挤出吹塑中型坯尺寸的在线分析

对型坯的视频图像进行了在线分析,并提出了一种不同于传统数字图像处理的新方法,用来定位型坯表面每个墨痕(在机头出口附近用画线方法形成)的位置。还使用了“sobel”和“canny”这两种传统的方法,来定位型坯的边界。这样,可在线确定出相邻两个墨痕之间的距离和对应每个墨痕的型坯外径。采用锥形圆筒来对墨痕之间的型坯段进行几何近似,根据质量守恒计算出对应每个墨痕的型坯内径。     

能克服鞍点的并行计算寻优算法

为有效解决在求解具有鞍点的无约束最优化问题时寻优算法提前终止的问题,提出了一种能克服鞍点的计算机并行计算寻优算法。该算法以共轭梯度法为基础,对该算法寻优终止的条件进一步改进,提出当算法迭代到鞍点时,选择雅克比矩阵的所有正特征值对应的特征向量所对应的方向作为新的搜寻方向,重新搜索且并行计算取最优。最后通过实例验证了该算法能成功克服鞍点,并成功收敛到函数的极小值。     

一种新的动态多目标优化位置区域划分方法

文章基于移动通信网络系统中的位置区域划分问题,介绍了多目标进化算法,并提出了一种新的动态多目标优化位置区划分方法,从理论上分析该方法能有效避免传统算法中不能进行多目标的规划、不能进行全网优化等的不足。     

2G/3G共网下的室内分布系统优化

如何建设一个3G室内分布系统,同时兼顾2G和3G共网的覆盖和频率是整个运营商室内网络规划和优化设计的重点。     

一种基于贪婪基追踪算法的压缩感知超宽带信道估计方法

超宽带系统信道在特定的场景下,可表现出较强的稀疏特性。考虑IEEE802.15.4a提供的UWB信道参考模型,选取其中稀疏特性较强的信道场景作为背景,结合压缩感知理论对信道估计进行了研究。研究中着重考虑了压缩感知过程的信号重构算法,将一种贪婪的基追踪算法应用到信道模型的重构过程,计算机仿真结果表明信道的稀疏性能够得到准确表达,且稳定性和计算效率均比较理想。     

基于牛顿迭代法预留子载波功率分配的峰均比抑制方法

针对现有正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）系统峰均比（Peak to Averaye Power Ratio,PAPR）抑制方法中子载波预留技术只是预留未承载数据的空子载波,没有考虑预留子载波功率分配的问题,提出了一种通过牛顿迭代法对预留子载波进行功率分配来降低PAPR的方法.该方法通过把预留子载波降低PAPR的过程归纳为一阶线性展开时域模型和离散功率谱频域模型的软限幅过程,通过时域限幅,频域滤波操作生成初始预留子载波信号,以信号失真功率比（Signal to Distortion and Noise Rutio,SDNR）最大化为目标函数,运用牛顿迭代法对预留子载波进行功率分配.仿真结果表明,该方法能有效降低峰均比,在载波数为256,预留载波数分别为16和32的条件下,峰均比抑制效果分别改善了4.0dB和4.3dB.     

高效的线搜索寻优方法

在涉及计算机寻优等许多工程领域,都需要使用多元函数的最优化。线搜索是多元函数的最优化中已知搜索方向求最优步长的关键技术。为了提出一种高效的线搜索算法,对线搜索进行详细研究,提出一种新的线搜索寻优方法--类康托法。主要方法是去除了Fibonacci法中两个试探点必须保留一个的限制,每次把搜索区间三等分,根据试探点的导数值,来决定去除哪两个子区间。通过理论和实例的证明,结果发现类康托法比0.618法和Fibonacci法更高效,计算速度更快。其中最重要的结论是类康托法为这两种方法收敛速度的高阶无穷小。特别是在精度要求很高的时候,类康托法比这两种算法具有更明显的优势。此外,该方法具有较强的适用性,不但能用于凸函数,也能用于凹函数。     

基于遗传算法的集合划分问题求解

集合划分问题是组合优化领域中有着广泛应用基础的著名问题,属于NP难问题.通过引入精英策略提出对遗传算法的改进,并为了能把遗传算法应用到集合划分问题,对数学模型进行了等价变换.针对集合划分问题,设计出一种高效的基因表示,避免了组合优化中处理约束条件的麻烦.解决了传统二进制基因编码无法精确适应离散优化问题,首次提出一种离散编码解决方案.最后,使用Visual C 6编程实现,取得较好的结果.     

面向公路智能交通系统的无线物联网技术研究

面对日益严峻的交通状况,传统的交通技术和手段已无法处理。智能交通是一个基于现代电子信息技术面向交通运输的服务系统,可以有效地利用现有交通设施,减少交通负荷和环境污染,保证交通安全并提高运输效率。因此,公路智能交通系统已成为当今研究的热点。基于LTE和IPv6技术,研究了面向公路智能交通系统的无线物联网应用技术。最后给出了详尽的公路无线物联网的整体框架与技术实施方案,并对相关方案的可行性进行了论证。     

神经网络中处理鞍点的LMBP改进算法

针对目前神经网络中的Levenberg-Marquardt反向传播(LMBP)算法在训练过程中有可能迭代到鞍点的问题,提出一种能有效克服鞍点的LMBP改进算法。计算鞍点处雅克比矩阵的正特征值对应的特征向量并将其作为新的搜索方向。通过实例对比传统LMBP算法与改进LMBP算法的效果,证明改进的算法能有效地脱离鞍点并进一步收敛到极小点处。