粗糙集高效遗传约简算法

提出了简化差别函数的概念及其算法，简化差别函数不仅具有与决策表相同的决策能力，而且剔除了由决策表导出的原始差别函数中的重复项和冗余项．为了降低遗传约简算法适应度函数的搜索空间，有效提高计算速度，又提出了一种高效遗传约简算法，其将染色体时简化差别函数的覆盖度以及染色体中包含1的个数作为适应度函数的参数，从而保证了算法朝着最小约简收敛，并从理论上证明了算法的属性约简结果为最优，算法的时间复杂度为O（｜f′｜｜｜C｜｜U｜^2）,同时，通过4个实例对算法进行了验证，结果表明简化差别函数的项分别为原来的0．39％、0．0008％、0．00008％和0．0003%，且在500代以内能够获得最小属性约简．     

一种适用于T-TCM系统的简化的Log-Map算法

本文提出了一种适用于Turbo网格编码调制（ T-TCM）系统的简化Log-MAP算法，它可以轻松在硬件实现。我们探索了一种新的分段函数代替Log-MAP算法中的雅克比对数校正项，用这个方法可以损失很小的性能增益去简化Log-MAP算法。仿真结果证明我们的方法可以用非常低的复杂度实现和Log-MAP算法几乎相同的性能。此外，与S． Talakoub等人提出的improved MAX-Log-MAP算法相比，我们的算法降低了大约39%的复杂度，并且完全没有性能损失。     

一种简化的对数最大后验概率译码算法

提出了一种简化的对数最大后验概率译码算法．该简化算法基于逼近理论，用最佳平方逼近多项式近似计算校正函数，近似多项式的系数根据特征定理确定．与原算法相比，简化算法具有低复杂度、译码延时少的优点．仿真结果表明：计算复杂度比原算法降低约30％；在加性白高斯噪声信道和平坦慢衰落瑞利信道上，其编码增益比求最大值对数最大后验概率译码算法高出0．3～0．5dB，与原算法相近．因此，简化算法可替代对数最大后验概率译码算法在Turbo码译码器中使用．     

基于Powell搜索法的简化微粒群算法

利用Powell搜索法求解精度高、收敛速度快和局部强搜索能力强等优点,在简化微粒群算法的基础上,结合Powell搜索法,提出一种新型简化微粒群算法—Powell-SPSO算法.改进算法将Powell搜索法融合在简化微粒群算法中,让Powell搜索法与简化微粒群算法进行交替搜索.同时微粒的迭代利用了Powell搜索法的强搜索能力,使得算法改善了简化微粒群算法因每个微粒采用相同迭代公式进行进化而造成的微粒间的弱差异性,避免了易出现早熟、搜索速度慢等缺点.仿真结果表明,与标准微粒群算法(PSO)、简化微粒群算法(SPSO)、文献[10]算法相比较,不论是对高维函数还是低维函数,改进的算法都能够有效地避免早熟问题,并能显著地提高收敛速度和收敛精度.     

基于统计方法的数据挖掘算法研究

在统计方法的基础上提出了一种根据数据集合本身的统计特性数据挖掘算法．该算法利用数据本身的统计特性对数据仓库中的数据进行分析，在给定重要性比例程度的前提下，经过系列的统计运算，得到简化的数据仓库集，并根据分析得到了数据挖掘算法的流程图．提出了比例大小关系函数，反映了数据自身的统计特性，分析表明：这种算法极大的提高了数据的有效水平。     

一种结合NCP函数的SQP滤子新算法

提出一种带非线性互补函数的信赖域序列二次规划滤子算法.通过引入滤子概念,避免了罚函数法中罚参数选择的困难.借助非线性互补函数简化了非线性规划问题的KKT条件,并用非线性互补函数代替滤子中的约束违反度函数,在一定的条件下证明了算法具有全局收敛性.数值试验结果表明算法是有效的.     

三维温度场重建算法的优化

研究了一种适用于三维非对称温度场光学层析的Radon重建算法,并且对该重建算法进行优化,避免了被积函数的不可积分,极大地简化了计算机编程的复杂性,显著地减少重建时间并提高重建精度。     

一种基于最小区域选择的LDPC码迭代译码算法

提出一种基于最小区域选择的LDPC(low-density parity-check)码迭代译码算法(min-zone selection decoding algorithm,MZS decoding).MZS算法把最小区域选择和近似计算的思想结合起来,针对传统的置信度传递译码算法(belief propagation decoding algorithm,BP decoding)中的Q(x)函数提出了一种有效的简化处理方式,而这种简化处理只产生少许的性能损失.仿真结果证明,通过合理的参数设置,MZS算法几乎可以提供和BP算法同样优秀的性能.     

一种新的求属性约简的算法

以不一致度为基础,给出了一种新的衡量属性重要度的标准--不一致度增加函数,并以此为启发式信息构造了一种新的属性约简算法.与前人提出的属性约简算法相比,这种算法的求核运算包含在求属性重要度的运算中,不需要再单独求核.从而简化了算法,提高了效率.     

改进惯性权重的简化粒子群优化算法

针对传统的粒子群优化算法收敛速度慢、易陷入局部空间极值的缺点,提出一种基于简化粒子群优化算法同时改进惯性权重的新算法.该算法首先去掉速度项,使算法更加简便,然后改进位移项,最后改进惯性权重.对6个经典函数分别采用传统的粒子群优化算法、简化的粒子群优化算法和该改进的算法进行比较,数值实验表明,该改进的粒子群优化算法比其他两个算法的性能好.     

Turbo码实用的Log-MAP译码算法研究

介绍了Turbo码基本结构,阐述了Log—MAP算法的译码机理,在此基础上就简化Log—MAP算法作了探讨,分析了三种简化Log—MAP算法中非线性运算以利于硬件实现的方法：Max—Log—MAP算法,Lookup—Log—MAP算法,Lineai—Log—MAP算法,最后通过仿真对它们进行了性能上的模拟和比较．     

一种新的联合Turbo译码算法

提出了一种新的Turbo码的联合译码算法,该算法结合了常数Log-MAP译码算法和Log-MAP算法的优点,并且结合了停止判决准则。新算法在效率和纠错性能上达到了较好的平衡,尤其是在中高信噪比的情况下：只增加了较少的计算量,就使得常数Log-MAP算法达到了几乎Log-MAP算法的纠错性能。     

Turbo译码的改进算法及其性能分析

在传统的Turbo译码算法Log—MAP的基础上，提出改进的SW—Log—MAP算法。仿真表明，改进算法的算法复杂度和存储空间比传统的Log—MAP减少了很多，但是性能几乎没有损失。     

Turbo码在瑞利慢衰落信道中的性能仿真与分析

介绍瑞利衰落信道的编码信道模型，给出与这些模型相对应的仿真方法．然后针对充分交织瑞利平坦慢衰落信道，在未知信道状态信息的情况下，对Turbo码的译码算法Log—MAP进行修正，并进一步对影响Turbo码性能的主要参数：迭代次数、交织器长度、编码效率、分量编码器结构进行仿真与分析，得出的仿真结果可以指导实际无线信道中设计合理的通信Turbo码。     

一种改进的Turbo码译码算法及其FPGA实现

为有效降低Turbo码在硬件实现时的译码复杂度并减少其存储资源消耗,将现有Turbo码译码算法中Log-MAP算法和Max-Log-MAP算法进行融合改进,提出一种适于并行计算的改进Max-Log-MAP算法,即在译码计算中间参数的过程中,只将具有多个输入变量的max*(·)运算简化为取最大值的max运算,而对具有2个输入变量的max*(·)运算进行精确计算. 仿真结果表明,改进Max-Log-MAP算法的复杂度可以接近Max-Log-MAP算法,而性能接近Log-MAP算法. 将采用新算法的Turbo码编译码器在现场可编程门阵列(FPGA)上实现,并应用于低轨卫星通信系统(LED)中的,能在保证Turbo编译码优异性能的同时,获得较低复杂度和较低资源消耗,有利于减小卫星手持通信终端的体积,降低功耗.      

Turbo码的组合译码算法

针对Log-MAP,MAX-Log-MAP和SOVA这三种常用的Turbo码译码算法的计算复杂度与译码性能之间的矛盾,提出了一种Turbo码组合译码算法。通过把Log-MAP和SOVA这两个译码算法在译码过程中进行配比组合,能在少量降低译码性能的同时,有效降低译码复杂度,降低整个系统的译码延时,适用于对实时性要求较高的通信系统。     

基于CCSDS标准的串行级联卷积码高速并行译码方法

针对CCSDS标准中串行级联卷积码（SCCC）的自适应编码调制方式的定义,分析比较了Log-MAP算法和基于乘性修正的Max-Log-MAP算法的译码性能和实现复杂度;提出了一种可支持多种编码方式的通用、低复杂度、高编码增益的并行译码方法.基于FPGA硬件平台进行原理验证,实现了一个可同时支持8种编码方式的高速并行、高吞吐量、低时延的SCCC译码器,译码器最高吞吐量可达300 Mbit/s.      

基于改进遗传算法的四旋翼无人机参数辨识

为克服传统遗传算法在参数辨识过程中收敛速度慢的问题,提出了一种基于改进遗传算法的四悬翼无人机参数辨识方法。该方法引入梯度算子为遗传进化提供指示性的方向,利用遗传算法的全局搜索性保证算法的全局收敛,并根据简化四旋翼无人机数学模型设计了优化函数。利用四悬翼无人机实飞数据进行了实验测试,实验结果验证了本文方法的有效性和快速收敛性。     

一种基于Legendre正交基变换的过程神经元网络训练

为解决过程神经元网络训练涉及的时域聚合运算问题,提出了过程神经元网络的一种学习算法。算法在网络的输入函数空间引入Legendre正交函数基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用Legendre函数基的正交性,避免复杂的积分过程,降低过程神经元在时间聚合运算中的复杂性,提高学习效率。仿真实验结果证明了算法的有效性。