可重构智能表面中的低复杂度毫米波信道追踪算法

针对可重构智能表面(RIS)中的毫米波通信系统,用户至RIS端信道角度参数的缓慢变化,该文提出一种基于牛顿算法的低复杂度信道追踪方案。该方案将RIS部分元件连接射频(RF)链,首先使用2维快速傅里叶变换(2D-FFT)算法初始化估计角度,并且使用最大似然算法估计路径增益。在后续时隙中,使用牛顿算法追踪每个时隙的角度参数。由于环境突然变化和终端缓慢变化会导致信道矩阵发生突变,若检测到信道突变,则再次初始化参数,否则使用牛顿算法继续追踪角度参数。仿真结果表明,该方案在具有优良性能的前提下复杂度可以达到最低,极大节约算力资源,在计算复杂度和性能之间可以取得很好的平衡。

基于随机支撑挑选的广义正交匹配追踪算法

针对广义正交匹配追踪(GOMP)算法复杂度高、重构时间长的问题,提出了一种基于随机支撑挑选的GOMP(StoGOMP)算法。首先引入随机支撑挑选的策略,在每次迭代中随机生成一个概率值。然后通过比较此概率值与预设概率值的大小来决定候选支撑集的挑选方式:若此概率值小于预设概率值,则采用匹配计算方式;否则,采用随机选择方式。最后根据得到的候选支撑来更新残差。这种方式充分考虑了算法单次迭代复杂度和迭代次数之间的平衡,减少了算法的计算量。一维随机信号重构实验结果表明,在预设概率值为0.5、稀疏度为20时,StoGOMP算法相较GOMP算法达到100%重构成功率所需的采样数减少了9.5%。实际图像重构实验结果表明,所提出的算法具有与GOMP算法相当的重构精度,且在采样率为0.5时,所提算法的重构时间相较于原算法减少了27%以上,这说明StoGOMP算法能够有效减少信号的重构时间。

求解P_*(k)线性互补问题的不可行路径追踪算法

提出了一种求解P*(k)线性互补问题的不可行路径追踪内点新的算法,此算法可以取任意正的初始点,并证明了算法的代数复杂度;最后通过数值试验说明了算法的有效性和稳定性.

基于CP结合DE-GWO-SVR的海上风电基础结构损伤识别

结构仅输出的振动信号往往是各种源信号通过复杂规律形成的混合信号,对结构损伤特征提取与数据挖掘造成了很大困难。对此,提出了一种基于盲源分离(BSS)理论的复杂度追踪(CP)算法结合差分进化(DE)改进灰狼(GWO)算法优化的支持向量机(SVR)用于解决复杂结构的模态与损伤识别;CP算法基于信号预测性函数通过使分离信号的时间预测性度量最大化找到其线性混合矩阵,使分离分量具有最小复杂度并据此估计源信号。利用CP算法对结构响应信号进性分离得到信号分布向量(SDV)与分离源信号,通过定义差值曲率分布向量可以对结构损伤位置进行准确定位;对于损伤程度的识别,提出了一种DE改进的GWO对SVR进行优化的算法,即在GWO算法迭代过程中利用差分进化思想引入动态缩放因子以及交叉概率因子提高搜索和收敛速度,扩大种群所搜范围;利用不同工况下CP算法提取的差值曲率分布向量对结构损伤程度进行识别。通过对海上风电基础结构数值模型的分析,结果表明:CP算法对于高阶模态参数识别较fastICA表现出较强的适应性与优越性;同时,DE-GWO能够提高收敛速度,通过SVR算法对损伤的识别结果相比于BP神经网络更加准确。

通过CWLS-DL优化St-OMP算法的盲信号重构

针对稀疏成分分析理论的"两步法"中的源信号重构算法改进,提出一种由相关性加权最小二乘字典学习法与分段正交匹配追踪算法组合的算法,能够解决带权重信号误差的F-范数最小化问题,并通过增加单次迭代的原子数改变算法复杂度。将此组合算法用于语音信号的盲源分离仿真实验,完成源信号重构。实验结果表明,用该组合算法重构的信号,能在保证提高重构精度的同时,与算法复杂度存在良好的折中。无噪声环境下该组合算法的性能为最佳,有噪声环境下可达到信号重构要求的最小信噪比约为17～18 dB。

基于改进ACFOA的图像一维OMP稀疏分解

针对二维图像稀疏分解运算复杂度高的问题,提出一种基于改进自适应混沌果蝇优化算法的图像一维正交匹配追踪OMP(Orthogonal Matching Pursuit)稀疏分解方法。算法首先将图像从二维空间转换到一维空间,然后对自适应混沌果蝇优化算法ACFOA(Adaptive Chaos Fruit Fly Optimisation Algorithm)的味道浓度判定值和混沌映射函数进行了改进,提高了算法的全局寻优性能,最后将改进后的ACFOA算法应用到图像一维OMP分解之中。实验结果表明,在相同实验条件下,图像一维OMP稀疏分解的速度是二维分解的1.12倍。

OMP信号稀疏分解的改进ACFOA实现

稀疏分解能用少数原子表示原始信号,但运算复杂是阻碍其实际应用的一个重要原因。果蝇优化算法(FOA)能有效地提高稀疏分解中原子的搜索效率,但其易于陷入局部最优。自适应混沌果蝇优化算法(ACFOA)能够针对局部最优进行混沌操作,提高全局寻优性能。正交匹配追踪(OMP)通过对已选原子的正交化,能够增加稀疏分解的收敛速度,但计算复杂度却有所增加。因此,利用智能算法的并行性,将ACFOA应用于OMP,并对其味道浓度判定值和混沌映射函数进行改进,以降低整个算法的复杂度,提升最优原子的搜索性能。实验结果表明,相比于其他几种算法,改进的ACFOA-OMP算法重建信号均方误差是最佳的。