Reduced K-best sphere decoding algorithm based on minimum route distance and noise variance

This paper focuses on reducing the complexity of K-best sphere decoding （SD） algorithm for the detection of uncoded multi-ple input multiple output （MIMO） systems. The proposed algorithm utilizes the threshold-pruning method to cut nodes with partial Euclidean distances （PEDs） larger than the threshold. Both the known noise value and the unknown noise value are considered to generate the threshold, which is the sum of the two values. The known noise value is the smal est PED of signals in the detected layers. The unknown noise value is generated by the noise power, the quality of service （QoS） and the signal-to-noise ratio （SNR） bound. Simulation results show that by considering both two noise values, the proposed algorithm makes an efficient reduction while the performance drops little.     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.     

Codebook design for uplink of densely small cells

The shrinking of cell-size brings significant changes to the wireless uplink of densely small cells （DSCs）. A codebook design is proposed that utilizes the strong line of sight （LOS） chan- nel component existing in a DSC system for uplink of the DSC system. To further improve the uplink performance, the high-rank codebook is designed based on singular value decomposition （SVD） due to the unnecessary preservation of strict constant modulus in the DSC system. And according to the simulation result, the proposed codebook leads to significant sum-rate gain and appreciable block error rate （BLER） performance improvement in the DSC system.     

京津冀大气污染治理省际合作博弈模型

首先,结合目前京津冀区域大气污染的实际情况,提出了通过省际合作达到大气污染治理的 3 个基本假设. 其次,通过构建区域优化模型和 Shapley 值合作收益分配方案,建立了京津冀大气污染治理省际合作博弈模型. 通过求解区域优化模型得到各省份最优去除量和去除成本,进而利用 Shapley 值法获得相对公平的合作收益分配方案. 最后,以 2009 年京津冀各省份 SO₂ 去除为例进行了实证分析,结果显示了京津冀省际合作博弈模型的有效性和实用性,而且模型最优化模拟结果可作为区域决策的重要参考,促使各省份合作共赢.     

基于背景值和初值优化的灰色Verhulst建模方法与应用

针对灰色Verhulst模型的优化问题,提出从背景值和初值两个方面对灰色Verhulst模型进行优化,分别利用倒数变换和约束优化模型求解模型的背景值参数与初值参数,并给出基于背景值和初值优化的灰色Verhulst建模步骤,最后以案例验证了本文模型的有效性、适用性和优化效果。结果表明,利用背景值和初值的优化方法能够有效地提高Verhulst模型的模拟精度与预测精度。     

具有模糊联盟值的带偏好合作对策的Shapley值

针对联盟中各局中人存在不同偏好信息的合作n人对策问题,提出了一个基于模糊数偏好均值的模糊联盟值合作对策的Shapley值求解公式。给出了广义模糊数偏好均值的定义,研究了偏好均值具有的特殊性质。通过定义带偏好特征函数,给出了合作n人对策的带偏好优超、带偏好核心、带偏好零元等系列概念,并由此提出一个满足公理体系的带偏好Shapley值公式。分别考虑局中人偏好的权重和偏好方差,给出了带偏好Shapley值的两种延拓方法。最后,通过一个实例,说明了带偏好Shapley值公式的可行性和有效性。     

基于比较静态模型的FDI优惠政策指数门槛值的求解

针对FDI （foreign direct investment） 优惠政策拉大中国区域差距及挤压内资企业投资的问题,基于比较静态分析方法,在Romer内生模型基础上,求解了市场均衡时FDI优惠政策指数的门槛值,并对影响门槛值大小的因子进行了分析. 结果表明,最终生产部门人力资本存量的增加、研发部门生产率的提高,以及本国技术吸收能力的增强都会使FDI优惠指数变大,但市场平均利率的上升却带来FDI优惠指数的减小,而FDI优惠政策指数对经济增长率的贡献度则无法判断.     

离散频谱分析的一种新校正方法

提出了一种对幅值谱进行校正的新方法，用以解决离散频谱当谱峰没有对正峰顶，有能量泄漏所带来的误差，并讨论了矩形窗、汉字窗、海明窗和高斯窗四种窗函数的修正方法，校正的频率、幅值和相位的精度可达细化１００倍上的效果。     

广义系统多传感器分布式融合降阶Kalman滤波器

对于带多传感器的广义线性离散随机系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法,在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下,分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。     

基于压缩感知的实时在线目标追踪

在正负样本区域随机抽取了不同尺度下图像的局部二值模式(LBP)特征,将高维的特征信息投射到低秩的压缩域,并据此建立了表观模型.使用一个随机稀疏测量矩阵来压缩前景和背景目标.将追踪问题转化成为了一个使用朴素贝叶斯分类器的二元分类问题.所提方法可以较快速、实时地在线追踪目标,同时解决了目标尺度变化、遮挡问题.