基于遗传算法的最小误码率线性多用户检测

本文提出了一种多用户检测算法,算法基于最小误码率准则,应用内核密度估计方法来估计误码率函数,并采用基于实数编码的遗传算法来搜索误码率函数全局最小点。该算法解决了由于误码率函数存在局部最小点而难以用普通的梯度算法来求解全局最优点的问题。算法对初值的选取无特殊要求,可随机选取。仿真结果表明,梯度算法求解最小误码率检测器由于可能收敛到次优的局部极小点,故检测器不能达到最小误码率性能;而本文基于遗传算法的多用户检测由于能很好的避免收敛到次优的局部极小点,因而得到的检测器性能逼近最小误码率。     

背景预测模型中不同邻域预测效果评估

当目标处于复杂背景中时,红外弱小目标检测将变得更加困难.背景预测是红外图像弱小目标检测的一种重要方法,背景预测模型中权值矩阵的确定策略对于预测和检测效果具有决定性的影响.定义了被预测点周围的三种不同邻域,探讨了不同邻域背景像素点预测的效果,并比较了不同邻域以及中邻域和多邻域的检测性能.仿真实验结果表明,中邻域具有比近邻域和远邻域更好的预测和检测性能,此外,中邻域与多邻域相比,在保证检测性能的同时具有更快的运算优势.     

距离-多普勒方法中的几种插值算法比较

在高分辨率合成孔径雷达(SAR)信号处理中,距离迁移校正是成像处理的关键步骤。距离-多普勒(R-D)方法在R-D域中通过插值处理来完成迁移校正。本文首先对距离迁移问题进行分析,然后研究R-D方法中常用的三种插值算法:最邻域近似、拉格朗日插值和sinc插值,给出它们的一般表达式,比较其运算量;最后通过计算机仿真,以点目标为例,分析它们对成像结果的影响。     

自适应邻域尺寸选择的点云法向量估计算法

三维空间中的法向量估计在计算机视觉和表面重建等研究领域中具有重要的意义，基于局部表面拟合的方法是基于点云数据的经典估计方法。为了增强该方法对于不同局部邻域细节尺度的适应性以得到更准确的估计结果，提出了一种基于自适应邻域尺寸选择的点云法向量估计算法。该方法通过分析三维空间点的邻域点在点的梯度上投影来估计点云中各点的邻域分布情况|最后根据不同的分布情况选择不同的邻域大小，根据该邻域范围内的点拟合出的平面求解得到各点的法向矢量。实验结果表明:该方法能够克服邻域半径选择过大或者过小的情况，有效地提高基于局部表面拟合法向矢量求解的正确性。     

邻域平均法对矢量图平滑处理

首先提出在缩放矢量图时,一定角度的线条会产生锯齿.接着介绍图像增强技术中,空间域处理方法的邻域平均法及改进邻域平均法的原理、算法用改进的邻域平均法对缩放时产生锯齿的矢量图进行具体处理的过程.利用改进邻域平均法处理有锯齿的矢量图,可以给出在视觉上表现光滑、精细化的图像.改进邻域平均法的具体程序是在Windows平台下以C++Builder为开发工具实现的.     

一种基于Kalman滤波和粒子群优化的测试数据生成方法

为减少进化代数,提高路径覆盖成功率,提出了多邻域Kalman滤波PSO测试数据生成方法.在该方法中将粒子固定划分到不同邻域中,各邻域内指定一个粒子向全局最优粒子学习,其余各粒子向所在邻域中最优粒子学习,而全局最优粒子利用无速度项的简化PSO进化.在此过程中,除全局最优粒子外的各粒子利用Kalman滤波方程更新粒子的位置.实验表明,相较于基本PSO和其他PSO方法,即使是覆盖困难的路径,本文方法也具有进化代数少、路径覆盖成功率高及性能稳定的特点.     

基于变尺度寻优和遗传搜索技术的模糊神经网络全局学习算法

本文给出了一种改进的拟牛顿算法与具有新型交配方式和可变变异概率的遗传算法相结合的全局寻优算法，用以搜索模糊神经网络误差函数的全局量小点。     

基于二维Gamma分布的激光点云去噪

利用地面激光扫描仪测量时,由于空气中尘埃等因素会产生噪声点,对后期三维建模等应用带来不利影响。在现有研究成果基础上,深入分析散乱点云的近邻域特性,采用基于二维Gamma分布实现点云去噪,并在kd-tree索引支持下对其进行优化,通过邻域均值和邻域距离变化斜率两个约束条件共同移除噪声点。实验结果表明,本文算法能自动识别噪声点,降低人工设置阈值的影响,并与传统的基于正态分布的邻域点去噪算法进行对比,实验效果较优,达到了预期效果。     

复数前馈神经网络的全局最优和快速学习算法

提出了一种新型复数前馈神经网络的学习算法。当输入层和隐层之间的权值计算出来后，就可以通过求解线性方程组得到隐层和输出层之间的权值。这些权值是全局最小点。另一方面，本文算法很容易确定全局最小点时隐层神经元的个数。本文算法具有很高的训练精度和学习速度。     

结合多尺度边缘检测的SAR结构邻域滤波方法

噪声抑制是合成孔径雷达(SAR)图像处理的一个重要环节,通常的方法在抑制噪声的同时也使得图像的边缘模糊。该文提出一种结合宏观边缘信息的SAR图像结构邻域滤波方法。首先利用多尺度边缘检测算法获得SAR图像主要的边缘信息,在此基础上对结构邻域滤波法进行改进。结构邻域滤波法用一系列反映图像局部方向信息的邻域模板描述图像的细节特性,滤波过程中引入图像的宏观边缘信息,对邻域模板的选择范围进行约束。最后运用模拟退火算法选取合适邻域模板对目标点的强度进行MAP估计。实验表明该方法能够较好地保持图像的边缘特征,同时有效抑制了斑点噪声。     

A global optimization method for quasi-optics power combiner

This paper describes an algorithm which can determine a neighborhood of the global optimum of an objective function and an estimate of the global optimum. This method wasemployed to determine global optimum of the fundamental mode power, the fractional power of the fundamental mode and the combining efficiency. Given this information, a local optimization procedure can be employed to local the global optimum.     

Global Optimization CAD in MM Wave Waveguide Cavity

This paper describes a global optimization design for power combiner of solid-state millimeter wave source in rectangular wave- guide cavity. The algorithm can determine a neighborhood of the global optimum of an objective function. In this paper, the performance parameter are presents by combining efficiency, tuning range, frequency drift, and FM noise were done the objective functions respectively. And it is to calculate the global optima respectively.     

一种新型的变领域搜索算法

一般变邻域搜索算法在连续优化问题的可行解空间上难以找到局部最优解。提出了一种结合SQP算法的变邻域搜索算法,该算法将SQP算法引入到变邻域搜索算法的局部搜索过程中,以SQP算法寻找局部最优解,以变邻域搜索算法跳出局部最优解的低谷,进而寻找到全局最优解。另外还对变邻域搜索算法的初始解和扰动过程进行了改进。数值实验表明,该算法具有良好的收敛性和搜索精度,求解效果优于文献算法。     

A Neural Network Approach for Signal Detection in Digital Communications

In this paper, we propose a new approach for signal detection in wireless digital communications based on the neural network with transient chaos and time-varying gain (NNTCTG), and give a concrete model of the signal detector after appropriate transformations and mappings. It is well known that the problem of the maximum likelihood signal detection can be described as a complex optimization problem that has so many local optima that conventional Hopfield-type neural networks fail to solve. By refraining from the serious local optima problem of Hopfield-type neural networks, the NNTCTG makes use of the time-varying parameters of the recurrent neural network to control the evolving behavior of the network so that the network undergoes the transition from chaotic behavior to gradient convergence. It has richer and more flexible dynamics rather than conventional neural networks only with point attractors, so that it can be expected to have much ability to search for globally optimal or near-optimal solutions. After going through a transiently inverse-bifurcation process, the NNTCTG can approach the global optimum or the neighborhood of global optimum of our problem. Simulation experiments have been performed to show the effectiveness and validation of the proposed neural network based method for the signal detection in digital communications.     

一种基于Ｃ均值的模糊核聚类图像分割算法

模糊核聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,已广泛应用于图像分割领域,但其算法对初值敏感,很大程度上依赖初始聚类中心的选择,并且容易收敛于局部极小值,用于图像分割时,隶属度的计算只考虑了图像中当前的像素探值,而未考虑邻域像素探间的相互关系,故对分割含有噪声图像不理想。故提出了一种改进的模糊核聚类图像分割算法,先通过数据约简,不损失数据聚类结构的前提下对数据进行挖掘,然后在模糊核聚类算法中引入特性核函数,将约简后的数据映射到高维非线性特征空间进行划分,最后再利用表征邻域像素的参数来修正当前空间像素的隶属度。实验结果表明,提出的算法较好地解决了模糊核聚类算法在局部极值处收敛和在迭代过程中出现停滞等问题,最终得到最佳全局聚类,迭代次数降低明显,并具有高鲁棒性、对噪声不敏感的特点。     

一种基于改进的遗传算法的块匹配运动估计方法

块匹配方法(Block Matching Algorithm,简称BMA)是目前广泛使用的运动估计方法,但该方法的最大缺点是容易陷于局部最优,这主要是由搜索模式决定的。而遗传算法(Genetic Algorithm,简称GA)是一种具有广泛适应性的全局最优的搜索算法。将块匹配方法的局域性搜索与遗传算法的全局性搜索结合起来,本文提出了一种基于改进的遗传算法的块匹配运动估计方法。实验证明,该方法的平均绝对误差(MAE)接近全搜索(FSS),优于三步法(TSS),而运算量相对较低,接近三步法。     

Adaptive local linear regression with application to printer color management.

Local learning methods, such as local linear regression and nearest neighbor classifiers, base estimates on nearby training samples, neighbors. Usually, the number of neighbors used in estimation is fixed to be a global "optimal" value, chosen by cross validation. This paper proposes adapting the number of neighbors used for estimation to the local geometry of the data, without need for cross validation. The term enclosing neighborhood is introduced to describe a set of neighbors whose convex hull contains the test point when possible. It is proven that enclosing neighborhoods yield bounded estimation variance under some assumptions. Three such enclosing neighborhood definitions are presented: natural neighbors, natural neighbors inclusive, and enclosing k-NN. The effectiveness of these neighborhood definitions with local linear regression is tested for estimating lookup tables for color management. Significant improvements in error metrics are shown, indicating that enclosing neighborhoods may be a promising adaptive neighborhood definition for other local learning tasks as well, depending on the density of training samples.     

Optimal kinematic design of a haptic pen

This paper investigates the performance demands of a haptic interface and shows how this information can be used to design a suitable mechanism. A design procedure, previously developed by the authors (1996), consisting of a global isotropy index and a discrete optimization algorithm, allows one to compare a range of geometric variables, actuator scale factors, and even different robot devices for optimum performance. The approach is used to compare the performance of three 6-DOF robots including two well-known parallel platform robots and a novel hybrid robot called the Twin-Pantograph in terms of their semi-dextrous workspaces and static force capabilities. Since the Twin-Pantograph yields the best results, its design is refined to address practical constraints and it is implemented as a haptic pen. The performance of the resulting design is analysed and presented     

基于邻域聚合与深度学习的小样本荒漠草原物种分类

随着气候变化和人类活动的影响,内蒙古草原逐渐荒漠化。为了解决传统地面调查的局限性,以及高光谱数据小样本分类难的问题。本文利用无人机(unmanned aerial vehicle, UAV)高光谱遥感技术对荒漠草原物种进行数据采集,并提出一种邻域聚合算法结合深度学习的小样本分类方法。首先,通过遗传算法(genetic algorithm, GA)与最佳指数因子(optimum index factor, OIF)对高光谱数据进行波段选择;其次,构建高光谱数据邻域特征,采用邻域聚合算法对其进行邻域特征融合;最后,采用多层感知机(multilayr perceptron, MLP)对融合后的特征进行分类。结果表明,邻域聚合算法在每类地物只有10个样本的情况下总体精度可达93.41%,Kappa系数为0.912 0;并与SVM和多种深度学习模型对比,邻域聚合算法计算效率高、模型大小最小、分类精度最高。该方法的提出,满足草原物种识别要求,为草原生态系统的动态监测提供新方法。     

一种基于邻域支持准则的双层立体匹配算法

本文给出一种基于邻域支持准则的双层立体匹配算法，该算法以LOG边缘检测器输出的边缘点为匹配基元，利用图象相关特性和匹配相容性约束构成两层匹配系统．第一层以反映图象灰度统计特性的局部相关约束为准则．第二层以第一层输出为引导，从图象结构和视差相容方面寻求全局意义上的最佳匹配，从而使系统对复杂场景有较好的自适应性．实验结果表明，该算法结构简单，稳定可靠，具有处理复杂场景的能力．