Study on a New Spline Adaptive Filter Using Convex Combination of Exponential Hyperbolic Sine

In this paper, a new spline adaptive filter using a convex combination of exponential hyperbolic sinusoidal is presented. the algorithm convexly combines an exponential hyperbolic sinusoidal Hammerstein spline adaptive filter and a Wiener-type spline adaptive filter to maintain the robustness in non-Gaussian noise environments when dealing with both the Hammerstein nonlinear system and the Wiener nonlinear system. The convergence analyses and simulation experiments are carried out on the proposed algorithm. The experimental results show the superiority of the proposed algorithm to other algorithms.

基于预探索的动态自适应3DVFH+无人机避障算法

为解决无人机在未知复杂环境下的自主避障规划问题,同时考虑到旋翼无人机平台硬件资源稀缺的问题,提出了一种基于预探索的动态自适应3DVFH+算法。根据无人机飞行进度以及障碍物信息,动态调整代价函数的自适应权重因子;通过对无人机视野范围的预探索,构建了搜索树,并对障碍物及无人机模型进行了建模研究,同步实现了无人机在复杂环境中的可视化分析。结果表明,动态自适应代价函数消除了3DVFH+算法的死区现象;预探索机制解决了算法的局部最优解问题,规划航线缩短37.15%,所需时间减少24.48%。同时搭建了复杂度较高的森林障碍物进行验证分析,相较于使用八叉树框架建图的3DVFH+算法执行相同避障规划任务时节省内存可达25.26%。

代价函数权值可变的速度自适应的异构无线网络垂直切换算法

利用移动车载终端的测速功能,针对移动WiMAX网络支持高速移动的特点,本文提出了一种在异构无线网络中的基于车载终端的代价函数权值可变的速度自适应垂直切换算法.该算法使用速度自适应策略克服了网络发现阶段采用测量网络的接收信号强度这种固定且单一的网络发现方式带来的缺点,提高了候选网络集更新速度,改进了高速移动用户网络发现的时机;进一步,在切换判决阶段使用代价函数权值可变的垂直切换算法,综合考虑了接入网络和用户的多种属性,选取代价函数值最大的网络为切换的最佳网络.仿真结果表明,本文算法可以有效地提高网络更新速度,降低网络阻塞率,减少切换次数,保证切换的有效性和公平性.

交叉验证方法在电能质量信号白噪声抑制中的应用

电力系统中,电能质量信号往往含有大量噪声,这将在很大程度上影响检测的效果。基于交叉验证方法提出了电能质量信号白噪声抑制新方法,该方法无需事先估计信号中白噪声的任何参数,能根据所定义的积分均方误差(ISE)代价函数自适应地选择最佳消噪阈值,解决了小波去噪过程中小波基函数选择的固有难题,而且去噪效果优于传统方法。仿真结果表明,该方法能够准确提取出扰动信号的突变信息,提高电能质量信号的信噪比,且信号的均方误差较小。

陆上地震资料全波形反演策略研究

全波形反演已成功应用于海上地震资料,而陆上地震资料全波形反演应用还面临诸多难点。研究给出了一种针对陆上地震资料的全波形反演策略:首先采用相位拟合互相关目标泛函增强全波形反演的适用性;其次构建动态波数域滤波梯度预处理方法压制梯度噪声;最后采用构造倾角信息约束的自适应高斯平滑算子改善反演结果质量。二维陆上地震资料的反演结果表明,该策略可有效实现陆上地震资料高波数全波形反演速度建模。

基于自适应UKF微型航姿系统噪声在线估计

针对先验噪声与系统真实噪声不符引起标准无迹卡尔曼(unscented Kalman filter,UKF)性能退化的情况,提出一种应用于非线性时变状态和参数联合估计的自适应UKF(adaptive unscented Kalman filter,AUKF)算法。根据新的协方差矩阵与相应估计值之间存在的误差,构建成本函数。采用梯度下降法进行在线预估,对噪声的协方差进行在线更新并反馈给标准的UKF。实验和仿真分析表明,与标准UKF相比,自适应UKF算法在精度上有较大的提高。对于时变噪声协方差不确定时,自适应UKF噪声在线估计的鲁棒性得到明显改善,验证了自适应UKF噪声在线估计模型的准确性和可行性。

多智能体系统的自适应群集分布式优化（英文）

本文对具有非线性函数群集行为的连续时间多智能体系统的分布式优化问题进行了研究.这篇文章旨在说明所有智能体的速度和位置可以渐近一致,并且速度达到最优,从而使局部代价函数之和最小.在这个研究中,每个智能体只知道与其对应的代价函数.首先,文章对局部代价函数作了一些假设;第二,设计了一个分布式控制法则和更新律,该控制法则仅仅依赖于自己和邻居的速度.然后证明了多智能体系统的稳定性以及在最小化局部代价函数之和的同时所有智能体可以避免碰撞.最后,使用一个仿真案例来说明所获得的分析结果.

基于梯度自适应规则的自适应UKF算法及其应用

针对量测噪声方差统计值未知的非线性UKF(Unscented Kalman Filter)滤波问题,提出了一种基于梯度自适应规则的自适应UKF算法;在标准的非线性UKF算法基础上,根据残差方差阵的估计值与真实值之差构造代价指标函数,并将该函数相对于参数变化的负梯度方向作为参数更新的方向,构建自适应调节机制;将算法应用于GPS/DR(Dead-Reckoning)组合导航系统中,仿真结果显示状态估计误差具有良好的收敛性,估计精度较噪声观测器有明显改善,表明算法对量测噪声方差阵的动态变化具有较强的适应性。

基于自适应增益LMS算法的谐波检测新方法

有源电力滤波器(APF)需要对谐波电流进行检测,快速准确的谐波检测方法能够提高有源电力滤波器的补偿性能。本文基于最小均方算法,改进了谐波检测算法,该算法从减小集平均代价函数出发,基于自适应增益,推导出新的步长迭代公式;从检测算法的快速准确性出发,通过Matlab仿真和DSP实验可以看出该算法得到的基波幅值误差为0.2%,迭代响应时间为0.01s,不仅达到了很高的检测精度,而且能在半个基波周期内达到稳定,验证了新检测算法的准确性和快速性。

代价敏感惩罚AdaBoost算法的非平衡数据分类

针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机(Support vector machine,SVM)优化模型作为基分类器,采用带有方差减小的随机梯度下降方法(Stochastic variance reduced gradient,SVRG)对优化模型进行求解。对比实验表明,本文提出的算法不但在几何均值(G-mean)和ROC曲线下的面积(Area under ROC curve,AUC)上明显优于其他算法,而且获得了较大的平均间隔,显示了本文算法在处理非平衡数据分类问题上的有效性。

参数自适应Sontag控制器在双模EMPC中的应用

介绍了双模经济模型预测控制(EMPC)方法,并从理论上分析了双模EMPC模式下采用Sontag控制器进行状态驱动的可行性。针对双模EMPC在状态驱动过程中出现的经济次优问题,提出了Sontag控制器参数自适应更新方案。该方案在状态驱动期间根据最有经济性能指标实时修正控制器参数,从而兼顾经济效益和稳定性。从代价函数的角度进行理论推导,确定了参数自适应更新方案的实施步骤。通过一个二阶振荡器实例展示了该方法的有效性和可行性。

基于最优间隔的AdaBoost_(v)算法的非平衡数据分类

为了解决非平衡数据分类问题,提出了一种基于最优间隔的AdaBoost v算法。该算法采用改进的SVM作为基分类器,在SVM的优化模型中引入间隔均值项,并根据数据非平衡比对间隔均值项和损失函数项进行加权;采用带有方差减小的随机梯度方法(Stochastic Variance Reduced Gradient,SVRG)对优化模型进行求解,以加快收敛速度。所提基于最优间隔的AdaBoost v算法在样本权重更新公式中引入了一种新的自适应代价敏感函数,赋予少数类样本、误分类的少数类样本以及靠近决策边界的少数类样本更高的代价值;另外,通过结合新的权重公式以及引入给定精度参数v下的最优间隔的估计值,推导出新的基分类器权重策略,进一步提高了算法的分类精度。对比实验表明,在线性和非线性情况下,所提基于最优间隔的AdaBoost v算法在非平衡数据集上的分类精度优于其他算法,且能获得更大的最小间隔。

基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。

基于有色载入的GPS自适应调零天线抗干扰算法

针对GPS导航信号由于天线震动和城区干扰源较多的情况下,干扰信号会对导航信号的高精度定位产生很大的影响。提出了一种基于有色载入的自适应调零天线抗干扰算法。该算法利用滤波器权值矢量和方向矢量构建有色修正矩阵,并通过该修正矩阵得到滤波权值。从波束形成、失配情况和不同快拍数下的算法性能等三方面进行仿真分析比较,仿真结果表明文中所提出的方法可以得到加宽、加深的零陷,使干扰信号在角度偏移时,也能得到较好抑制。在相同的快拍数下信干噪比更好,具有一定的实用价值。

基于改进蚁群算法的多批次协同三维航迹规划

针对基本蚁群算法容易陷入局部寻优、收敛速度慢的缺陷以及解决多批次协同航迹规划问题的需要,提出了基于改进蚁群算法的多批次三维航迹规划算法。该算法采用基于加权排序的信息素更新规则,扩大各优劣蚂蚁的差异,提高了算法收敛速度,并采用了一种信息素挥发系数的随机自适应调节方法,在确保收敛速度的同时使算法具有全局寻优,解决了基本蚁群算法容易过早陷入局部最优缺点;在此基础上,引入蚂蚁子群间多约束条件下的协同进化策略,解决了多批次协同三维航迹规划。仿真结果表明:改进的蚁群算法在运算效率和收敛性上明显优于基本蚁群算法,多批次协同航迹规划能有效提高无人机的作战效能。

自适应遗传算法在电器产品优化设计中的研究

传统的基于人工神经网络的电器产品优化方法,在对电器产品优化设计后花费的材料成本仍然较高,因此设计一种基于自适应遗传算法的电器产品优化方法。首先,依据电器产品设计基本性能需求,建立电器产品优化目标函数,包括电器产品材料成本和最小变电损耗;然后,引入一个新的函数作为种群是否早熟的判断依据,以降低计算时间,在此基础上对电器产品优化点编码;最后,利用自适应遗传算法实现电器产品优化设计。通过实验对比结果可知,此次设计的基于自适应遗传算法的电器产品优化方法比传统方法的电器产品设计成本低,证明了此次设计方法的有效性。

一种改进的GSA盲均衡算法

在研究盲均衡算法时把非均匀量化中的压扩思想引入盲均衡算法的控制误差函数中，在ＧＳＡ算法的基础上提出一种改进算法——ＮＧＳＡ算法，并对ＮＧＳＡ算法中参数的选取进行了讨论，同时给出几种算法的模拟结果，并加以比较，证明这一算法是可行和有效的。

基于动量衰减哈密顿算法的波束形成技术研究

智能天线的非线性优化问题中求解代价函数最佳解的算法主要有基于梯度的算法(GBA)和随机搜索算法(RA).GBA算法收敛速度快,但有时会陷入一个局部最小值;RA算法不会陷入局部最小值,但收敛速度慢.研究及仿真结果表明,将哈密顿算法应用到该问题的求解中,能较好地解决GBA和RA存在的冲突问题,采用哈密顿算法的电控寄生天线,能够更灵活地使主波束对准期望用户波达方向,并在干扰方向形成更深的零陷.

一种基于自适应代价约束凸函数的盲均衡算法

给出了一种针对正交幅度调制信号的盲均衡算法,该算法基于凸代价函数,在均衡器参数线性约束条件下具有全局最优解,新算法在性能保持不变的前提下具有较少的未知变量及约束方程,复杂度降低。为克服算法在恒定约束条件下可能存在均衡收敛速度慢,甚至不收敛的问题,给出了一种基于自适应代价约束的盲均衡算法,该算法只需更少信号样点,经过多次迭代即可达到更好的收敛性能。仿真实验验证了新算法的性能。

基于小波系数相关性的图像自适应空域隐写术

定义图像中像素的嵌入失真是图像自适应隐写中的关键。为提高图像自适应隐写的安全性,根据最小化嵌入失真原则,提出了一种基于小波系数相关性的图像自适应空域隐写术。首先以一维高通、低通滤波器为工具构造方向滤波器;然后沿水平、垂直、对角线方向对图像进行方向滤波,并根据小波系数与其邻域系数的相关性对失真函数进行设计;最后根据像素的嵌入失真值,利用网格码(STC)对秘密信息进行嵌入。实验结果表明,该隐写术能够将嵌入区域集中在内容复杂的纹理区域,且能够有效抵抗通用隐写检测算法的分析。