预测控制中逆矩阵的递推求解算法

在各种自校正预测控制算法中，计算最优即时控制时均需在线进行矩阵求逆运算．作者针对各类预测控制算法中需求逆矩阵的普遍情形，采用矩阵分解方法，推导出一种可适用于各类预测控制算法的逆矩阵在线递推求解算法．本算法比传统增广矩阵求逆算法的计算量小，且适用性广，因而采用该算法可显著提高各种自校正预测控制算法的实时性．     

基于LMBP算法的Drazin矩阵逆的求解

研究利用神经网络求解Drazin矩阵逆的一种新的算法,根据Drazin矩阵所具有的性质和已经研究的成果,对Drazin矩阵逆的求解的预处理过程及求解分别设计了循环神经网络和LMBP神经网络结构.据算法求解的实例结果,与传统算法进行了比较,表明新的算法具有优越性.     

布尔矩阵平方根的一些性质

布尔矩阵的平方根问题是一个到目前为止尚未解决的组合问题.既没有一个通用的准则可以用来判断一个布尔矩阵是否有平方根,对于有平方根的布尔矩阵也没有一种快速的方法构造出其平方根.从布尔矩阵的结构特征出发,首先讨论有平方根的布尔矩阵具有的一些性质,指出布尔矩阵与其平方根在结构上存在的内在联系;基于这些联系,给出两种由已知平方根构造新平方根的方法;最后得到布尔矩阵存在平方根的一个充要条件,并以此给出一种构造布尔矩阵平方根的方法.     

逆变器消谐方程实时求解中矩阵求逆与ASIC实现

在运用同伦算法进行逆变器PWM消谐方程实时求解过程中,矩阵求逆是关键.通过对上三角矩阵求逆算法的研究,提出了一种适合ASIC实现的基于二维心动阵列的矩阵求逆并行结构.运用硬件描述语言(VHDL)对其建模,并通过Synopsys的Design Compile综合和Cadence的NC-Sim对其进行综合后仿真.仿真结果表明,该并行结构能够在2n 1个时钟周期内完成n阶矩阵求逆,而传统的串行计算至少需要n3个时钟周期.     

2k阶r-循环矩阵开平方的快速算法

对n(=2k,k≥1阶r-循环矩阵的开平方运算进行了研究.利用矩阵分块逐次降阶的方法,给出了一个快速算法,用来计算r-循环矩阵的同型平方根矩阵(平方根矩阵也为r-循环矩阵).证明了同型平方根矩阵的个数为2",计算一个同型平方根矩阵的时间复杂性为O(nlog2n),计算全部同型平方根矩阵时间复杂性为O(n2nlog 2n).     

模糊矩阵在inf-α合成算子下的平方根

对inf -α合成算子模糊矩阵的平方根问题进行了研究,刻画了存在平方根的模糊矩阵的一些性质,从模糊矩阵的分解问题和inf-α合成算子的关系出发,给出了一个求解在inf -α合成算子下Fuzzy矩阵的平方根的算法.     

改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

基于实测数据的STAP的权值计算算法性能比较

空时自适应处理(STAP)的权值求解是其计算最密集的部分,由于机载雷达回波数据动态范围很大,导致传统的采样协方差矩阵求逆(SMI)方法数值稳定性较差,相对而言基于QR分解的采样矩阵求逆算法(QRD-SMI)在系统动态范围要求和并行性上具有优势.为了寻求在STAP工程实现时采用QRD-SMI的理论依据,分析了采用这两种不同算法的STAP处理方法,比较了二者的计算量,用MountainTop数据比较研究了2种方法的性能.实验结果表明这2种方法均具有良好的杂波、干扰抑制性能,传统的SMI算法在杂波抑制性能上较QRD-SMI算法有一定的优势,而QRD-SMI算法对"目标消除效应"较SMI算法有更强的稳健性,综合比较算法性能、数值特性以及可并行实现性,QRD-SMI更适合在STAP的工程实现时采用.     

基于Cholesky矩阵分解的贝叶斯压缩感知信号处理

随着雷达、卫星遥感技术的的高速发展,信号重构精度和效率的要求越来越高.针对传统贝叶斯压缩感知(Bayesian compressed sensing,BCS)算法需要进行高维矩阵反复求逆致使算法复杂度过高、运算时间过长的问题,结合Cholesky矩阵分解快速求逆方法,提出一种基于矩阵分解的改进贝叶斯压缩感知算法.通过仿...     

一种基于特征值分解的信道估计算法

信道估计是OFDM系统中的一项关键技术.传统的LMMSE算法涉及到自相关矩阵的逆运算,算法复杂度较高,时间开销较大.本文提出的算法首先对信道频率响应的自相关矩阵进行降维,再进行特征值分解,避免了求解逆矩阵,算法复杂度较低.仿真实验对信噪比、均方误差、误码率性能进行了分析,结果表明提出的算法在保证了系统良好性能的基础上,有效地降低了运算的复杂度.     

Lorenz混沌系统的数据同化方法研究

利用数据同化方法研究了Lorenz混沌系统中的非线性问题.提出了一种基于Cholesky分解的降秩平方根滤波算法,可以改善数据同化中的滤波发散现象.通过对卡尔曼滤波误差协方差矩阵进行Cholesky分解,降低协方差矩阵的计算量和存储量,提高滤波的收敛速度.在Lorenz混沌系统上研究了降秩平方根滤波的性能,通过敏感性分析试验,讨论了降秩平方根滤波的稳定性,验证了算法的有效性,比较了降秩平方根滤波与集合卡尔曼滤波的同化性能.结果表明,在Lorenz混沌系统的短期预报实验中,降秩平方根滤波的同化性能优于集合卡尔曼滤波.     

两类循环矩阵求逆的一种算法

给出了两类循环矩阵求逆的一种算法．当循环矩阵非奇异时，该算法求循环矩阵的逆；当循环矩阵奇异时，该算法求循环矩阵的｛１，２｝逆     

M-矩阵平方根的一类保结构迭代法

矩阵的平方根在数学的很多应用中起着重要的作用,有关其理论和数值算法的研究是近年来的一个热点问题.文章研究了M-矩阵平方根的计算问题.基于简单位移变换,将矩阵平方根问题转化为代数Riccati方程,进而提出了一类新的保结构的迭代法以计算非奇异M-矩阵的平方根.理论分析和数值实验表明,新方法是可行的,而且在一定情况下要优于现有的若干算法.     

循环矩阵开平方的快速算法

利用快速傅立叶变换 (FFT) ,给出了 n阶循环矩阵开平方的一个快速算法 ,计算循环矩阵的同型平方根矩阵 (平方根矩阵也是循环矩阵 ) ,证明了同型平方根矩阵的个数为 2 n ,它是关于 n的指数函数 ;计算一个同型平方根矩阵的时间复杂性为 O(nlog2 n) ;计算全部同型平方根矩阵的时间复杂性为 O(n2 n) .     

首尾和循环矩阵求逆的一种算法

利用多项式矩阵理论,对首尾和循环矩阵给出了一种算法,用来计算它的逆矩阵或群逆.     

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波（EKF）在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波（UKF）算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。     

逆M-矩阵的判定及并行算法

给出了任意一个n阶非负实方阵A为逆M-矩阵的一种简单方便的判定方法.利用此方法,使一个任意阶矩阵A逐次降阶为最后只需利用逆M-矩阵的定义判定其是否为逆M-矩阵,从而可以判定A是否为逆M-矩阵,并对其算法及实现问题进行了研究.     

广义预测控制矩阵求逆的快速算法研究

为提高广义预测控制系统的实时性,基于Toeplitz变换提出了广义预测控制(GPC)逆矩阵的快速算法.在预测时域N和控制时域M相等与不相等两种情况下,将控制律求逆部分变换成Toeplitz形式,采用Trench-Zohar求逆算法快速求取变换后的逆矩阵.分析表明,该算法计算量比常规求逆计算低一阶,并且步骤简便,容易编程实现.     

三小区多用户蜂窝系统的分组干扰对齐算法

针对3小区,每小区多个用户的蜂窝系统,提出了一种基于分组的线性干扰对齐算法.算法首先对系统中所有的用户进行分组,分组后的每组包含3个用户,且3用户分别来自系统中3个不同的小区,通过分组将复杂的蜂窝多址接入信道转换为较简单的干扰信道;然后在用户端通过联立多矩阵,应用特征向量求解预编码矩阵将每个分组中的干扰进行两两对齐,压缩干扰子空间,再利用最大化弦距离理论对得到的预编码矩阵进行进一步的优化,最后在基站端利用矩阵逆的性质以较低的计算复杂度设计干扰消除矩阵将系统中的干扰完全消除.通过系统仿真分析显示,该算法较传统的蜂窝干扰对齐算法,能以较低的天线配置和较低的计算复杂度实现较高的系统容量.     

酉对称矩阵的满秩分解及其算法

对酉对称矩阵的满秩分解算法作了研究，证明了酉对称矩阵的满秩分解矩阵F^＊和G^＊与母矩阵A的分解矩阵F和G之间的定量关系，同时给出了满秩分解的两种快速算法。最后对酉对称矩阵的部分广义逆-g逆，反射g逆，最小二乘g逆，最小范数g逆问题作了定量分析，也得到了相应的算法，并在文后举例给以说明所得算法大大降低了酉对称矩阵的满秩分解的计算量和存储量，提高了计算效率。