基于LS的梯度迭代最陡下降算法GISDA

提出了一种基于LS准则、利用梯度迭代的最陡下降算法G ISDA(G rad ient IterationSteepest D escent A lgorithm,G ISDA).该算法在梯度计算上比LM S精确.新算法与传统的最陡下降算法相比,具有运算量小、容易实现等优点.G ISDA算法比LM S算法收敛速度快、稳定性更好.并给出了G ISDA算法和LM S算法性能比较的计算机仿真结果和结论.

Sylvester方程的一种并行梯度迭代方法

针对Sylvester矩阵方程AX+XB=C的数值求解过程中有大量的矩阵运算,而实际问题往往是大型矩阵方程,此时单机无法实现的实际情况,给出了一种在高性能计算平台下Sylvester方程的并行梯度迭代算法,该算法将方程组的系数矩阵及右端项按行分块,然后将分块的系数矩阵及右端项按分块存储在各处理机。试验结果表明该算法具有较高的并行效率和加速比。

Wiener非线性系统的共轭梯度迭代算法研究

针对实际过程控制过程中广泛存在的非线性情况,该文主要研究了一类Wiener非线性系统的参数辨识问题。首先运用关键项分离技术,得到一个可辨识的Wiener非线性模型,进而采用共轭梯度迭代辨识算法估计出模型的未知参数,最后通过数值仿真验证了算法的有效性。

耦合矩阵方程AX+XB=C,DX+XE=F的梯度迭代算法

利用递阶辨识原理建立了一种耦合矩阵方程的梯度迭代算法,并给出了算法的收敛性证明。分析表明:在该耦合矩阵方程有唯一解的条件下,迭代解收敛到方程的唯一解,并通过一个数值例子验证了算法的有效性。

一种基于用户分组梯度迭代的LTE动态干扰协调技术

LTE系统的频率复用因子为1,小区间干扰成为最主要干扰来源,如何降低或者消除小区间干扰是提高蜂窝系统容量和用户速率的关键。本文在用户分组的基础上,提出了一种利用梯度迭代来实现动态功率最优逼近的干扰协调方案。本方案可有效地减小小区间的信息交互量,并保证用户的公平性。仿真结果表明,所提方案能够很好地动态调节用户功率,跟踪最优小区用户信道质量的变化和小区负载的变化,且能够实现更快的收敛速度。

数字图像相关中基于非线性灰度改变模型的灰度梯度迭代算法

传统的数字图像相关方法用于位移及应变场的测量都是基于物体表面同一点在变形前后灰度不变的基本假设。但是在实际应用中,灰度会受到光照及环境等因素的影响而随着时间发生变化。针对这一问题,将比较符合实际情况的非线性灰度改变模型引入到灰度梯度迭代算法中,并通过计算机模拟实验验证算法的精度及稳定性。结果表明,改进后的算法能够降低由于灰度改变所引起的测量误差。

耦合Sylvester矩阵方程的改进的梯度迭代算法

本文通过构造矩阵分裂,结合线性系统的迭代方法,提出了求解耦合Sylvester矩阵方程的两种梯度迭代算法,并研究了这两种算法在满足初始迭代条件下的收敛性.最后给出数值算例验证了这两种算法的有效性.

基于梯度迭代的阻抗控制曲面跟踪方法仿真

针对机器人末端执行器和未知曲面接触时对未知曲面跟踪难的问题,提出一种基于梯度迭代的机器人阻抗控制算法。建立机器人末端执行器与未知曲面接触的阻抗控制模型,并将模型简化为阻尼系数变化的新型阻抗模型;设置与位置、力误差相关的损耗函数作为曲面跟踪与预测效果的度量;通过基于梯度上升迭代的方法优化阻尼系数,在力误差与位置误差允许范围内,找到最优阻尼系数。利用Matlab进行的仿真证明,经过10次迭代后,曲面跟踪与预测过程的损耗逐渐减小,跟踪位置误差逐渐减小,跟踪力逐渐趋近于理想力,力误差、位置误差表现出收敛趋势且达到设定的误差精度要求,证明了算法针对曲面跟踪与预测应用的有效性,达到了理想目标。

非均匀采样Hammerstein系统的梯度迭代辨识算法

为了解决Hammerstein非线性系统在非均匀采样条件下的辨识问题,该文提出了1种能够用于在线参数估计的梯度迭代算法。通过引入时变后移算子,推导了非均匀采样Hammerstein系统的离散时间模型。采用关键项分离技术将系统参数化为1个线性回归模型。基于辅助模型辨识思想对未知中间变量进行重构,并利用负梯度搜索原理获得模型参数的迭代估计。仿真结果表明,该文方法是有效的,且比辅助模型随机梯度算法具有更快的收敛速度,参数估计精度提高近40倍。

输出误差自回归系统的分解梯度迭代算法研究

针对输出误差自回归系统(output error autoregressive system,OEAR)辨识参数误差大,收敛速度慢的问题,本文将递阶辨识原理与梯度迭代算法(gradientbased iterative algorithm,GI)运用到输出误差自回归系统的辨识过程中,针对该系统的算法进行推导,提出了基于分解的输出误差自回归系统的梯度迭代算法。将输出误差自回归系统分解成2个子系统,通过梯度迭代算法分别对2个子系统进行辨识,最后用Matlab仿真实例进行仿真。仿真结果表明,在输入信号的作用下,系统能够更快速的收敛到比原有算法误差更小的范围内,验证了该算法的有效性。

耦合Sylvester矩阵方程的梯度迭代算法

通过推广求解矩阵方程AX=b或AX+XB=C的递推迭代算法和基于递阶辩识原理的思想,给出了求解广义耦合矩阵方程的梯度迭代算法。并证明了迭代算法的收敛性。分析表明,若矩阵方程有唯一解,则对任意的初始值该算法给出的迭代解都能快速的收敛到其精确解。数值实例验证了该算法的有效性。

基于共轭梯度迭代算法受控AR模型的参数辨识

推导了单输入单输出系统的辅助模型,它有助于减少计算量和提高共轭梯度迭代算法(新算法)的收敛速度.相比于受控移动平均模型中所提出的交互式随机梯度算法,新算法用更少的迭代步骤就可求出模型的参数估计.另外,新算法能避免出现矩阵的逆矩阵形式.对新算法与双共轭梯度算法进行比较,并给出数值实例检验新算法的有效性.

输入非线性系统的多步长搜索梯度迭代算法

采用多步长搜索梯度迭代算法对输入非线性系统参数进行辨识.相对于传统梯度迭代算法,该方法无须计算矩阵特征值以确定步长取值范围,而是借助粒子群算法思想,在每次迭代过程中随机产生多个步长,通过比较每个步长对应的代价函数大小,找出所有步长中的最优值.运用该方法对具有丢失数据的非线性系统进行辨识,仿真结果表明,与传统梯度迭代算法相比,该算法的辨识精度较高、收敛速度较快.

NOMA系统中基于共轭梯度迭代自适应的脉冲噪声抑制方法

脉冲噪声对NOMA通信系统的性能造成严重损害。为了抑制NOMA通信系统中的脉冲噪声,提出了一种基于共轭梯度迭代自适应的抑制方法。首先,利用脉冲噪声的稀疏性和NOMA子载波的正交性构建压缩感知模型,基于脉冲噪声高功率谱的特点推导出脉冲噪声的干扰协方差矩阵;然后,在此基础上利用最小化代价函数得到脉冲噪声估计值的表达式,并利用共轭梯度法简化运算得到脉冲噪声估计值;最后,从接收信号中减掉脉冲噪声完成抑制。仿真结果表明,本文方法可以准确估计出脉冲噪声,有效降低系统误比特率,在不同脉冲噪声模型下均具有较好的性能。

基于非线性光流方程的数字图像相关非迭代灰度梯度算法

在传统的非迭代灰度梯度数字图像相关算法中,假设变形前后同一个像素点的灰度值相等。但在实际应用中,图像的采集会受到环境光照的变化、相机曝光过度/不足、加载引起被测表面图像变化等因素的影响而引起变形前后图像像素点灰度值的变化。针对这一问题,应用非线性光流方程来描述变形前后像素点间的灰度关系,从而提出一种基于非线性光流方程的非迭代灰度梯度算法。应用模拟实验与真实单轴拉伸实验对算法的有效性与计算精度进行验证。结果表明,该算法对图像的灰度变化不敏感,具有较高的测量精度。

迭代再权共轭梯度q范数正则化线性最小二乘–支持向量机分类算法

L2范数罚最小二乘–支持向量机(least square support vector machine algorithm,LS–SVM)分类器是得到广泛研究和使用的机器学习算法,其算法中正则化阶次是事先给定的,预设q=2.本文提出q范数正则化LS–SVM分类器算法,0<q<∞,把q取值扩大到有理数范围.利用网格法改变正则化权衡参数c和正则化阶次q的值,在所选的c和q值上,使用迭代再权方法求解分类器目标函数,找出最小分类预测误差值,使预测误差和特征选择个数两个性能指标得到提高.通过对不同领域的实际数据进行实验,可以看到提出的分类算法分类预测更加准确同时可以实现特征选择,性能优于L2范数罚LS–SVM.

解变分不等式的超梯度Mann迭代算法

介绍了关于变分不等式近似解的一种新的超梯度迭代算法.该算法在迭代过程中使用了Mann迭代,规定了一个较优的搜寻步长,并且选择了与以往投影算法所不同的搜寻方向.同时证明了所构造的算法生成的迭代序列在广义单调条件下是全局收敛的.

同步辐射光成像中的最大似然迭代重建法

本研究主要目的在于探讨与评估在同步辐射光源显微成像时使用不同的图像重建算法时的图像质量与重建速度。此次实验我们采用鸟类的羽毛做为受测物体,并且使用位于新竹科学工业园区内的同步辐射研究中心的同步辐射光源及高分辨X光摄影机来取得X光的影像。本研究使用两种不同的算法来重建图像,分别为滤波反投影法与梯度最大似然迭代重建法,作为这次评估的算法。由重建图像的结果显示,我们可以发现梯度最大概似迭代式重建法在边缘的地方有模糊化的现象,另外在图像质量方面,滤波反投影算法的影像上的环状伪影较梯度最大似然迭代算法明显。因此本研究就针对目前同步辐射的图像重建法做一探讨,并对两种不同的重建算法做一适当的评估,以期望提供不同的图像重建法给予不同需求的使用者。

求解Sylvester矩阵方程的一种改进的梯度方法

提出了一种改进的梯度迭代算法来求解Sylvester矩阵方程和Lyapunov矩阵方程.该梯度算法是通过构造一种特殊的矩阵分裂,综合利用Jaucobi迭代算法和梯度迭代算法的求解思路.与已知的梯度算法相比,提高了算法的迭代效率.同时研究了该算法在满足初始条件下的收敛性.数值算例验证了该算法的有效性.

求解矩阵方程AX=B的多步迭代算法

为求解矩阵方程AX=B的一般解及其最小二乘问题,提出了一种多步迭代算法,给出并证明了由该算法产生的矩阵序列收敛于矩阵方程AX=B及其最小二乘问题的一般解和最小Frobenius范数解的条件。通过理论分析和数值实验证明了该算法的收敛性和有效性;数值结果表明,该算法的收敛速度比基于梯度的迭代算法更快。