基于矩阵奇异值分解的空间谱估计算法

本文提出了一种利用矩阵奇异值分解来作空间谱估计的方法,即对由天线阵获取的数据所构成的数据矩阵作奇异值分解、删除来自噪声的贡献的诸最小奇异值以改善信噪比,并利用噪声奇异向量和天线阵的方向向量正交的性质来计算空间谱。除了奇异值分解算法本身给计算稳定性带来好处外,本方法的谱估计性能和计算量均优于近几年来国外广泛关注的一种谱估计算法——MUSIC算法。本方法可用于高分辨的测向系统中。     

全自适应阵列中的逆QR分解算法

提出了一种在全自适应阵列中的逆ＱＲ分解算法，给出了它的Ｓｙｓｒｏｌｉｃ实现方法。该算法可以很容易地映射到Ｓｙｓｔｏｌｉｃ结构上，仅需一个Ｓｙｓｔｏｌｉｃ阵便能得到最佳权矢量。并且同ＱＲ分解算法一样，它是直接对数据矩阵进行处理，且变换采用酉阵，保持了很好的数值稳定性     

NURBS曲线小波分解的一种快速算法

为了对NURBS曲线进行精确的分解,提出了半正交B样条小波分解的新算法,同时给出了处理NURBS曲线的非整数阶分辨率的小波分解算法.对于NURBS曲线,无论它有多少个控制点,均可以对它进行半正交分解,而不受控制点数必须等于2i 3的限制,这对于NURBS曲线的多分辨率造型具有较大应用价值.     

非线性系统的复合正交神经网络自适应控制

提出非线性系统的复合正交神经网络自适应控制方法.在非线性系统控制中,这种网络自适应控制不需要辨识系统模型与Jacobian矩阵信息,网络学习算法与被控对象模型无关.仿真结果表明,复合正交神经网络实现的非线性系统控制具有较强的自适应控制能力,证明了控制系统具有良好的跟踪控制性能,为解决非线性系统的控制问题提供了一种方法.     

模糊自适应滑模控制研究

针对传统滑模变结构控制器(SMC)的抖振现象,提出了一种模糊自适应滑模控制方法.该方法采用模糊逻辑系统来代替传统的SMC中不连续的控制信号,以削弱其由于不连续切换引起的抖振.另外,为了补偿实际应用中系统的不确定性,给出了相应的自适应算法,以调节模糊系统的参数,并给出了算法的Lyapunov稳定性证明.最后,通过对一个感应电机位置控制的数值仿真计算,验证了方法的有效性.     

一类正交多项式的两种并行算法

通过修正计算Chebyshev多项式的Forsythe算法和Clenshaw算法 ,提出了求解一类正交多项式的两种并行算法 ,并对其稳定性进行了分析 .     

直接正交联合对角化盲分离算法

针对盲源分离问题,利用白化预处理后信号的二阶和高阶累积量矩阵具有正交联合对角化的结构性质,以及多个实对称矩阵具有相同特征向量即可同时正交对角化的实对称矩阵的特征分解的理论,提出一种基于部分累积量矩阵特征分解的直接正交联合对角化算法。该算法仅需要部分累积量矩阵信息,从而大大降低计算过程中的存储量和计算量。通过数值模拟,该算法和经典的JADE算法性能接近,可以有效地进行盲分离。     

雷达自适应阵列处理算法及软件研究

(1)自适应抗干扰算法。在系统研究各种雷达自适应阵列处理算法的基础上深入研究了Gram-Schmidt(GS)下交投影算法和QR分解最小二乘法两种算法。具有速度高、干扰抑制能力强、生态环境并行处理实现     

基于CORDIC的无开方GIVENS旋转处理方法

自适应阵列处理能提高通信雷达等电子系统的抗干扰能力，因而获得了广泛的应用。许多重要的高速实时自适应阵列处理算法均需要采用一系列Ｇｉｖｅｎｓ旋转处理将输入数据矩阵变成三角阵。标准的Ｇｉｖｅｎｓ旋转包含开方运算，该运算是限制有关算法速度的一个重要因素。文中提出一种基于坐标旋转计算机技术的无开方Ｇｉｖｅｎｓ旋转处理方法，可以显著提高自适应算法的处理速度，并给出了这一方法的推导、Ｇｉｖｅｎｓ处理节点运算式和采用，这种方法的ＱＲ分解自适应阵并行处理算法的计算机模拟结果。     

基于复合正交神经网络的广义通用模型自适应控制

在自适应逆控制中应用复合正交神经网络具有算法简单、学习收敛速度快等优点,将复合正交神经网络与广义通用模型控制器策略相结合,提出了一种基于神经网络的广义通用模型自适应控制方法。该控制方法中的参考轨迹为一条典型的二阶曲线,控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

分布式并行数据库系统中任务分配算法的设计

在分析传统任务分配算法的基础上,设计了一种改进的混合启动自适应任务分配算法。该算法根据系统总体负载变化自适应地选择启动策略,考虑任务对资源的需求和系统中的数据分布,有效地选择节点进行探询,使任务分配的开销最小化。在分布式并行数据库系统DPSQL中的使用表明,该算法比传统算法提供更高的任务执行效率和更好的系统稳定性。     

基于改进希尔伯特-黄变换算法的碳市场价格多尺度分解

作为一种新型非线性、非稳态数据的自适应处理算法,希尔伯特-黄变换（Hilbert-Huang Transform,HHT）,近年来开始应用到人文社会科学领域。HHT的核心是经验模态分解（Empirical Mode Decomposition,EMD）算法。EMD分解过程中常会产生模态混叠和端点效应现象,造成分解结果失真。针对碳市场价格多尺度特征,改进HHT算法以提高碳市场价格多尺度分解质量。引入高斯白噪声到EMD分解中,建立集成EMD（Ensemble EMD,EEMD）算法来抑制EMD分解中存在的模态混叠现象;针对EEMD分解过程中存在的端点效应问题,通过5种端点延拓方法的比较,改进EEMD算法,得出适合碳市场价格多尺度分解的延拓方法;将改进HHT算法应用于两个不同到期时间的欧盟碳期货价格（DEC12、DEC14）进行多尺度分解,结果表明:改进HHT算法能显著提高碳市场价格分解精度,扩大了HHT在碳市场价格多尺度分析中的应用范围。     

决策系统的快速属性约简算法

针对决策系统提出了一种高效的属性约简算法;讨论了合理刻画属性重要性的新指标,并设计了一种快速计算划分的方法;在此基础上,得到了一种快速计算属性约简的算法。与现有算法相比,该算法具有较大的灵活性,能从搜索空间中逐次删除不重要属性,避免了对其重要性的重复计算;并且时间复杂度低。通过实例和实验表明了该算法的可行性与有效性。     

含有非线性电阻的动态电路唯一稳态的研究

利用矩阵分解方法 ,在用常数界定元件成分关系斜率条件下 ,得到了确定具有分解形式的高维含有非线性电阻的动态电路唯一稳定条件 .结果表明 ,含有非线性电阻的动态电路的唯一稳态 ,可以用分解矩阵的稳定性决定     

自适应控制器的研究

利用神经元的自学习功能构成了ＰＩＤ控制器，分析了神经元自适应控制系统的稳定性和学习算法的收敛性，仿真结果表明，这种控制方案具有良好的自适应性和普棒性。     

失独之殇：失独家庭的养老困境及其解决对策

将模型参考自适应技术（MRAS）应用于永磁同步电机（PMSM）无速度传感器直接转矩控制系统中。以永磁同步电机本身为参考模型,以电机的电流模型为可调模型,并利用Popov超稳定理论推出自适应律,对转子速度和位置信息进行辨识。考虑到无速度传感器控制系统存在参数变化和负载扰动的鲁棒性问题,将自抗扰控制（ADRC）引入到模型参考自适应无速度传感器调速控制系统中,形成一种新型的复合控制算法。在Matlab/Simulink中建立基于MRAS和ADRC的混合无速度传感器直接转矩控制系统仿真模型,仿真结果表明,该算法具有较好的速度和位置辨识精度、较强的鲁棒性和抗干扰特性、较优的动静态特性。     

快速神经网络无损压缩方法研究

传统的人工神经网络数据编码算法需要离线训练且编码速度慢,因此通常多用于专用有损编码领域如声音、图像编码等,在无损数据编码领域应用较少。针对这种现状,该文详细地研究了最大熵统计模型和神经网络算法各自的特点,提出了一种基于最大熵原理的神经网络概率预测模型并结合自适应算术编码来进行数据压缩,具有精简的网络结构的自适应在线学习算法。试验表明,该算法在压缩率上可以优于目前流行的压缩算法Limpel-Zip(zip,gzip),并且在运行时间和所需空间性能上同PPM和Burrows Wheeler算法相比也是颇具竞争力的。该算法实现为多输入和单输出的两层神经网络,用已编码比特的学习结果作为待编码比特的工作参数,符合数据上下文相关约束的特点,提高了预测精度,并节约了编码时间。     

DSSS系统中自适应时变小波包干扰抑制

提出了一种基于自适应时变小波包变换实现直接序列扩频通信系统时变窄带干扰抑制的方法。该方法在自适应时域分解的基础上,利用小波包变换多分辨分析能力和良好的时频特性进行频率分解,将有用信号和干扰分离,然后将受扰频带置零后进行小波包合成,达到滤除时变窄带干扰的目的。计算机仿真结果表明,该方法与非时变自适应小波包抑制技术相比较,以计算复杂度为代价,能更灵活有效地跟踪和定位时变干扰,提供较好的误码率性能。     

天气雷达回波数据的并行自适应编码

研究基于小波的并行自适应天气雷达回波数据有损压缩算法。根据回波数据的特点,提出了回波数据的坐标转换算法、矢量场保持算法及标量场滤波算法等有效的预处理算法;利用并行自适应压缩算法对预处理后的雷达回波数据进行压缩实验。实验结果表明,该算法具有较好的并行性和自适应性,在低比特率情况下,能获得较高的功率信噪比值和满意的主观效果。