扩展Infomax算法的收敛性分析

扩展Infomax算法是在传统Infomax算法基础上发展起来的一种较为实用的盲源分离算法。该算法采用非线性模型的动态切换技术,实现了对超高斯源和亚高斯源的同步分离。该文结合模型切换矩阵系数和迭代误差在盲源分离过程中的变化,直观地展示了扩展Infomax算法的收敛过程。文中还探讨了高斯随机噪声和随机脉冲干扰对算法收敛性能的影响。所得结论对于扩展Infomax算法的实际应用有一定的指导意义。

基于分块扩展Infomax算法的胎儿心电分离

背景:胎儿心电是围产期对胎儿发育状况监测的重要参数,准确将胎儿心电从母体心电中分离出来是目前研究的重点。目的:采用分块扩展Infomax算法能够快速、有效的将胎儿心电分离出来。方法:利用分块扩展Infomax算法结合四阶统计去相关学习规则,使信号加权协方差阵的非对角元素最小化,改善算法收敛速度。结果与结论:扩展Infomax能实现超高斯和亚高斯信号的同时分离,文章提出的算法在收敛速度上要快于扩展Infomax的收敛速度。扩展Infomax算法能对胎儿心电实现有效的提取,由于分块扩展Infomax算法每次处理的数据量远少于扩展Infomax算法处理的数据量,且分块Infomax算法的迭代次数也远小于扩展Infomax的迭代次数,从而实现了胎儿心电的快速分离。

基于扩展Infomax算法的变步长在线盲分离

由于扩展的Infomax算法需要一定的样本长度来估计信号的峭度,所以常采用离线批处理的方式,但这种方法不能处理混合矩阵发生变化的情况。通过判断系统混合矩阵是否改变,改进了在线估计峭度的模型,同时为解决在线算法中收敛速度和稳态误差的矛盾,提出了一种新的步长更新算法,该算法根据信号的分离状态与峭度曲线收敛程度的关系,采用峭度方差为参数来控制步长的变化,使得步长的选择与分离状态相结合,减小了稳态误差,仿真结果证实了该算法的有效性。

面向学位/学历证书可信管理的可扩展类PBFT算法

现有的学位/学历证书可信管理存在节点扩展的优化策略不足、未考虑节点差异性和吞吐量低等问题,“区块链+教育”为学位/学历证书的可信管理提供了一种解决方案。针对上述问题,提出一种面向学位/学历证书可信管理的可扩展类PBFT算法z-PBFT。该算法采用基于区域分组的分层设计,算法模型分为主区域和副区域节点簇,副区域内部采用局部共识机制;通过基于TOPSIS建模和熵值赋权法的加权随机选取分派策略评估节点性能,并选取共识委员节点集。实验结果表明,在大规模节点应用场景下,该算法在确保安全性的同时,具有更高的吞吐量和可扩展性。

扩展卡尔曼滤波的改进蛇定位算法在WSN中的应用

针对接收信号强度指示(Received Signal Strength Index,RSSI)定位易受到环境因素的影响,提出了一种基于RSSI扩展卡尔曼滤波的改进蛇定位算法(RSSI Extended Kalman Filter-based Improved Snake Optimization Localization Algorithm,RSSI-EISL)。该算法利用扩展卡尔曼滤波(Extended Kalman Filter,EKF)模型对RSSI信号值进行平滑处理,使其能够抑制噪声和异常值对估计结果的影响,从而提高测距的准确性和鲁棒性。通过引入Levy飞行和非线性收敛因子的改进蛇优化算法(Improved Snake Optimization Algorithm,ISO),提升了蛇优化算法(Snake Optimization Algorithm,SO)的寻优能力,使之能够更加准确地计算出待测节点的坐标。根据仿真结果显示,相较于基于RSSI最小二乘定位算法(RSSI Ordinary Least Squares Localization Algorithm,ROL)、基于RSSI EKF的灰狼定位算法(RSSI Extended Kalman Filter-based Grey Wolf Optimization Algorithm,REGL)和基于RSSI EKF的蛇定位算法(RSSI EKF-based Snake Optimization Localization Algorithm,RESL),RSSI-EISL的定位精度分别提高了26.4%、8.75%和5.6%,算法的收敛速度和全局搜索能力也有所提升。

基于RISC-V指令扩展方式的国密算法SM2、SM3和SM4的高效实现

基于指令扩展的密码算法实现是兼顾性能和面积的轻量级实现方式,特别适用于日益普及的物联网设备.SM2、SM3和SM4等国密算法有利于提高自主可控设备的安全性,但针对这些算法进行指令扩展的相关研究还不够充分.RISC-V由于其开源、简洁及可扩展等优点已成为业界最流行的指令集架构之一,本文主要基于国产开源RISC-V处理器对国密算法SM2、SM3和SM4进行指令扩展和高效实现.本文基于软硬件协同的理念提出总体指令的扩展方案.对相关密码算法进行深入分析和方案对比,分别设计了硬件单元,提出高效的实现方式.设计实现的协处理器具有2级流水线结构,顺序派遣、乱序执行和顺序写回的指令执行模式,以及独立内存访问单元和大位宽寄存器.协处理器统一接管了密码算法的部分控制逻辑,降低硬件资源消耗.实验结果表明,本文设计的密码协处理器硬件结构精简,资源利用率高.SM2、SM3和SM4算法占用资源少,但执行速率相比纯硬件有一定程度下降,资源面积和花费时间的乘积与其他相关文献相比有不同程度的优势.

基于毫米波雷达的运动目标点云聚类和扩展算法

用毫米波雷达对运动目标进行姿态识别时,雷达点云数据具有噪点多、分布离散的特征,传统基于密度空间的聚类算法对点云聚类成像的过程中,会出现邻近目标之间的点云分类错误及同一目标点簇聚类为多个点簇等问题。针对上述情况,提出一种运动多目标邻近点云优化聚类算法,利用自适应距离加权的模糊c均值算法对聚类结果进行修正,提高近邻目标点云聚类准确度。同时提出一种目标点簇扩展聚合算法,利用卡尔曼滤波对运动目标位置预测,将多帧迭代三维点云尺寸作为波门对目标点云进行点簇扩展,提高目标点云完整性。试验结果表明,所提方法能有效提高聚类准确度。

基于分数阶扩展滑模扰动观测器的PMSM无模型控制算法研究

针对永磁同步电机调速控制系统突加负载时导致转速波动较大的问题,提出了一种基于分数阶扩展滑模扰动观测器(FOESMDO)的转速环新型无模型控制方案。新算法为了改善调速系统的动、静态性能,建立了不含电机参数的永磁同步电机新型超局部模型,以此为研究对象,借助快速终端滑模控制和改进型滑模切换函数设计新型无模型滑模控制器;同时为了提高扰动估计的准确性及减小滑模控制存在的抖振现象,改进算法采用分数阶扩展滑模扰动观测器进行超局部结构中未知部分的在线估计;最后,将所提出的基于FOESMDO的新型切换函数快速终端滑模控制方法同传统方法进行仿真对比,验证了新型无模型控制算法(FOESMDO-ISFFTSMC)在提高调速系统的响应速度和抗干扰能力方面的优异性能。

扩展帝国竞争算法求解分布式不相关并行机车间调度问题

针对考虑加工约束的分布式不相关并行机车间调度问题,以总运输成本、工厂间并行机齐停评价函数和工件种类平均切换次数均衡评价函数为优化目标,提出一种扩展帝国竞争算法进行求解。该算法在原始帝国竞争算法的基础上,增加了适于工厂分配的初始化工厂-工件序列群;根据传统帝国竞争算法容易陷入局部最优的缺点,将较劣序列同化分为了外部同化机制和内部同化机制,采用局部和全局相结合的搜索方式实现扩展帝国竞争算法的智能搜索行为;采用部分匹配交叉和单点变异更新工厂-工件序列群,保证工厂-工件序列的多样性。最后设计3个不同规模12个算例,通过仿真实验验证所提算法的有效性,同时对比相关领域研究成果验证了该算法在求解分布式多目标不相关并行机调度问题方面的优越性。

基于分组改进密钥扩展算法的医院信息系统实现

当前,医院信息系统加密大多使用传统高级加密标准算法(AES算法),存在安全稳定性差、计算工作量大、敏感数据无法得到有效管理等问题,亟需改进。本文基于分组改进密钥扩展算法对传统AES算法进行改进,通过最佳仿射变换和乘法逆运算,提高S盒的抗攻击性,并通过算法平行化,提高数据的加解密效率。实验分析表明,基于分组改进密钥扩展算法能够使医院信息加密系统加密的运行效率得到改善,运行效率得到提升,安全性能增加。

麻雀搜索算法-粒子群算法与快速扩展随机树算法协同优化的智能车辆路径规划

针对智能汽车在面对多样化工作场景时其路径规划算法存在响应时间长、规划效率低的问题,提出了多元协同优化策略。首先,融合麻雀搜索算法(SSA)的警惕机制与粒子群算法(PSO)的种群寻优特性,对PSO算法中的惯性权重因子和学习因子进行优化;其次,提出“三角布线”搜索规则,对快速扩展随机树算法(RRT)进行双向优化(RRT-Connect);然后,基于MATLAB软件建立了复杂环境道路仿真模型,对上述优化方案进行了仿真验证。结果表明,相较于单一的优化方案,协同优化算法在路径长度与规划时间上均具有显著的优势。对两种协同优化方案的应用场景进行了实车试验,结果显示:在局部路径规划中,SSA-PSO算法响应时间更短,规划效率更高,而在全局路径规划中,“三角布线”RRT-Connect算法更具优势。

基于智能算法的配电网负荷预测和扩展规划研究

本研究的关键目标是基于智能算法的配电网负荷预测和扩展规划,旨在优化电力系统的性能和可持续性。我们通过深入分析历史数据、应用先进智能算法,成功实现高精度的负荷预测,从而为电力系统提供了更稳定可靠的运行基础。我们提出了切实可行的扩展规划策略,以满足未来电力需求的不断增长,为电力行业的可持续发展提供了关键支持。这一研究有望在提高能源效率、降低成本、减少碳排放等方面取得重要成果,为电力领域的进步贡献力量。

基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法(Dynamic extended neighbourhoods ant colony optimization,DENACO)。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。

基于时间扩展图的旅客联程运输路径规划算法研究

为发挥旅客联程运输优势,为旅客提供符合旅客出行偏好的方案检索需求,提出基于时间扩展图模式的差异化旅客联程运输网络构建方法以及分层规划策略结合的路径规划算法。首先根据各交通工具运行计划数据以时间扩展图的模式构建原始运输网络,根据站点相对位置、接驳换乘条件、衔接交通工具类型建立差异化的换乘路径,最终形成联程运输网络。其次设计分层路径规划策略,将网络划分为跨城网络与本地网络2层,提出“预处理、路径规划、后处理”3步路径规划算法,满足用户不同的检索需求。通过提取2023年5月5日全国铁路列车、飞机及部分城市地铁数据进行算例分析,研究所提方法具有支持模糊搜索、支持站间换乘、充分考虑时刻表衔接约束的优点,有较高的运算效率,生成的路径合理且可以满足个性化出行规划需求。

基于免疫萤火虫算法的低碳主动配电网扩展规划模型

以提升碳削减量、降低大电网的碳排放量为前提,同时保证配电网的稳定运行和电能供应,为此研究基于免疫萤火虫算法的低碳主动配电网扩展规划模型。以碳排放量和经济总代价最小为依据,构建主动配电网扩展规划的目标函数,并设定网络中节点有功和无功2种功率的平衡和电压、线路电流、分布式电源容量的约束条件;基于免疫萤火虫算法,优化求解构建的目标函数,获取最优低碳主动配电网扩展规划结果。测试结果显示:迭代次数达到120次以后,模型即可完成收敛求解;生成扩展规划后的配电网各个线路和节点结构,规划后配电网中各个节点电压最大波动值为12.4%,碳排放量的最大值为1.77×10^(6) t,碳削减量的最高比例为27.6%,配电网网损最大值为66.4 kW,同时可保证配电网良好的自治性,且应用性良好。

多聚焦图像焦深扩展分解融合算法仿真

多聚焦图像在融合过程中,若源图像分辨率过低会直接影响图像的融合效果。为提升图像融合效果,提出基于焦深扩展的多聚焦图像融合算法。采用焦深扩展方法对光学系统实施优化,通过优化后的光学系统生成聚焦图像,并对获取的聚焦图像中的退化图像实施修复处理,提升源聚焦图像质量;使用双三次插值的单帧超分辨率法对图像实施分解处理,获取源聚焦图像的高分辨率图像,结合滤波处理算法,获取聚焦图像的细节系数;利用逆小波变换方法对图像细节系数,依据计算结果实现多聚焦图像融合。实验结果表明,使用上述方法开展图像融合时,融合效果较好,图像融合质量较高。

分数阶扩展卡尔曼滤波算法的锂电池SOC估算

由于锂离子电池的SOC(state of charge)不能直接被测得,目前只能通过电池外部输出特性对其进行估算。以磷酸铁锂电池为研究对象,考虑到电池各种复杂的非线性特征,分析了电池的电化学阻抗特性,采用恒相位元件(CPE)对传统的等效电路模型进行改进,建立了分数阶(fractional order)等效电路模型;联合遗传算法和混合脉冲动力试验对分数阶等效电路模型的参数进行离线识别;基于扩展卡尔曼滤波算法,建立了分数阶扩展卡尔曼滤波算法(fractional order extended Kalman Filter)的锂电池SOC估算模型;根据动态应力试验DST(dynamic stress test)工况设计制定了锂电池充放电方案,在环境温度25℃条件下,实时采集电池电流及电压数据,将采集所得数据输入到Matlab建立的模型中,对目标电池进行SOC估算。仿真结果表明:与二阶戴维南电路模型SOC仿真结果相比,基于FEKF算法的SOC估算结果具有更高的精度且波动性更小,误差均小于0.72%,均方根误差仅为0.24%。

基于分块自适应的在线Infomax及其扩展算法

自适应在线Infomax及其扩展算法适用于非平稳环境下的信号分离,具有广泛应用。本文结合批处理分离算法和自适应在线分离算法的优点,提出了分块自适应在线分离算法。并详细推导了基于在线Infomax及其扩展算法的分块自适应更新公式。在此基础上,还推导了一种基于峭度方差调整步长的分块在线变步长公式。仿真结果表明,新算法具有在线算法适用于非平稳环境的优点,在与传统自适应在线算法分离效果相当的条件下,运算量大大降低,数据处理时间大大减少。

位姿约束下的双向扩展机械臂路径规划方法

针对机械臂路径规划方法存在的规划效率低、连杆通过性差、路径粗糙等问题,以渐进最优快速随机搜索树RRT*为基础,提出一种位姿约束下的双向扩展机械臂路径规划方法(PCO-BT-RRT*)。首先,设计目标偏置引导的双向扩展RRT*算法(BT-RRT*),改进了RRT*算法的初始化过程,将起始点和目标点分别作为两棵随机树的初始节点,并通过目标偏置策略引导其以一定概率相向生长,加快探索未知区域,在保证路径代价较低的同时提升路径生成速度。其次,提出一种位姿约束路径优化策略(PCO),采用机械臂运动学模型和碰撞检测规则共同约束新节点扩展过程,寻找机械臂可达空间内的避障路径;对生成路径剪枝剔冗,缩短可行路径长度,同时对消冗节点以迭代调整的方式进行平滑优化,提高路径生成质量。通过仿真实验分析,验证了所提方法在路径规划问题上的显著性成效;在自主研发的BIM信息融合下建筑砌筑系统进行真机避障测试,验证了该方法的实用性。

基于观测方程重构滤波算法的锂离子电池荷电状态估计

滤波算法中观测方程的准确性在电池状态评估中起着决定性作用。然而,该文通过试验发现,由于温度、工作电流和荷电状态(SOC)的影响,即使使用精度较高的电池模型,扩展卡尔曼滤波(EKF)算法中观测方程的输出值与实际电压之间仍会存在较大误差,即产生了较大的新息。该文提出一种基于观测方程重组的增强型扩展卡尔曼滤波(E-EKF)算法。该算法的核心思想是利用具有温度、SOC和电流自适应能力的误差修正策略对观测方程进行重组,实现算法中新息的降低,进而提高SOC估计的准确性。使用两种不同温度下的典型工况试验对E-EKF算法的性能进行了验证。试验结果表明,该算法能够适应不同的温度和工况,并具有较高的SOC估计精度。