用最陡下降法修正RBF隐层参数

在用传统聚类方法得到初步的RBF隐节点参数之后,提出再用最陡下降法进行误差反传学习,进一步校正隐节点参数。仿真实验证明该方法可以使RBF网络的函数逼近能力明显增强。

Lipkin模型下最陡下降法的理论计算

书由Cioslowski提出和被文根旺推广了的最陡下降法用于Lipkin可解模型,计算结果表明,用该方法对基态的近似计算可以达到任意精度,在相互作用较强的情况下,随着激发态能量的升高,所得激发态结果的精度将逐渐降低。该方法原则上不受相互作用强度的限制,在微扰论不适用的强相互作用下亦可得到满意的结果。该方法确实可望成为一种实用的量子力学计算方案。

自适应滤波器的一种新LMS算法——改进的最陡下降法

分析了自适应滤波器最常用的一种LMS算法——最陡下降法,指出该法仅是局部最优,而非全域最优。然后提出了一种新的LMS算法——改进的最陡下降法,该算法正是求最佳权矢量的一个简单而有效的算法。

基于最陡下降法的森林路径损耗模型研究

为了给森林中基站建设提供参考,文章建立了森林中电波传播路径损耗的数学模型。运用有效并矢介电常数将总的散射体用等效连续介质替代,然后利用赫兹矢量位函数和最陡下降法,解出了当电波经过森林到达接收点的场强表达式,求出了电波经过森林后的衰减量。研究结果表明,当发射机和接收机之间的水平距离增加到一定量时,侧面波在总场中占主导地位,而在这之前透射波和多次反射波在总场中占主导地位。文章给出了不同工作频率和不同水平距离情况下的传输损耗的计算结果。

用最陡下降法计算低温超导电子比热

用最陡下降法求出了T《T_C条件下超导态广势函数,然后利用此广势函数计算低温下超导态的熵和电子比热。结果表明,最陡下降法是一种较好的近似,能够给出同样精度的结论,且计算过程也很简单。

基于最陡下降的最优稳健宽带波束形成算法

针对导向矢量失配问题,提出一种基于最陡下降法的最优宽带稳健波束形成算法。该算法基于宽带波束形成的时域模型,根据多频点约束下导向矢量的不确定范围,利用最陡下降法求解最优角加载量,并推导出真实的导向矢量。同时将真实导向矢量和角加载协方差矩阵相结合,求解最优加权值。仿真结果验证了该算法的稳健性。

PN序列分布的空子载波OFDM频偏估计算法研究

频偏同步是正交频分复用系统中的一项关键技术。论文提出了一种通过计算PN序列分布的空子载波功率值进行频偏估计的方法,克服了在传统空子载波法中,受信道频域响应的零点影响所导致的频偏估计错误。该方法利用了PN序列良好的相关性,整数倍频偏部分采取子载波位置序列互相关计算,小数倍频偏采用最陡下降法迭代计算。所计算的代价函数不会产生多个最小值,同时不会在全频域内搜索,大幅降低了运算量。仿真实验表明:与基于循环前缀的最大似然估计相比,提高了同步精度和频偏估计范围,验证了所提方法的有效性。

基于块自适应滤波的核最小均方算法

核最小均方(KLMS)算法在非线性系统中收敛性能较好,但其使用瞬时梯度估计均方误差梯度,导致随机性较大。而块自适应滤波理论利用多个输入-输出的误差来估计均方误差梯度,可降低KLMS算法稳态误差。为此,将块自适应滤波理论运用到KLMS算法中,提出核块最小均方(KBLMS)算法,根据最陡下降法原理推导出KBLM S权矢量更新公式,使用核方法计算得到滤波器输出表达式,并通过并行处理减小算法计算复杂度。仿真结果表明,KBLMS算法可有效提高KLMS算法的稳态性能,并且相比块最小均方算法具有更低的误码率。

用共轭梯度法解决最优化问题

共轭梯度法是解决最优化问题的一种有效算法,它兼取最陡下降法和牛顿法的优点同时克服了它们所具有的缺点.本文就其原理和用法作以论述.

LMS算法的最佳计算步长研究

LMS算法在线性滤波中得到广泛应用。人们对其进行了许多研究 ,给出了算法收敛的充分条件和对于固定计算步长的误差上下限算法。但以往对计算步长的定量研究尚很不充分。由于LMS算法中权向量输入数据的统计特性 ,迭代计算中应突出使用较近的历史数据。另外 ,由于LMS算法是噪声梯度法 ,须使其计算步长逐渐缩小 ,以保证LMS算法的稳态均方差趋向于系统的最小均方差。据此 ,提出了一种估计最佳计算步长的新方法。新方法中将LMS算法中的各步权增量向量旋转后放至同一平面 ,在此基础上利用凸函数外推法求出计算步长的当前最佳估计值。这样 ,能使LMS算法的偏差较快地趋向于零。该法被用于汽车语言信号噪声消抵的计算机模拟 。

一种基于预解扩的判决反馈最小二乘恒模波束形成算法

提出了一种基于预解扩的判决反馈最小二乘恒模波束形成算法.它是对DS-CDMA接收信号先进行预解扩,然后将判决反馈用于最小二乘恒模算法进行波束形成,并在加性白高斯和多径衰落信道的环境中进行了仿真.仿真结果表明,该算法的信干比性能和误码率性能比传统的SDCMA算法和DRLSCMA算法要好.

在Matlab中实现基于LMS算法语音信号去噪

该文描述了在Matlab中编程实现语音通信中去除噪声技术。依据输入信号在迭代过程中估计梯度矢量、更新权系数以达到最优的自适应迭代算法,采用一种期望响应和滤波输出信号之间误差的均方值最小(LMS算法)为准则的梯度最陡下降方法。讨论收敛因子μ的取值范围使降噪效果达到最优。

基于自适应扩散模型的单帧红外条纹非均匀性校正算法

针对红外焦平面成像系统存在列向条纹非均匀性的现象,采用了一种基于自适应PM扩散模型的非均匀校正新算法。首先,综合利用图像梯度信息和局部灰度统计信息,自适应计算PM模型的扩散阈值;然后将每列像素的PM模型估计值作为该列像素的期望值;最后采用最陡下降法迭代计算得到每列像元的校正参数,并对结果进行循环校正以提高校正效果。实验结果表明:该算法可以保护图像边缘信息,与同类算法相比,能够更有效地抑制条纹非均匀性,并且能够防止图像产生鬼影。

CDMA蜂窝网无线定位技术中NLOS误差的抑制方法

在CDMA蜂窝网无线定位系统中,针对非视距(NLOS)误差严重影响定位性能这一问题,提出了一种基于最陡梯度下降法的NLOS环境下的TDOA定位方法。该方法结合Chan氏算法,通过迭代,逐渐完成对NLOS误差的估计,并判定NLOS基站,在此基础上对NLOS基站测量值进行逐步修正,从而完成对目标的定位。最后的仿真表明,此算法可以有效实现NLOS环境下的目标定位。

基于谱间预测和联合优化的高光谱压缩感知图像重构

基于高光谱图像压缩采样数据特性的分析,提出一种基于谱间预测和联合优化的压缩感知图像重构算法。首先在谱间通过线性预测去除高光谱图像观测向量的强谱间相关性,得到熵值更小的预测残差向量;然后在凸集交替投影(Projections Onto Convex Sets,POCS)的基础上提出基于最陡下降法的联合优化算法对预测残差向量进行重构,提高重构质量;同时采用像素点为指导的收敛准则提高算法的收敛速度。实验结果表明,在相同观测值数目下,该文算法的重构质量(PSNR)明显优于其它已有重构算法,并且具有较低的计算复杂度。

协作频谱感知中快速自适应门限策略

频谱感知是认知无线电的一个重要组成部分。在异构网络中,认知节点的移动会导致接收信号强度和噪声功率发生变化,这使得采用固定门限参数的频谱感知策略无法保证在任何时候均工作于最优感知状态。为了解决这一问题,该文提出一种自适应门限参数的协作频谱感知策略。该策略无需主用户信号、信道以及环境噪声的任何先验信息,参与协作的所有认知节点采用最陡下降法自适应调节门限参数,控制中心采用最优数据融合算法获得最小检测代价。仿真结果显示,当认知节点参数发生变化时,协作节点的门限参数快速收敛于最优值,使系统贝叶斯风险最小。

低浓度三分子模型差速流动引起的化学不稳定性

建立了低浓度三分子反应模型反应 流动 扩散方程 ,理论分析了出现差速流动化学不稳定的条件 ,得到了临界流动速率c 和扰动波包的群速度vg,讨论了扰动增长率与流速的关系 ,并理论研究了出现不稳定时系统的时、空结构 .研究结果表明 ,化学反应在低浓度条件下也可能出现差速流动引起的化学不稳定 .

稳定相分析及其应用

我们用最陡下降法处理一类指数型被积函数的积分的估值问题，解释了它与稳定相分析及鞍点法之间的联系．把这种方法用于Γ函数的渐近展开和直边阻挡物的菲涅耳衍射得出很好的结果，说明这是一种有效的近似方法．

变分累积展开到二级的单链SU(3)群积分

用变分累积展开到二级讨论SU(3)格点规范理论时,所遇单链SU(3)群积分都可用4个基本的SU(3)群积分表示。这4个基本的SU(3)群积分在不便用幂级数展开方法计算的弱耦合区,都可用最陡下降法表示成容易求其数值的一元实变函数的定积分。

改进型RBF网络在模拟电路故障隔离中的应用

提出了一种最陡下降增量映射学习算法,对RBF网络的训练方法进行改进,并将之运用于模拟电路故障隔离.该算法通过增量映射学习算法对RBF网络的采样基函数进行迭代优选,简化RBF网络结构;采用最陡下降法改进增量映射学习算法,对神经元激励函数的参数进行调节,控制网络规模,提高网络的逼近能力.故障隔离实例显示了其优越性.改进的算法与传统算法相比,具有更快的收敛速度和更高的隔离精度.本算法为RBF网络的训练提供了一种可行的方法,在故障诊断领域有良好的应用前景.