一类线性互补问题的最小元算法

本文对M∈Z时的线性互补问题提出一种新的算法——最小元算法.此算法比现行的R.Chandrasekaran算法和化这类问题成线性规划问题的方法具有更广的适用范围,而且对于退化情形仍然有效.

四元数复数形式的最小均方算法

目前,作为多维信号处理的一个重要工具,四元数代数理论已在各种领域有所应用,并取得了良好的效果。基于四元数的复数形式,本文提出了四元数复数形式的最小均方(LMS-QC)自适应滤波算法。首先推导了LMS-QC自适应滤波算法,并且对其性能进行了分析,给出了步长的选择范围。进一步针对某一机载简化矢量传感器阵列,给出了归一化LMS-QC波束形成算法。此算法克服了四元数实数形式的最小均方(QLMS)自适应滤波算法的局限性,更适合复信号的多维处理,并且加权矢量每次迭代的计算量仅为QLMS算法的一半。计算机仿真结果表明LMS-QC算法是收敛的。稳态时估计均方误差达到了最小值,权矢量的模值和输出信干噪比也接近最优值。在主要区间内,LMS-QC算法的性能优于QLMS算法。

四元数最小均方误差算法及其在波束形成中的应用

作为多维信号处理的一个重要工具,四元数代数已在各个领域有所应用。对四元数最小均方误差(QMMSE)算法进行了研究,首先推导了四元数实数形式的最小均方误差(QRMMSE)算法,进一步推导了四元数复数形式的最小均方误差(QCMMSE)算法,并且分析了两种算法的区别和计算量。最后将QMMSE算法应用到机载简化矢量传感器阵列的波束形成中,与复数长矢量最小均方误差(LVMMSE)算法相比较,QCMMSE算法的性能有所提高,计算量有所减少。计算机仿真结果验证了所提算法的有效性。

小样本目标识别问题下的BN参数学习

目标识别问题中存在大量不确定信息,利用BN可以对不确定信息及其相互关系进行学习与推理。但是,目标识别问题的样本量较小,在参数学习过程中,常因观测数据不足产生误差,需要引入单调性信息等专家经验,针对这一问题,提出最小元算法。首先,利用最小元表达单调性信息,将其转化为参数学习可以直接利用的先验信息;然后,基于保序回归思想,对参数学习结果进行优化,消除误差,得到相对准确的网络参数。以空中目标识别为仿真背景,与最小子集算法比较,验证了该算法在准确度与复杂度等方面的优势。

含风电场的互联电力系统辨识与广域时滞阻尼控制器设计

针对大规模风电的远距离输送以及大区域电网互联将面临的区域低频振荡问题,提出一种适用于风电场并网背景下的广域阻尼控制器设计方法。该方法利用增益调度思想将风电场平均风速划分为若干个控制区域,并逐一对每个控制区域进行系统辨识以及阻尼控制器设计,以解决风电场出力的不确定性造成的控制器失效的问题。提出了改进自回归滑动平均(ARMA)方法和自由权矩阵方法分别完成上述系统辨识以及控制器设计过程。含风电场的EPRI-8机36节点测试系统仿真表明:所提辨识方法克服了传统ARMA方法辨识精度不高的问题,所提控制器设计方法允许的时滞裕度优于传统线性矩阵不等式方法。所提的增益调度控制方法能满足风电场出力变化的实际情况,具有较高的实用价值。