相干光M-PSK系统的弹性DAML相位估计算法

相干光通信系统中判决辅助式最大似然(DAML)相位估计算法因其较高的计算效率引起了广泛的关注.然而,传统DAML相位估计算法假设激光器相位噪声在整个块长度区间内是恒定不变的,这引起了块长度效应.本文考虑了激光器相位噪声缓慢时变的特点,并提出了基于相干光M-PSK系统的弹性DAML相位估计算法来克服传统DAML相位估计算法中存在块长度效应的缺点.该算法在传统DAML算法的基础上引入了加权系数来更准确地进行载波相位恢复.同时,本文推导了该算法的相位估计误差,并用仿真验证了其有效性.仿真结果也表明:弹性DAML算法能消除传统DAML算法的块长度效应,并能放宽相干光M-PSK系统对激光器线宽的要求.     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题,提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计;引入高斯分布估计算法（GEDA）的思想,对蛙群中适应度好的蛙进行分布估计再生,提高收敛速度;结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示,与PSO算法相比,振幅平均估计精度提高了5．3％,相角平均估计精度提高了4．7°。研究表明,该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。     

蚁群算法中参数设置对超声回波估计性能的影响

摘要针对超声回波参数估计问题存在着耗机时长,估计结果严重依赖于初始值的缺点,本文将蚁群算法应用到超声回波参数估计中,结合超声回波的非线性高斯模型,提出了基于蚁群算法的超声回波参数估计算法,并就蚁群算法在超声回波估计中参数的优化组合设置进行了分析研究通过数值仿真,在信噪比为10dB条件下计算了蚁群算法中各参数的不同取值对估计结果的不同影响,包括计算时间、估计精度和算法稳定性,得出了算法中各参数的组合优化设置,给出了最优参数下的超声回波参数估计结果,并通过与其他算法的比较验证了蚁群算法在超声回波参数估计问题中的有效性．该研究有助于提高超声回波估计的精度和算法的稳定性,缩短蚁群算法的计算时问,以达到优化算法性能的目的．     

均匀线阵互耦条件下的鲁棒DOA估计及互耦自校正

阵元互耦的存在会使大多数高分辨DOA(direction-of-arrival)估计算法的性能恶化. 利用均匀线阵互耦矩阵的对称Toeplitz性和带状特性, 基于子空间原理, 提出了一种互耦条件下的鲁棒DOA估计及互耦校正算法. 算法的方位估计不需要阵列互耦的任何信息, 估计精度高、分辨力强; 另外, 算法在方位估计的同时, 还可以精确地估计出均匀线阵的互耦系数, 从而实现阵列互耦的自校正. 算法的运算量小, 方位与互耦系数的估计均不涉及高维的非线性优化搜索, 只需一维搜索或多项式求根. 对算法参数估计的统计一致性、统计有效性和模糊性进行了分析讨论, 并用Monte Carlo仿真实验验证了该理论分析的正确性和算法的有效性.     

快速平滑收敛策略下基于QS-RRT的UAV运动规划

基于快速扩展随机树(rapidly exploring random tree,RRT)的运动规划算法,通过随机采样的方式探索未知任务空间,具有概率完备性和较高的计算效率.该类算法在应用于无人机运动规划时必须对飞行距离、过程安全性和航路平滑度进一步优化.针对这一问题,首先对威胁环境、无人机运动学性能和探测能力建模,然后根据飞行特征设计了随机采样、威胁规避、路径可跟踪性以及全局与局部平滑性等优化策略,并构建快速平滑收敛RRT(quick and smooth convergence RRT,QS-RRT),最后以此为基础分别提出了面向已知和未知任务空间的无人机运动规划算法.仿真结果表明,该算法能够在保证飞行路径收敛性、安全性及其规划效率的基础上,有效缩短飞行距离,改善航路的可跟踪性和平滑度,增强在实际飞行过程中的可操作性.此外,该算法还易于在航路优化效果和规划效率之间权衡,增强了对不同规划任务需求的适应性.     

基于输出时滞方法的采样数据系统故障估计

从时滞系统角度率先研究了一类非均匀采样数据系统的故障估计问题.首先,基于输出时滞方法将采样数据系统建模成具有时变时滞输出的连续时间系统;然后,通过分析自适应诊断观测器不再适用于此类连续时滞系统的原因,提出了一种能够保证估计误差指数收敛的增广故障估计滤波器设计新方法;并进一步研究了具有噪声干扰的采样数据系统的时变故障估计问题;最后,通过对某型飞控系统的仿真实验结果验证了所提方法的有效性.     

永磁同步电机多采样率修正随机梯度辨识

结合多项式变换技术,推导永磁同步电机多采样率系统参数回归模型,在随机梯度辨识算法中引入收敛指数ε,提出多采样率系统修正随机梯度辨识算法。随着收敛指数值的减小,该算法使电机多采样率模型参数辨识过程的收敛速度和精度指标均得到提高。仿真和实验结果证明了该算法的有效性。     

随机非线性系统的最小阶状态观测器及输出反馈镇定控制设计

对一类具有不可观测状态、未建模动态特性和随机干扰的单输入多输出随机非线性系统, 给出了最小阶状态观测器和输出反馈镇定控制器的设计方法. 基于所设计的最小阶状态观测器, 给出了系统全部状态的估计, 分析了状态估计误差的收敛性. 进一步, 结合Back-Stepping法, 构造性地设计出了输出反馈镇定控制, 给出了闭环系统全局渐近稳定和概率意义下有界稳定的充分条件.     

基于修正随机梯度的永磁同步电机参数辨识

永磁同步电机为典型的多变量参数时变的非线性系统,为了获取其参数有效信息,以保证控制系统的高效运行,结合永磁同步电机系统电压方程,构建系统回归模型,采用随机梯度辨识算法辨识其模型参数,同时引入收敛指数构建修正随机梯度算法以提高辨识过程的收敛性能。仿真结果表明,收敛指数能有效提高算法辨识收敛的速度和精度。     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

MIMO-OFDM系统中基于变分Bayes EM算法的联合符号检测与鲁棒Kalman信道跟踪

基于变分Bayes期望最大化VBEM(variational Bsayes expectation maximization)算法和Turbo原理,提出了快时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法.在VBEM框架下,信号检测和信道估计分别由修正的列表球形译码算法和软输入Kalman算法完成,检测器和估计器分别考虑了信道和检测信号的估计误差协方差矩阵.当信道时变剧烈时,存在较大检测误差的数据在软输入Kalman算法中引入异常值(outliers),由于Kalman算法对于异常值的敏感性,系统会在错误传播的影响下出现误码平台.为削弱异常值的影响,利用鲁棒统计理论设计了VBEM框架下改进的鲁棒软输入Kalman算法,该算法能在出现异常值的条件下保持较好的信道跟踪能力.仿真结果表明:在快速时变多径信道条件下,文中设计的鲁棒VBEM算法优于传统的VBEM算法和EM算法.     

异构无人机群鲁棒一致性协议设计

研究了具有非线性不确定性的异构无人机群系统分布式一致性跟踪控制问题.文中假设领航者的输出是时变的,无人机自主体具有不同的非线性不确定空气动力特性,设计分布式鲁棒一致性协议,抑制非线性不确定性对闭环系统的影响,使得跟随者可以跟随领航者.所设计的鲁棒一致性协议包括标称控制器和鲁棒补偿器两部分,标称控制器的设计是为了使标称的无人机群具有一致性跟踪特性,鲁棒补偿器的设计是为了抑制不确定性对系统的影响,文中用李雅普诺夫函数分析并证明了一致性误差能以期望的速度收敛到原点任意小的邻域.最后,通过仿真验证了一致性协议的有效性.     

反馈型随机二元神经网络

提出并分析了一种全新的反馈型随机神经网络模型，该模型不同于常见的Boltzmann机，它不直接使用随机激活函数而是采用了随机型加权连接，神经元为简单的非线性处理单元.揭示了该网络模型存在惟一的收敛性平稳概率分布，当网络中的神经元个数较多时，平稳概率分布逼近于Boltzmann-Gibbs 分布. 另外，还讨论了该网络模型与Markov随机场之间的关系，并提出了一种新型模拟退火和Boltzmann学习算法.网络模型被成功地应用于解决难度较大的组合优化问题和人像的自动识别，实验结果证实了该模型具有强大的计算能力和优异的泛化性能.     

基于特征点的空间目标三维位姿单目视觉确定算法

针对基于特征点的空间目标包括相对位置和相对姿态等的三维位姿单目视觉确定问题,提出了一种基于逆投影思想的迭代方法.给出了一种包含景深估计和绝对方位解算两阶段的迭代算法,在景深估计阶段首先计算由转移矩阵表示的最优平移矢量,然后重构各特征点,并利用其在逆投影线上投影更新各特征点的景深;在绝对方位解算阶段采用Umeyama绝对方位解析算法计算相对姿态矩阵,上述两阶段迭代进行直至结果收敛.利用全局性收敛性定理证明了文中算法的全局收敛性.最后,以航天器交会对接最终逼近段的视觉测量为背景对该算法进行了数学和物理仿真,进一步验证了算法的有效性和收敛性.     

MIMO-OFDM系统中时间-频率双选择性衰落信道的信道估计

数据的高速传输以及终端的高速移动，导致无线通信信道具有时间选择性与频率选择性两个特征，对MIMO-OFDM系统中基于导频的时间-频率双选择性衰落信道的信道估计问题进行了研究。首先，利用复指数基扩展信道模型来表示一个OFDM符号周期内双选择性衰落信道的变化；然后基于该复指数基扩展信道模型，提出了一种有效的MIMO-OFDM双选择性衰落信道的估计方法；最后在该估计算法的基础上，基于信道估计均方误差最小准则，对导频及其参数进行了优化设计，主要包括导频的个数、导频的插入位置以及导频的表达形式等，实验结果表明本文的算法在时间-频率双选择性衰落信道下具有很好的性能，并与理论分析结果相吻合。     

独立假设下的最优变步长LMS模型和算法

为了解决LMS(least mean square)算法中收敛速度和稳态误差之间的矛盾, 基于独立假设, 以最小均方误差为准则, 提出并证明最优步长定理, 说明最优步长和均方误差之间存在一一映射的关系; 以此构造最优变步长LMS(optimal variable step-size LMS, OVS-LMS)模型, 确定了变步长LMS算法收敛速度的理论极限; 讨论了最优初始相对步长的选取方法和未知系统跳变时最优步长的计算. 根据导出的两个最优步长迭代式, 提出OVS-LMS算法. 仿真结果表明, 该算法和OVS-LMS模型的学习曲线基本一致, 证明该算法是独立假设条件下的最优变步长LMS算法.     

利用内点法优化三相不平衡分布式电网的理论算法研究

目前分布式电网的潮流优化算法主要面对三相功率平衡系统,对于三相不平衡系统进行分析的算法介绍较少.文中利用内点法,结合美国电科院的开放式配电仿真系统分析(OpenDSS)平台,提出了三相不平衡分布式电网潮流优化算法的研究.该算法以网损和变压器三相潮流不平衡度最小为目标,以系统潮流、发电机和线路极限容量为约束,以变压器分接头和电容器投切为控制变量,建立了优化函数,利用内点法作为优化算法,以 OpenDSS为计算平台.文中最后以 IEEE123测试节点和 IEEE9500测试节点为例,验证了文中算法的有效性和实用性     

结合交替分离(AS)和交替投影(AP)算法的ASAP算法

分析了交替分离(AS)算法与交替投影(AP)算法的一些性质. 根据这些分析结果, 提出了将交替分离与交替投影算法有机结合形成所谓ASAP算法, 以克服交替分离算法收敛速度较慢而交替投影算法又易于陷入最大似然代价函数的局部极值的缺陷. 分析了这种结合的逻辑合理性. 计算机仿真也验证了ASAP算法能够以较少的迭代次数得到信号参数较理想的估计.     

弱条件下随机梯度算法性能分析

在弱条件下,利用随机鞅理论详细研究了随机梯度辨识算法的收敛性能.分析表明,只要信息向量是持续激励的(或数据乘积矩矩阵条件数有界),过程噪声是零均值不相关的,那么参数估计一致收敛于真参数.这一结论并不要求一些文献中所作的苛刻假设成立,既没有假设噪声方差和高阶矩存在,又没有假设系统是平稳和各态遍历的,也没有假设强持续激励条件成立.这一贡献放松了随机梯度算法的收敛条件.噪声方差有界和无界时的仿真例子证明了提出的收敛结论.     

力学中非线性方程常用解法的比较及其改进

详细分析了力学中非线性问题常用解法Euler—Cauchy及Newton-Raphson法。论证了这两种方法均是将原非线性方程在求解过程中线性化，用一系列线性方程去逼近原非线性问题导致了误差存在。本文详细分析了上述两种算法的优缺点。将两种算法的优点进行组合，推荐一种基于梯形公式的改良算法。在不增加计算工作量的前提下该法不仅收敛快、收敛半径大，而且计算精度高。最后基于Lagrange微分中值定理论述了加权平均刚度法。