RLS算法及其改进形式在信号分离中的应用分析

本文着重研究了自适应滤波器的重要实现形式——递推最小二乘算法（RLS）的原理,分析了RLS算法在应用中的优点及存在问题。为解决RLS算法收敛速度和稳态误差的矛盾及系统在趋于平稳时跟踪效果差的问题,本文从实现可变遗忘因子和增加自扰动项两个方面介绍了RLS算法的几种改进方法。并将它们应用于复杂电磁环境、强干扰背景下的信号分离中去。通过仿真实验,对RLS算法及其两种改进方法在信号分离中的效果进行了比较,得出可变遗忘因子RLS算法在收敛速度和分离信号的准确性上都具有较好的性能。     

一种基于RLS算法的自适应时延估计算法

针对基于LMS算法的自适应时延估计算法收敛速度慢的缺点,推导出一种基于RLS算法的自适应时延估计算法,并分析了基于RLS算法的自适应滤波器的均值性能。经仿真证明该算法的收敛速度有了一定提高,并且其时延估计的跟踪性能得到了改善。     

水平机扫雷达的副瓣干扰对消算法研究

采用采样矩阵逆算法(SMI)对消副瓣干扰,一般抽取部分样本对消整段数据的干扰。当雷达阵面处于旋转扫描状态时,由于角度的变化,该对消性能下降很快。该文提出了采用递归最小二乘算法(RLS)对剩余数据进行跟踪收敛的方法,SMI RLS算法收敛速度快,且逐点样本迭代,能够跟踪干扰相对于阵面角度的变化,从而保证了对消比。同时给出了降低RLS算法计算量的方法。仿真表明,间歇算法在牺牲部分对消性能的前提下,可有效降低计算量。     

基于小波变换的RLS波束成形算法研究

为了解决递归最小二乘算法(RLS)在较低信噪比(SNR)、遗忘因子较小的环境中,对噪声敏感、收敛时参数估计误差大的问题,引入小波变换去噪思想,提出了基于小波变换的RLS波束成形算法。该算法利用小波变换软阈值法进行信号去噪,再采用RLS算法进行波束成形。最后对实验进行仿真,仿真结果表明,与传统的RLS算法相比,该算法具有较小的稳态误差和较快的跟踪速度和收敛速度,并且波束成形效果好。     

一种基于MMSE的低复杂度自适应均衡算法

传统的MMSE均衡算法需要作信道估计,算法复杂度也很高,采用了一种基于最陡梯度下降的LMS迭代算法,该算法不需要信道估计,也不需要复杂的矩阵逆运算,其算法复杂度远远低于MMSE均衡算法的复杂度。仿真结果表明,该LMS迭代算法的收敛速度比RLS算法的收敛速度稍慢,而误码率与RLS算法相当,但其算法复杂度远远低于RLS算法和传统的MMSE均衡算法。     

一种基于无偏协方差估计RLS的自适应阵列天线抗干扰算法

RLS是自适应阵列天线抗干扰的主要算法之一。为提高RLS算法对遗忘因子选择健壮性,避免因遗忘因子选择不当所造成的算法不收敛问题,本文针对自适应阵列天线的多路接收信号,基于其无偏协方差矩阵模型,推导设计出了一种新的RLS算法,相比于常规RLS,在该算法中遗忘因子可以更加精确地控制RLS迭代过程项,降低因遗忘因子设置不当而造成的算法不收敛风险。通过仿真验证了算法的有效性。     

RLS算法自适应信道估计的性能分析

文中首先介绍了基本的RLS算法,分析了RLS算法中的初始化系数δ和遗忘因子λ对RLS算法收敛性能的影响。通过仿真可以看出,在相同的信噪比下,不同的δ对应不同的收敛性能。而不同的λ对收敛性能也有较大的影响。     

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能,提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法.该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术,首先在压缩域中进行递归最小二乘运算,然后利用压缩感知重构算法得到未知参数向量的估计值.提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计.理论分析和仿真结果表明,该算法一方面降低了RLS分布式协同估计算法的计算量,另一方面保持较快的收敛速度与良好的均方误差性能.     

自适应序贯M估计算法及其性能分析

针对复杂噪声环境下的参数估计问题,提出了一种稳健的自适应序贯M估计算法(Adaptive Recursive M-Estimation,ARME),并从理论分析和Monte Carlo实验仿真两方面分析了该算法的收敛性、渐进无偏特性和稳健性.理论分析和仿真试验表明:在高斯白噪声背景下,ARME具有与序贯最小二乘算法(Recursive Least Square,RLS)相近的性能;在有突出干扰等非高斯噪声背景下,与RLS相比,ARME的参数估计收敛速度更快,估计误差更小,而且在稳健性上大大优于RLS.     

一种MB-OFDM系统中改进的盲自适应信道缩短算法

针对MB-OFDM(多频带正交频分复用)系统中Merry算法收敛速度慢的问题,提出一种改进的盲自适应信道缩短算法.利用RLS算法实现均衡器抽头的迭代计算,改善了算法的收敛性和鲁棒性.同时提出一种最优初始化算法,提高了算法的收敛速率.仿真结果表明对于具有很强时变性的超宽带信道,该算法在收敛性和稳健性方面都具有良好的性能.     

基于RSA算法的扩展算法

RSA的安全性是依据大整数分解的困难性而设计的。RSA公开密钥加密体制中n为2个大素数的乘积,即针对n=pq（p,q为大素数）的大整数分解,这里介绍了RSA算法的扩展算法的加密和解密原理,即针对n=p1,p2,…,pr（p1,p2,…,pr为大素数）的大整数分解。通过扩展素因子的个数达到RSA算法的安全性。比较RSA算法,扩展的RSA算法不仅可用于数据加密解密,也可用于数字签名。利用扩展的RSA算法实现数字签名也具有较高的安全性和可靠性。     

一种新的排序算法——端点排序算法

提出了一种新的排序算法：端点排序算法。其方法为：依次找出数据总数为N的数列最小和最大值,把二者放在本次所排数列的两端,再把剩余两端之间的数据总数为N-2的数列的最小值和最大值找出,放在此数列的两端,依此类推,直至数列中间,实现整个数组的排序。实验表明,该算法具有与冒泡排序更快的性能。在数据个数较多的情况下优于选择排序。     

基于蚁群和模拟退火算法的聚类新方法

模拟退火算法具有良好的全局搜索能力,而蚁群算法具有良好的分布式并行性和正反馈能力.针对样本维数大、数目多时聚类效果不满意的问题,提出了混合的蚁群模拟退火算法,思路是利用K-均值算法的结果作为初值,再使用蚁群算法和模拟退火算法对初值进行调整聚类,结果表明这种算法比较有效.     

基于图像感知哈希的行人跟踪算法

针对传统目标跟踪算法计算复杂度高,在发生遮挡、形状改变时,运动目标丢失的问题,提出了将图像感知哈希算法应用于目标跟踪问题上,并针对行人这一特定目标进行了改进。按照行人的特征,将其分成若干区域,给不同区域分配不同权重,计算跟踪目标的感知哈希值,计算待测区域的哈希值,选择合适的待测区域作为目标区域。该算法与MeanShift算法相比,能更好地处理目标遮挡,不易产生目标丢失,且具有较低的复杂度。     

基于Blob算法的织物疵点检测算法的研究

针对布匹疵点检测算法高效性和准确性要求的不断提高的要求,提出了利用基于Blob分析算法对采集的织物图像进行疵点识别的方法。对图像中的目标疵点区域进行降噪、开闭运算、标记目标区域及二值化等大量仿真实验,得到相关疵点有效特征值,实验充分证明了Blob算法在疵点检测中实时性和准确性。     

基于矩阵遗传的传感器管理算法

针对传感器分配过程中出现的组合爆炸问题,以传感器管理中的分配矩阵作为种群中的个体,分配矩阵中的元素作为基因进行遗传,提出了一种基于矩阵遗传的传感器管理算法。仿真结果表明,采用矩阵遗传的传感器管理算法可以较好地解决传感器分配中的组合爆炸问题,可以使多传感器多目标跟踪取得较好的效果。     

基于遗传算法的波束形成算法研究

随着卫星导航技术的不断发展,相控阵天线在导航领域中的应用也越来越多。波束形成算法是决定相控阵工作性能的重要因素。针对卫星导航领域对相控阵天线波束形成的需求,对基于遗传算法的波束形成算法进行了研究,重点满足对均匀加权下的旁瓣抑制、窄波束形成进行了优化设计。同时,在算法设计过程中,充分考虑了器件的不理想因素带来的幅相误差,得到了良好的优化结果,提高了算法的应用性能。     

基于近邻传播算法的K-means聚类优化算法

K-means聚类算法在随机选择的初始聚类中心的基础上进行聚类,其聚类效果会因为初始聚类中心的不确定性而不稳定。为了优化其聚类效果,提出了基于近邻传播算法(AP算法)的K-means聚类优化算法(APK-means)。该算法首先通过近邻传播算法生成若干个初始聚类,然后依序选择k个聚类规模最大的聚类中心作为K-means聚类算法的初始聚类中心,接着运行K-means聚类。算法有效性分析和实验结果验证了该算法有效优化了K-mean算法的聚类稳定性和有效性。     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

SKIPJACK算法

介绍了SKIPJACK算法,分析了它的安全性,指出了它的优缺点。