基于Gram-Schmidt正交化算法的水下目标回波检测

提出了一种基于Gram-Schmidt正交化算法的水下目标回波检测方法.该方法利用Gram-Schmidt正交化算法实现对干扰背景的预白化,通过归一化匹配滤波器可完成对水下目标回波的检测.对仿真数据和实验数据的处理验证了该方法的有效性.

用基于空间平滑的正交化算法分离相干信号

正交化超分辨算法在大信噪比时性能优良且运算量小,但由于正交化算法是一种信号子空间方法,因而在干扰相干时失效,而空间平滑方法已广泛应用于自适应阵列相干信号的分离。文中提出了3种基于空间平滑的改进正交化算法并给出了计算机仿真结果。第1种方法具有较小的运算量,但当信噪比降低时,性能会严重下降。第2种和第3种方法在运算量增加不多的情况下性能比第1种方法有所改善,尤其是当信噪比较小时。理论分析和计算机仿真结果表明这3种方法是有效的。

自适应干扰对消的一种改进正交化算法

分析了传统的正交化算法在干噪比较低时，干扰对消效果不佳的原因．将特征子空间分解技术与正交化算法相结合，提出了一种修正的正交化算法．仿真结果表明，所提出的算法极大地改善了低干噪比时的干扰对消性能．

自适应阵列天线中正交化算法的讨论

本文讨论了自适应阵列天线中的Gram—Schmidt正交化算法,指出了在多干扰源环境中,最佳采样次数与干扰源数的关系以及自适应确定采样次数的方法。

基于双倍双精度施密特正交化方法的QR分解算法

当矩阵的规模较大或者条件数较高时,格拉姆-施密特(Gram-Schmidt)正交化算法和其相关修正算法时常表现出数值不稳定性的现象。为了解决该问题,探索了修正Gram-Schmidt算法(MGS)中舍入误差的累积效应,然后基于无误差变换技术和双倍双精度算法,设计并实现了双倍双精度修正Gram-Schmidt正交化算法(DDMGS)。该算法的精度测试中显示所提算法较分块施密特正交化(BMGS_SVL,BMGS_CWY,BCGS_PIP与BCGS_PIO)的变体算法具有更好的数值稳定性,证明了DDMGS算法能够有效地减少矩阵的正交性损失,提升数值精度,展示了所提算法的可靠性。在算法的性能测试中,首先计算并比较了不同算法的浮点计算量(flops),随后将所提DDMGS算法与修正施密特正交化算法在ARM和Intel两款处理器上作比较,虽然DDMGS算法的运行时间分别是MGS的5.03倍和18.06倍左右,但获得了明显的精度提升效果。

基于修正空间平滑的改进正交化波束形成算法

针对正交化自适应波束形成算法的零点会偏离干扰方向、当干扰相干时算法失效问题,提出了一种基于修正空间平滑的改进正交化自适应波束形成算法。该算法利用修正空间平滑技术克服正交化算法不能工作于相干干扰环境的缺点;利用总体最小二乘方法得到噪声子空间,总体最小二乘处理减轻了噪声的影响,因而估计的噪声子空间接近真实噪声子空间,干扰方向形成零点。计算机仿真结果表明此算法是有效的。

基于非正交对角化算法的非平稳信号盲分离

运用分段平稳的思想处理非平稳信号,对每一子分段信号进行计算,得到相关矩阵群,并运用非正交对角化算法(alternatingcolumnsdiagonalcenters,ACDC)求得分离矩阵的逆阵,从而在混合信号中分离出源信号.仿真结果表明,在信噪比为40dB的情况下,信号的平均干扰比可以保持在-15dB以下.因而采用分段平稳和非正交对角化算法相结合的思想来处理信噪比较高时的非平稳信号,可以取得较好的分离效果.

一种有效的正交化恒模算法

利用奇异值分解确定了用户信号的个数 ,并把天线阵接收的数据矩阵映射到信号子空间上 ,进而在该空间中讨论波束形成问题并导出了多用户波束形成的必要条件 ,依据此条件将正交化过程引入最小二乘恒模算法并提出了正交化恒模算法 .

解线性最小二乘问题的一个半正交化算法

1.引言 我们知道,对于满秩线性最小二乘问题,可以用正交化方法(如Householder正交化,修正的Gram-Schmidt正交化和快速Givens正交化等)有效地求解。对于秩亏损的最小二乘问题,可用带列主元的QR分解求解;但一般说来,用这种方法求得的解只是可行解而不是最短解。要求出最短解,则必须作出秩的判定。

基于正交化算法的三值互连神经网络模型

提出了以信息损失最少为原则的三值（±１，０）互连权重编码的方法，这种编码方法比以前的三值权重编码方法显著地提高了神经网络的性能，由于互连权重只有三值，恰恰弥补了光互连精度不高的缺点，易于光学实现。

基于近红外光谱和水分校正算法的造纸木片基本密度预测

基本密度是评估木材制浆造纸性能的重要指标。采用近红外光谱技术检测造纸木片基本密度,实时掌握原料材性变化,能够为制定和优化制浆生产工艺提供基础理论数据。但在实际生产中,原料来源的复杂性造成木片水分含量波动较大,光谱中的水分干扰信息严重影响模型预测效果,成为制约近红外技术实际应用的主要因素。以杨木片为研究对象,通过对木片失水过程的近红外光谱动态监测,结合主成分分析明确光谱中水分吸收信息的特征响应,揭示了木片水分中结合水和自由水的变化规律。分别采用不同水分条件下的木片光谱建立偏最小二乘回归(PLS)模型预测木片基本密度,通过对比分析模型预测性能,探究木片水分变化对近红外预测木片密度的影响,并采用外部参数正交化算法(EPO)消除光谱中水分的干扰,提高模型对水分变化的抗干扰能力。研究结果表明,基于饱水木片光谱的模型具有最好的预测精度,模型的建立主要依靠近红外光谱对木片纤维结构特征信息的获取。而光谱中大量的水分吸收信息对建模是冗余无用的,并且会导致模型对样品水分高度敏感,当测试集水分含量变化时,模型预测出现严重偏差。通过EPO算法对木片失水过程动态光谱的解析,提取水分校正因子,能够有效消除水分变化引起的光谱差异。基于水分校正的基本密度预测模型对不同水分条件下的测试集均表现出稳定的预测性能,均方根误差、决定系数和预测相对标准偏差分别为12.23 kg·m^(-3)、0.8834和2.93。该研究将EPO算法引入对木材材性的近红外光谱分析,构建了抗水分干扰的稳健型基本密度预测模型,较好地解决了水分含量波动对原料材性快速检测的影响,为近红外光谱技术在制浆造纸领域的推广应用提供了依据。

精化双正交Lanczos方法

根据精化投影方法的思想对经典的双正交Lanczos方法进行改进,提出了精化双正交Lanczos方法,即把非对称矩阵A的投影矩阵Tm构造成另一个三对角矩阵Tm,理论上T m与Tm具有相同的特征值,而且TTm=Tm,并用矩阵Tm的特征值作为A的特征值的近似,进一步用A的左、右精化向量分别近似矩阵A的左、右特征向量.在计算过程中,Tm的特征值很容易得到,而且由它可计算高精度近似特征值.理论表明这种方法在计算大规模非对称特征问题方面比双正交Lanczos方法更为优越.

基于修正Hung-Turner投影的快速信源数检测算法

空间信源数检测是阵列信号处理的关键问题之一,常用的信源数检测算法需要计算采样协方差矩阵的特征值,该文提出一种基于改进Hung-Turner投影的多目标信源数快速检测算法,该算法根据采样协方差矩阵估计误差的渐进分布特性确定一个判断门限,利用该门限实现GS正交化次数的自动确定,从而完成对信源数的检测。该算法无需对采样协方差矩阵的特征值分解运算,计算复杂度低,检测性能好,计算机仿真证明了算法的正确性和有效性。

基于参数自修正的配电网故障定位数字孪生技术研究

配电网参数受天气条件和负载条件等因素影响会发生变化。由于传感装置安装有限、数据延时传输等因素,无法实时获得配电网准确参数,进而给传统故障定位方法的精度带来影响。针对以上问题,通过建立配电网数字孪生模型,基于配电网数字孪生模型的参数自修正技术,提出了一种定位模型随参数变化动态校正的配电网故障定位方法。同时,搭建了基于数字孪生服务器和实时数字仿真系统(real time digital system, RTDS)的数字孪生平台,实现了配电网实时的物理模型和数字孪生模型的同步运行。在算例仿真中,利用该数字孪生平台,验证了基于数字孪生技术的配电网故障定法方法。结果表明,该方法可在各类系统运行条件下实时修正配电网参数,显著提高配电网故障定位的速度和精度。

基于前后向协方差矩阵投影的信源数估计算法

针对均匀线阵的信源数估计问题,提出了一种基于前向-后向采样协方差矩阵正交投影的多目标信源数快速估计算法。该算法将经过酉变换后的前向-后向采样协方差矩阵的列矢量做Gram-Schmidt(GS)正交化,并将正交化后矢量的模值与一个自适应判决门限做比较来估计信源个数。该判决门限根据阵列采样协方差矩阵估计误差的渐近分布特性推导得到。计算机仿真证明了该算法的正确性和有效性。

MIMO-OFDM系统中改进的QRD-M检测算法

在MIMO-OFDM系统的信号检测中传统的QRD-M算法以较低的复杂度逼近了ML检测的性能,具有很好的应用前景。但是该算法M值必须足够大且计算复杂度较高。针对此缺点,在QRD-M算法的基础上,首先对QR分解采用改进的修正GramSchmidt正交化算法,使得接收端能够最先检测信噪比较大的层,从而减少错过ML解的可能性;其次在树搜索过程中与DFE(Decision Feedback Equalization)算法相结合,引入新的参数T。改进算法的前T层用M分支搜索算法检测,剩余的其他层用DFE算法检测。这种方法降低了传统算法复杂度,同时增加了接收端检测的灵活性。仿真结果显示,改进的算法以更低的复杂度获得更接近最大似然检测的性能。

一种结合HT算法和LSCMA的联合自适应算法

最小二乘恒模算法(LSCMA)是阵列信号处理中广泛使用的一种能全局收敛且稳定性强的算法,但是在低信噪比的情况下会发生干扰捕获问题。正交化(Hung-Turner)算法在低信噪比情况下有较好的收敛性能,且计算简单。本文提出了一种正交化算法和最小二乘恒模算法的联合算法。仿真结果表明这种算法能较好的解决干扰捕获问题,其收敛性能比LSCMA要好,尤其在低信噪比的情况下。

求解大型非对称线性方程组的拟最小残量IOM(q)算法

不完全正交化算法 ( IOM( q) )由于存储量和计算量小 ,常用来求解大型非对称线性方程组。而此方法收敛过程常出现不规则振荡现象 ,从而影响了收敛速度。本文将拟残量最小化性质加到 IOM( q)算法中 ,提出拟最小残量不完全正交化算法 ( QMRIOM( q) ) ,这样收敛曲线光滑无振荡 ,从而大大加快其收敛速度 。

基于固定尺度欧氏距离的变因子递推子空间辨识算法

针对传统的子空间辨识算法采用固定遗忘因子出现跟踪能力不足或效果易受噪声影响等问题,提出了一种新的变因子递推子空间辨识算法.该算法分为3个步骤:首先引入变因子构造与更新Hankel矩阵和观测向量;其次为保证广义能观测阵的列向量收敛于主子空间的正交基上,采用OPAST算法递推估计广义能观测矩阵,并由广义能观测矩阵估计系统参数矩阵;最后用A的特征值空间距离信息实现变因子,因此,算法具有自适应能力.应用于一类时变系统,仿真结果表明改进算法具有较好的快速跟踪能力和跟踪效果.

基于空时压缩感知算法的蜂窝流量预测

针对蜂窝网络中,基站发射功率不能有效根据小区内峰值流量实时调整而造成蜂窝网络能量浪费这一问题,提出一种基于阈值控制的正则化正交匹配追踪(BT-ROMP)蜂窝流量预测算法。该算法利用小区内用户行为在时间与空间上的周期平稳变化特性,构建蜂窝流量块稀疏模型;利用阈值有效筛选出正则化漏掉的次优原子,扩大原子候选集,达到减少算法迭代次数与提高重构精度的目的。仿真结果表明,本文算法较正则化正交匹配追踪算法(ROMP),算法预测精度平均提高0. 01。