,该方法可结合小生境技术共同搜索最佳特征子集。文末采用多个尿沉渣红细胞和白细胞样本进行验证实验,实验结果表明,算法优选的特征集与未进行特征选择和经过普通遗传算法(SGA)特征选择得到的特征集相比,识别率较高,并且优选后的特征子集的特征数较少,明显降低了分类器的维数复杂度。     

模型与实际有差异时非线性大工业过程递阶优化控制算法

针对实际非线性离散系统与它的模型之间的差异,提出了一种基于模型优化控制问题来求解实际问题最优解的递阶算法,该算法通过上级的关联预测和参数估计与下级的修正的基于模型优化子问题的迭代问题,总可以获得实际非线性离散大系统最优控制．并行计算可以节省计算时间．分析了该算法的收敛性和最优性．仿真例子说明该算法的特色．     

多目标有约束模糊关系优选决策理论及在港口工程选址中的应用

多目标有约束模糊关系优选决策理论及在港口工程选址中的应用陈守煜熊德琪（大连理工大学，１１６０２４）（大连海事大学，１１６０２３）赵瑛琪（辽宁师范大学，大连１１６０１１）ＦｕｚｚｙＲｅｌａｔｉｏｎｓｈｉｐＯｐｔｉｍｉｚｅｄＤｅｃｉｓｉｏｎ－Ｍａｋｉｎｇ...     

基于解均匀度的车辆路径问题的自适应蚁群算法

蚁群算法是一种新型的模拟进化算法，具有许多优良的性质，可以很好地解决旅行商问题(Traveling Salesman Problem，TSP)，但同时也存在计算时间长、易出现停滞等缺陷。在分析车辆路径问题(Vehicle Roulting Problem，VRP)与TSP区别的基础上，将蚁群算法应用于VRP的求解，通过引入解均匀度、选择窗口以及吸引力等概念对算法的转移策略和更新策略进行改进，构造了具有自适应功能的蚁群算法。实验仿真结果表明所设计的算法具有很强的搜索能力，计算效率较高，能够有效地解决加速收敛与停滞现象之间的矛盾。