退化情形随机逼近算法的精确收敛速度

研究了退化情形随机逼近算法的精确收敛速度，（１）得到了对于算法在一般步长下的精确的收敛速度，而此前的结果对下降较慢工并不精确；（２）当回归函数的展开戒的矩阵系数正规时，给出所有可能的极限点；（３）证明此估计上界在多维情形了是能够达到的，而此前只证明了一维的结果。     

最小迹扩展集员估计

针对扩展Kalman滤波器(EKF)在进行非线性估计时一致性较差的问题,提出了适于一类高阶非线性系统的最小迹扩展集员估计算法(LTESMF).该算法通过引入反馈机制实现观测更新,避免了椭球相交计算.算法用估计误差定界椭球参数矩阵的迹作为优化目标,迭代优化反馈系数.本文还提出用随机状态边界度量的收敛性来评价随机系统稳定性.并用该方法证明了LTESMF的估计误差能收敛到有界区域内.最终仿真结果表明,LTESMF的估计结果的稳态精度接近EKF,计算算效率与EKF相当,估计结果的一致性和收敛速度明显高于EKF.     

永磁同步电机多采样率修正随机梯度辨识

结合多项式变换技术,推导永磁同步电机多采样率系统参数回归模型,在随机梯度辨识算法中引入收敛指数ε,提出多采样率系统修正随机梯度辨识算法。随着收敛指数值的减小,该算法使电机多采样率模型参数辨识过程的收敛速度和精度指标均得到提高。仿真和实验结果证明了该算法的有效性。     

激活函数可调的神经元网络的一种快速算法

将激活函数可调的神经元网络的结构做了一个变形, 给出了网络学习的一种快速算法, 并对异或问题, Feigenbaum函数和Henon映射进行仿真实验, 结果表明, 该算法具有很快的收敛速度, 很高的收敛精度, 性能优于BP算法. 在此基础上, 将变形后的网络再进行改进, 实验表明改进后的网络具有更好的性能.     

非圆信号的协方差匹配自校正算法及其性能分析

针对非圆信号测向中方位依赖幅相误差的校正问题,本文根据非圆信号的非圆特性和辅助阵元能够自校正的特点,对协方差匹配估计技术（covariancematchingestimationtechnique,COMET）进行改进,提出一种适用于信源时域统计特性未知和统计独立特性先验已知两种情况的改进算法：NC—COMET算法．该算法利用非圆信号扩展协方差数据,使其校正精度较常规的基于辅助阵元的最大似然类算法（未利用非圆特性）有明显提升,且降低了最小辅助阵元数要求．从理论上证明了参数估计的统计一致性,采用一阶误差分析方法推导了有限采样影响下参数估计的均方误差表达式,并提出算法的cc数据利用率”定义,定量比较获得了NC．COMET算法的数据利用率较常规的最大似然类算法的提升幅度．仿真结果亦表明NC—COMET算法性能较常规的最大似然类算法更优：低信噪比下具有更强的鲁棒性;信源时域统计独立特性先验已知或者大非圆率的情况下,该算法对校正精度的提升尤为明显．     

高阶Boussinesq水波方程的改进

对高阶Ｂｏｕｓｓｉｎｅｓｑ水波方程提出了两个改进方法：（１）在该方程的高阶非线性项中引入一修正参数,以提高方程二阶传递函数的精度;（２）用一变换速度取代该方程中的水深平均深度,使变换后的方程的色散性精确到Ｏ（ｋ＾８ｈ＾８）阶,变浅作用性能从浅水到深水都具有更高的精度,方程二阶传递函数的精度也得到很大改善。     

数控机床高速微线段插补算法与白适应前瞻处理

数控加工在机械制造领域具有举足轻重的作用,如何在满足加工精度和机床加速度约束的前提下提高加工速度是数控加工的一个关键问题．在由G01代码产生的连续微小直线段加工中,通过线段连接处的速度是制约加工速度的瓶颈．本文提出一种在直线加减速方式下,满足加工精度要求,充分利用机床各驱动轴最大加速能力用多个插补周期进行拐角过渡的方法,来提高线段连接处的通过速度．该方法在一定意义下实现了时间最优加工．本文还提出一种新的前瞻处理与动态修调方法,有效提高了整体加工速度．以上算法在蓝天数控系统上进行了实际加工验证．与若干已有算法相比,根据机床加工参数不同,加工速度提高了50％～180％;同时获得较好的加工质量;算法能够满足实时在线加工需求．     

蚁群算法中参数设置对超声回波估计性能的影响

摘要针对超声回波参数估计问题存在着耗机时长,估计结果严重依赖于初始值的缺点,本文将蚁群算法应用到超声回波参数估计中,结合超声回波的非线性高斯模型,提出了基于蚁群算法的超声回波参数估计算法,并就蚁群算法在超声回波估计中参数的优化组合设置进行了分析研究通过数值仿真,在信噪比为10dB条件下计算了蚁群算法中各参数的不同取值对估计结果的不同影响,包括计算时间、估计精度和算法稳定性,得出了算法中各参数的组合优化设置,给出了最优参数下的超声回波参数估计结果,并通过与其他算法的比较验证了蚁群算法在超声回波参数估计问题中的有效性．该研究有助于提高超声回波估计的精度和算法的稳定性,缩短蚁群算法的计算时问,以达到优化算法性能的目的．     

基于Unscented Kalman Filter算法的一个快速路动态OD矩阵估计模型

基于主干道和匝道出入口的交通流量计数及起迄点旅行时间分布假设,论文提出了一个新的快速路动态Origin-Destination（OD）矩阵估计状态空间模型及其在线估计算法．论文通过引入一阶宏观交通流模型以计算OD旅行时间,并假定相同起讫点、相同时刻出发的车辆到达时间分布遵从正态分布．由于引入的宏观交通流模型参数受交通状况的影响,因此模型参数也作为状态变量进行估计,这将增加了新的测量方程．模型的求解采用了一种新的适合于非线性状态空间方程的在线估计算法（UKF,Unscented Kalman Filter）．特别地,论文考虑了约束条件下UKF算法截断问题,这将为运用UKF算法求解存在约束的其他模型提供了新的思路．模型运用了仿真数据进行评估．实验结果达到了很好的精度,这为处理动态OD估计问题提供了新的方法,并可应用于实际的在线动态OD估计．     

基于粒子群寻优机制的图像分割方法

利用粒子群优化（eso）算法全局寻优、快速收敛的特点,结合模糊C-均值（FCM）图像分割算法提出一种新算法,用PSO算法代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷;同时也降低了FCM算法对初始值的敏感度。实验结果表明,与FCM相比该算法聚类更准确,效率更高,具有较高的分割速度和良好的抑制噪声的能力。     

一种基于Markov随机场模型的核磁共振图像分割方法

为了提高核磁共振(MR)图像分割的效果,提出了一种基于Markov随机场模型的分割方法。该方法利用Markov随机场描述图像的先验分布,结合MAP准则获得分割优化函数,通过ICM局部迭代使分割优化函数收敛。迭代过程中引入了后验概率矩阵的平滑;提高了分割的精度和速度。实测数据的实验结果证明了所提方法的有效性。     

基于平均增益模型的连续型(1+1)进化算法计算时间复杂性分析

连续型进化算法的计算时间复杂性分析是进化计算理论研究的一项公开难题,目前相关研究成果较少.针对连续型(1+1)EA,基于适应值差函数提出了平均增益模型及其分析方法,给出了平均计算时间的计算理论,为算法的计算时间复杂性分析提供了依据.在此基础上,研究还选取了学术界关注的球形函数作为研究对象,分别推导了变异步长满足标准正态分布和均匀分布的连续型(1+1)EA在优化球形函数时的平均增益,并估算出了它们的平均计算时间.理论分析说明:1)两种算法的计算时间复杂性都是指数级的;2)在给定相同精度和初始适应值差的前提下,采用均匀分布变异算子的算法其寻优速度优于采用标准正态分布变异算子的算法.进一步地,通过数值实验对理论分析结果进行了验证,结果表明平均增益模型分析是有效的.     

互耦条件下双基地MIMO雷达的收发角度估计

阵元互耦的存在会使双基地MIMO雷达多目标定位算法的性能恶化．利用发射和接收互耦矩阵的带状、对称Toeplitz性质,提出了一种基于ESPRIT的双基地MIMO雷达收发角度算法,并针对现有参数配对算法中存在参量兼并的问题,给出了一种改进的自动配对算法．仿真结果表明：在存有相同发射角／接收角时,本文算法仍能有效实现多目标定位,无需进行谱峰搜索和额外的目标配对;本文算法对互耦系数自由度和扰动误差的稳健性优于MUSIC-like算法,并且具有更高的估计精度．此外,还推导了确定信号模型下收发角和互耦系数的CRB（Cramer—Raobound）．     

牵引网宽频域谐波与振荡抑制技术应用研究

针对大功率、高密度、多种类的机车群在小容量牵引供电网中带来的宽频域谐波和谐振问题,从交流机车的拓扑和调制出发对宽频域谐波产生的机理进行了分析,并结合对两种典型车型,对不同类型机车混跑线路的谐波分布多样性进行了分析.为此提出了基于H桥级联的有源电力滤波器（HCAPF）和高通滤波器（HPF）相结合的谐波抑制方案,利用HCAPF对无功功率进行控制并对低次谐波进行抑制,利用高通滤波器对高次进行吸收.结合示范工程,对参数设计、HCAPF性能测试进行了详细介绍,最后对整个补偿系统投入前、后24 h的电压畸变率等参数进行对比测试,结果表明补偿后电压总畸变率平均值从4.324%下降到2.934%,满足国标,其中各次谐波电压都有较大下降.同时电网电压的最大波动率从14.5%下降到10.7%.     

稀疏均匀非同心电磁矢量阵列的2D-DOA与极化联合估计

本文提出了一种稀疏均匀非同心电磁矢量传感器矩形阵列,针对该阵列提出了一种二维波达方向(2D-DOA)和极化参数的联合估计算法.首先利用稀疏均匀矩形阵列的旋转不变性得到周期性模糊的2D-DOA估计,然后提出一种简易的非同心电磁矢量传感器的2D-DOA估计算法来解模糊,再通过一些三角变换得到高精度无模糊的2D-DOA和极化参数估计,最后推导了该阵列多参量估计的闭式克拉美罗界.本文所提阵列的稀疏配置使得在不增加阵元数和硬件复杂度情况下有效扩展了阵列物理孔径,且由于矢量传感器的使用获得了极化分集,使得2D-DOA的估计精度大大增加.此外本文方法能得到2D-DOA和极化参数之间的自动配对,更为重要的是该阵列使用非同心电磁矢量传感器构成,解决了同心电磁矢量传感器互耦严重、硬件设计困难的问题.仿真结果证明了本文多参量估计算法的有效性.     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

MIMO-OFDM系统中基于变分Bayes EM算法的联合符号检测与鲁棒Kalman信道跟踪

基于变分Bayes期望最大化VBEM(variational Bsayes expectation maximization)算法和Turbo原理,提出了快时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法.在VBEM框架下,信号检测和信道估计分别由修正的列表球形译码算法和软输入Kalman算法完成,检测器和估计器分别考虑了信道和检测信号的估计误差协方差矩阵.当信道时变剧烈时,存在较大检测误差的数据在软输入Kalman算法中引入异常值(outliers),由于Kalman算法对于异常值的敏感性,系统会在错误传播的影响下出现误码平台.为削弱异常值的影响,利用鲁棒统计理论设计了VBEM框架下改进的鲁棒软输入Kalman算法,该算法能在出现异常值的条件下保持较好的信道跟踪能力.仿真结果表明:在快速时变多径信道条件下,文中设计的鲁棒VBEM算法优于传统的VBEM算法和EM算法.     

高速铁路无砟轨道不平顺谱

研究提出了我国高速铁路无砟轨道不平顺谱的计算方法、轨道不平顺谱拟合公式及轨道不平顺谱图.为提高轨道不平顺谱的计算精度,研究提出了基于线性插值和小波分析方法的轨道不平顺检测数据异常值和趋势向剔除算法.同时通过不同窗函数长度、不同窗函数和不同谱估计方法的轨道不平顺谱计算对比分析,确定了轨道不平顺谱的计算方法.利用高速综合检测列车检测数据计算确定了高速铁路无砟轨道不平顺谱及其拟合公式,并引入倍频能量表反映高速铁路无砟轨道周期结构的影响.由轨道不平顺谱拟合公式与倍频能量表共同构成的高速铁路无砟轨道不平顺谱,为高速铁路设计、评估和养护维修等提供了依据.