设计稳定约束最小二乘无限冲击响应滤波器的序列最小化方法

无限冲击响应(infinite impulse response,IIR)数字滤波器不具有内禀稳定性,因此在其实际设计中要施加稳定性约束.稳定三角形条件是一种充分必要且线性的稳定性约束条件,为了充分利用该条件,本文使用基于二阶因子迭代更新的序列最小化技术将IIR滤波器的约束最小二乘设计问题转化为一系列的约束最小二乘子问题,在每一个子问题中,有且只有一个二阶分母因子连同整个分子被优化,其他的二阶分母因子保持不变.设计实例表明此方法能比现有方法得到性能更好的滤波器.

一种基于非均匀惩罚因子的序列无约束最优化外点新算法

增广拉格朗日乘子方法(Augmented Lagrange multiplier method)是拉格朗日乘子方法(Lagrange multiplier method)的推广,它是一种序列无约束的最小化技术,包括内点法和外点法,内点法适用于仅有不等式约束的情形,其主要思想是对违背可行性的约束给予一个惩罚。传统的做法是:对所有约束以相同的罚因子,自适应调整Lagrange乘子。提出了一种非均匀惩罚的自适应更新罚因子的方法,即根据近似解对约束违反的严重程度施行不同惩罚的新方法。算例表明,本方法是有效的。

基于GN的IIR滤波器设计序列最小化方法

无限冲击响应数字滤波器不具有内禀稳定性,因此在其设计中要考虑稳定性问题。无限冲击响应滤波器的一种充分必要稳定条件就是稳定三角形条件。为了充分利用三角形稳定条件的充分必要性和线性性质,该文针对无限冲击响应滤波器的最大误差最小化设计问题,提出将序列最小化技术与高斯牛顿策略相结合的方法,把原问题转化成一系列的二阶锥规划子问题进行求解。仿真实例说明了此方法的有效性。

一种偏振定标单元方位角误差的约束非线性最小化优化定标方法

偏振定标单元(Polarization Calibration Unit,PCU)对于定标由偏振系统和天文望远镜产生的仪器偏振至关重要,然而偏振定标单元中偏振元件光轴的方位角误差是限制定标精度的主要因素之一.为解决该问题,提出了一种基于约束非线性最小化优化的方位角误差定标方法,该方法具有定标精度高、定标速度快的优点.首先将偏振定标单元中的线性偏振片和四分之一波片的光轴方位角误差设置为两个待优化的自由变量,然后利用产生和测量的Stokes参数以及偏振定标获得的响应矩阵定义优化目标函数,最终使用约束非线性最小化优化方法来确定两个偏振元件的方位角误差.分别从理论模拟和实际测量两个方面对优化方法进行了验证,实验结果表明,该优化方法能够成功获得上述两个方位角误差,精度分别优于2.79′和2.72′.此外,从理论上计算分析了不同方位角误差对各Stokes分量的影响情况.该优化方法有望应用到我国太阳望远镜中偏振定标装置的误差定标及研制之中.

一种基于最小搜索圆平面多边形域约束Delaunay三角剖分算法

给出一种新的基于边优先的二维多边形域任意散乱数据的约束Delaunay三角剖分算法.算法结合网格分块技术,提出基于最小搜索圆的点搜索思想,并证明了该思想的正确性,有效地提高了搜索"第三点"的速度.算法中散乱数据可以是任意复杂的折线、封闭多边形环及离散点.另外,在三角剖分过程中,实时地去掉封闭点和封闭边,极大地加快了构网速度,实现了平面多边形域散乱数据的快速约束Delaunay三角化.

基于相对形变模型及正则化技术的人体运动估计

为了使根据人体行走的单目动态图象序列 ,对人体手臂及腿部的运动及结构参数进行估计的结果更为可信、更具鲁棒性 ,提出了一种基于相对形变模型及正则化技术的人体运动估计方法 .该方法首先在物体中心坐标的运动表示方式下 ,通过在刚体运动模型中加入形变系数的方法给出了基于相对形变概念的非刚体运动模型 ;然后 ,根据这一非刚体运动模型进行正则化运动及结构参数的估计 ,再以正则化的形式融入人体运动的先验知识 ,使运动估计的结果更具鲁棒性 .实验结果证明 ,该方法有效地反映了人体的非刚体运动模式 。

用MATLAB实现平台搬运车升降机构的优化

针对机械的最小传动角不能反映机构的总体传力性能的缺点,提出只要找出机构工作行程中的最佳传力效率系数,并尽量使设计的机构紧凑,才具有重要的实用意义。通过建立该类问题的目标函数和约束条件,并以MATLAB语言为工作平台,充分利用其强大的计算图形功能及可视化编程技术,编制程序对平台搬运车升降机构进行最优化设计。

非线形互补问题的障碍函数法

将非线形互补问题转化为约束的优化问题,在已经的利用内点障碍函数方法求解约束优化问题的基础上,提出了利用障碍函数方法求解非线形互补问题的采用序列无约束最小化方法(SUMT)的算法,并利用障碍函数的单调性证明了算法的全局收敛性.最后得出的数值试验表明了算法具有良好的适宜性和强收敛性.

蛋白质二级结构预测的支持向量机模型研究

蛋白质序列种类繁多 ,形态、结构和功能极其丰富多样 ,而已知三维结构的蛋白质数量却非常有限。为了能够利用有限的已知结构模拟和预测未知蛋白的结构 ,小样本统计学技术非常重要。本文主要探讨统计学习理论应用于蛋白质二级结构预测的模型 ,说明支持向量机 (SVMs)进行蛋白质二级结构模式识别的主要步骤 ,讨论利用 SVMs预测蛋白质二级结构优化过程中样本空间的确定方法 ,研究氨基酸序列向量化途径以及分析如何选择映射输入空间到特征空间的核函数等问题。

面向原料均衡供应的SUMT番茄种植决策方法

为解决番茄酱产季番茄原料供应不均衡问题,从番茄种植的视角,构建了番茄种植的非线性数学决策模型,提出采用SUMT(序列无约束极小化技术),对番茄产量和采收期时延变量作用下的种植策略进行研究.结果表明,SUMT在番茄的规模种植下可实现精量化决策;番茄采收期时延是影响原料均衡供应的主要因素之一,采用SUMT获得不同采收期时延下的最佳番茄种植决策.该研究建立了目标优化模型,探索了SUMT在番茄种植规划中的应用,对番茄种植决策、实现原料均衡供应有指导意义.