LMS算法收敛步长的精确求解

本文提出了用步长阀值上下限的算术平均值去计算收敛步长的新方法,通过LMS算法失调量的精确分析,寻出了计算步长的公式.计算机模拟结果证实了本文方法及其步长计算公式的准确性.     

一种GPS/BDS双模导航系统的选星算法

为解决传统选星算法中定位精度与计算GDOP复杂度之间的矛盾,提出一种改进的快速卫星选择算法。通过利用卫星的高度角和方位角信息划分区域,剔除信噪比小于一定门限的卫星,应用牛顿恒等式的GDOP计算方法,最终确定选择6颗卫星进行定位。用于较少周期计算的最佳卫星几何分布划分区域可以极大减少运算量,理论分析和实验结果表明,与最小GDOP算法相比,在略微牺牲定位精度的情况下,所提算法计算量显著降低,而定位精度优于Quasi-Optimal算法,证明了该算法的有效性。     

以太网时延仿真与性能分析

通信时延是衡量网络性能的重要指标之一。分析了以太网通信网中影响通信时延的有关因素,以太网络拓扑结构为高校校园网络模型,借助Opnet仿真并分析了不同节点数目、不同链路传输速率以及不同中心服务器配置对网络时延的影响。     

基于矩阵补全的二阶统计量重构DOA估计方法

该文针对传统波达方向角(DOA)估计算法在非均匀噪声下角度估计精度差及分辨率低的问题,基于矩阵补全理论,提出一种二阶统计量域下加权L1(MC-WLOSRSS)稀疏重构DOA估计算法。首先,基于矩阵补全方法,引入弹性正则化因子将接收信号协方差矩阵重构为无噪声协方差矩阵;而后在二阶统计量域下通过矩阵求和平均将无噪声协方差矩阵多矢量问题转化为单矢量问题;最后利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC, IL1-SRACV, L1-SVD子空间算法及稀疏重构加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好DOA估计性能,且在低信噪比条件下,亦具有较高估计精度和分辨力。     

基于物理学的改善粒子图像测速稳健光流方法研究

针对可视化流动图像边缘扩散及噪声和异常点影响使得光流计算稳健性较差的问题,提出一种基于物理学的稳健光流计算方法以改善光流计算稳健性。所提算法在基于物理学光流方法中引入各向异性滤波器以增强边缘光流稳健性,并增加惩罚因子以减少噪声及异常点对光流计算的影响,而后基于变分方法极小化光流能量函数以求解欧拉-拉格朗日方程,最后通过迭代方法求得速度场。仿真结果表明,与传统的Lucas-Kanade,Horn-Schunck,金字塔Lucas-Kanade以及基于物理的光流计算方法相比,所提算法可显著减少边缘和角落区域光流扩散,改善针对噪声及异常点的稳健性,从而得到具有较好稳健性的速度场。     

一种求解LMS算法步长阀值的新方法

本文通过对失调方程的分析，提出由低次失调方程求解步长阀值的新方法，计算机模拟结果表明，采用本文方法计算步长是精确可行的。     

LMS算法的能量约束和收敛过程

本文首次提出了ＬＭＳ算法能量约束三角形准则，并用该准则分析了算法的收敛过程；定义了动态失调系数，建立了它与稳态失调系数之间的关系。     

基于代数重建法的DV-Hop定位算法

针对运用最小二乘法求解DV-Hop定位算法带来的节点定位误差较大的问题,提出基于代数重建法的DV-Hop定位算法,运用一种由图象重建问题而引入的逐次迭代算法——代数重建法。仿真结果表明,改进算法能降低无线传感器网络中节点的平均定位误差。     

MIMO雷达角估计算法研究与改进

角估计是雷达参数估计的一个重要内容,主要目的是确定各个信号到达阵列参考阵元的方向角。MIMO雷达可有效提高角估计分辨力和精度而得到广泛的关注,但MIMO雷达角估计算法却比较复杂。主要对MIMO雷达角估计的几种算法——二维Capon角估计算法、二维MUSIC角估计算法以及提出的改进的MUSIC-ESPRIT角度估计算法进行深入系统地研究。通过计算机仿真分析各种不同算法的特点,发现提出的算法明显降低了角估计算法的时间复杂度,从而得出各种算法的优缺点和局限性,为正确分析MIMO雷达回波信号提供重要依据。     

光照变化下基于稀疏表示的视觉跟踪算法研究

为提高光照变化下目标跟踪算法的精度和鲁棒性,基于稀疏表示理论,提出一种光照补偿和多任务稀疏表示联合优化算法。该算法首先根据目标模板与候选目标的平均亮度差异对目标模板光照补偿,而后利用候选目标构建过完备字典以稀疏表示光照补偿后的目标模板,并将所得问题转化为一个多任务优化问题,然后利用所得稀疏编码矩阵快速剔除无关候选目标,最后基于重构误差对剩余候选目标进行局部结构化评估,进而实现目标的精确跟踪。实验结果表明,与现有主流算法相比,剧烈光照变化情况下,所提方法可显著改善目标跟踪精度及鲁棒性。