基于噪声特征向量重构的地波雷达单次快拍超分辨算法

高频地波雷达在一个相参积累时间内通常只能得到频域一次快拍,利用其直接进行波达方向估计性能较差。针对这一问题,在分析时、频域协方差矩阵特征分解后差异的基础上,在频域采用降维方法估计协方差矩阵。根据频域目标信噪比相对较大的特点,利用最大特征值对应的信号特征向量构造原始的数据矩阵,并对该矩阵进行奇异值分解得到新的噪声子空间,进而构造出新的噪声特征向量,最后利用该噪声特征向量进行方位角估计。仿真和实测数据分析验证了算法的有效性,相比降维Toeplitz算法和前后向空间平滑算法有着更高的分辨力和估计精度。     

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。     

基于共邻矩阵的复杂网络社区结构划分方法

提出了一种基于共邻矩阵和增益函数的划分算法来发现复杂网络中的社区结构.共邻矩阵中元素的含义为结点对之间拥有相同邻居的数目.以增益函数作为网络社区结构划分的目标函数,进一步推导出基于增益矩阵和增量矩阵的特征值和特征向量的社区结构划分方法.最后把这种算法应用于三个常用的实际网络数据中,并和Newman基于模块度矩阵 的谱算法结果做了比较,以验证该算法的可行性和有效性.     

二相码旁瓣抑制的神经网络方法

本文研究了二相编码雷达信号的距离旁瓣抑制问题，用多层感知器网络实现了１３位巴克码的脉冲压缩和旁瓣抑制处理。计算机模拟结果表明，这种处理方式在主副比和多卜勒性能上优于直接失配加权处理。     

生产系统的暂态特性分析

本文利用时滞生产函数理论，在研究生产要素的投入变化对产出的影响的基础上，通过对分段式要素投入，导致产出增长率变化的特征的分析，揭示了生产系统的一些暂态特性，对于用生产系统的指标来反映社会经济宏观调控的力度和效果进行了尝试。     

实时自适应波束形成器的神经网络方法

作者在Ｈｏｐｆｉｅｌｄ神经网的基础上构造了一种实时处理的自适应波束形成网络。由于实际应用中神经元的联结矩阵有时是奇异的，文章引入正则化方法，有效地提高了网络解的稳定性和处理速度。为了降低编程复杂性，避免计算求协方差矩阵，作者还改进了一种网络，该网络用模拟电路实现不需要任何计算，并且便于用常规的模拟电路实时处理。仿真实验结果表明，这种网比传统的自适应方法有较好的收敛和跟踪性能。     

GSC结构相控阵在主瓣干扰下的自适应单脉冲方法

当有源干扰从旁瓣进入广义旁瓣对消器(general sidelobe canceller, GSC)结构相控阵系统时, 通过对旁瓣干扰的抑制, 可以维持较高的单脉冲测角精度, 然而当干扰进入主瓣范围内时, 自适应方向图会发生畸变, 导致测角错误。针对这一问题, 提出了一种在GSC结构下的两级自适应单脉冲测角的工程实现方法, 首先对采样协方差矩阵进行特征分解并根据主瓣子空间的正交性分离主瓣干扰对应的特征向量, 由此重构旁瓣干扰和噪声协方差矩阵, 再利用旁瓣对消器抑制旁瓣干扰, 最后通过四通道系统抑制主瓣干扰并保持单脉冲比不变, 实现对目标的精确测角。该方法无需对干扰的来波方向进行预估计, 具有较强的鲁棒性, 仿真结果验证了该方法的有效性。     

基于信号重构的一种系统仿真方法

本文根据信号重构的思想，提出了一种系统仿真方法。该方法是对时域矩阵仿真方法的扩展，即保留了时域矩阵方法快速性的特点，又提高了仿真精度。文中还对该方法的截断误差做出了估计，并证明了该方法的收敛性。最后，通过仿真例子说明了该方法的有效性。     

耗散耦合矩阵第二大特征值的先收缩后反幂算法

无权无向耦合动态网络所对应的耗散耦合矩阵的第二大特征值是判断网络同步稳定性的重要指标.试图改善目前一般直接调用Matlab中函数eig计算1000阶以上耗散耦合矩阵第二大特征值复杂度高、时间长的问题,利用耗散耦合矩阵具有一个零特征值及其对应的特征向量为[1,1,…,1]<'T>的特点,提出了一种先收缩后反幂算法,证明了收缩矩阵的特征值与原矩阵的非零特征值误差为零,其对应特征向量相等,并导出对于1000阶以上矩阵,先收缩后反幂法所需乘法次数比Matlab中调用函数eig所用的QR算法大幅度减少.数值计算验证了理论分析的正确性.     

基于多分辨率技术及奇异值理论的故障检测方法

提出了以小波多分辨率技术与矩阵奇异值理论相结合的故障检测方法。根据小波变换的多分辨率分解特性 ,提出了系统状态观测信号的二初始特征向量矩阵———粗分辨逼近矩阵和边缘细节信息矩阵。利用矩阵奇异值分解理论得到初始特征向量矩阵的奇异值 ,将其作为状态信号的特征向量。针对提取出的系统状态信号奇异值特征 ,设计出相应的故障检测算法 ,并将该方法用于某武器平台上精密弹簧阻尼器的故障检测。仿真结果证实了该方法的正确性和有效性。     

求QoS路由的整数线性规划方法

QoS路由的任务是在网络中寻找一条满足多个约束条件的路径使网络资源的利用达到最优. 该问题是一个NP-完全问题. 提出了一种新的基于整数线性规划模型选择路由的方法. 思路是将复杂约束引入到目标函数作为罚项, 得到一个松弛整数线性规划问题. 因为约束系数矩阵是全幺模矩阵, 松弛问题可以通过线性规划很快地求解. 拉格朗日乘子的调整用罚函数的方法很容易计算. 数值实验表明提出的方法是有效的.     

AN ADAPTIVE TRUST REGION METHOD FOR EQUALITY CONSTRAINED OPTIMIZATION

In this paper, a trust region method for equality constrained optlmization based on nondiferentiable exact penalty is proposed. In this algorithin, the trail step is characterized by computation of its normal component being separated from computation of its tangential component, i.e., only the tangential component of the trail step is constrained by trust radius while the normal component and trail step itself have no constraints. The other main characteristic of the algorithm is the decision of trust region radius. Here, the decision of trust region radius uses the information of the gradient of objective function and reduced Hessian. However, Maratos effect will occur when we use the nondifferentiable exact penalty function as the merit function. In order to obtain the superlinear convergence of the algorithm, we use the twice order correction technique. Because of the speciality of the adaptive trust region method, we use twice order correction when p= 0 (the definition is as in Section 2) and this is different from the traditional trust region methods for equality constrained opthnization. So the computation of the algorithm in this paper is reduced. What is more, we can prove that the algorithm is globally and superlinearly convergent.     

基于峭度的稳健特定信号盲提取

在盲源提取中,当所要提取信号的峭度在某一区间时,可以采用基于峭度的方法将期望的信号提取出来。如果采用外点惩罚函数法来求解,理论上要求惩罚因子趋于无穷大时才可能收敛到最优解,但是惩罚因子的增大往往导致代价函数的Hessian矩阵病态化。因此,这种方法在实际中稳健性很差。提出了采用Lagrange乘子法来解决特定信号的提取问题,与采用外点惩罚函数法的算法相比,这种方法在惩罚因子相对较小的情况下也能得到最优解。计算机仿真和实际的胎儿心电试验表明了这种方法在收敛速度和稳健性上要优于采用外点惩罚函数法的算法。     

四阶累积量用于最小嵌入维数估计的新方法

用能反映非线性结构的四阶累积量函数代替相关函数构造矩阵,对奇异值分解法进行改进.对比分析了用四阶累积量函数构造矩阵的多种方法,得到两种较好的构造矩阵的方法.其中当四阶累积量函数的两个变量分别在矩阵的对角线方向和偏离对角线方向取值并且第三个变量取零时,得到的矩阵的分析效果最好.并用此方法分析由Henon映射、Lorenz模型生成的混沌时间序列.实验结果表明了改进后方法的有效性及稳定性,并且改进后方法适合小数据量的情况且计算效率高.     

灰色主成分评价模型的构建及其应用

在梳理和分析主成分分析用于社会科学评价中存在的问题的基础上,将主成分评价拓展到灰色系统领域,构建了灰色主成分评价模型,以灰色相对关联度矩阵代替传统的协方差矩阵或者相关矩阵来进行主成分分析和评价.此外,根据目前主成分评价中权重引起的重复加权问题做一定的讨论,以因子负荷量作为主成分权重合成的重要依据,解决了重要性权对数据的影响问题.最后,构建了两个案例证明所提思想的合理性和有效性.     

基于Cholesky分解的K2DPCA人脸识别研究

K2DPCA(kernel 2D principal component analysis)是基于非线性特征提取的重要人脸识别方法,具有成功的应用.但对大规模训练数据库,其因核矩阵K规模过大、计算代价高而不能有效实现.采用选主元Cholesky,分解方法,仅需计算核矩阵的对角线上元素和部分精选列,得到迹范数意义下核矩阵K的最优Nystr(o|¨)m型低秩近似LL~T来解决该问题.并只需计算小规模矩阵L~TL的特征值和特征向量,实现大规模K2DPCA/KPCA(kernel principal component anialysis)的非线性特征提取.在加噪ORL人脸数据库上的实验结果表明,较K2DPCA/KPCA方法,新方法显著提高了识别率,并可以很大程度上克服噪声的影响;在Extended YaleB大型人脸数据库上的实验结果表明,此算法解决了K2DPCA核矩阵过大而不能有效实现的缺点.     

基于RBF神经网络的非线性主元分析新方法

在分析非线性主元曲线性质基础上,提出了非线性负载是变量X的函数,基于此,设计非线性负载RBF神经网络结构,给出了随机梯度下降算法。提出的非线性主成分分析方法与以往方法比较,得分和负载在概念上具有和线性主成分分析相同的解释,在结构上较为简单,解决了缺乏训练数据问题,训练容易。与线性主成分分析的对比仿真验证了提出方法的有效性。     

企业环境友好行为驱动因素的实证分析

目前大部分关于企业环境友好行为驱动因素的探讨都是定性的,对于各个因素的影响程度,争议不一。本文通过对制造企业的问卷调查,用SPSS 13.0进行因子分析,得出了关于企业环境友好行为的10个因子,在此基础上,建立了10个因子间相互作用的结构方程模型,并运用AMOS 7.0对模型进行了检验,定量分析了不同的驱动因素对企业环境友好行为的作用路径和效果。     

基于粒子群优化的稀疏分解变尺度快速算法

针对一类可分稀疏性度量函数,结合最优化理论,研究了稀疏信号重构的快速算法。稀疏分解可以看成是一个带等式约束的优化问题,首先利用惩罚函数法将其转化为无约束优化问题|然后在粒子群优化估计搜索步长的基础上,利用变尺度法寻找无约束优化问题的最优解|最后依次增大惩罚因子,直至稀疏表示系数满足分解精度的要求。该算法避免了矩阵求逆运算,且无需先验地选取惩罚因子。仿真实验验证了算法的有效性和快速性。     

大维数据背景下金融协方差阵的估计及应用

协方差阵在投资组合和风险管理中扮演着重要角色,但是大维数据给传统的协方差阵估计方法带来了巨大挑战.本文将改进的乔列斯基分解和惩罚函数等非参数方法应用到DCC模型的估计中,提出了非参数DCC模型(NPDCC).NPDCC模型首先通过改进的乔列斯基分解方法,将DCC模型估计中复杂的协方差阵估计问题转化为一系列的回归模型,然后通过引入惩罚函数,将一些回归系数压缩为零,解决了维数诅咒问题,使得大维动态条件协方差阵的估计成为可能.通过模拟和实证研究发现:较DCC模型而言,NPDCC模型明显提高了大维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利.