基于GS正交算法的信号检测方法

基于ＧＳ（Ｇｒａｍ－Ｓｃｈｍｉｄｔ）正文算法，推导出一个正交基范数阈值，据此阈值可在ＧＳ正交化过程中判定出信号矢量空间的维数，从面实现对信号源个数的检测。在此基础上，利用所获得的正交基构造一个信号矢量空间，并在此空间中定义了一个搜索画数来实现对信号方位的估计。这种方法的优点在于算法简单，运算量小，且特别适于大阵列的测向。计算机模拟结果也显示了本方法的良好检测效果。

GS正交算法中正交化次数的自动确定

Gram-Schmidt(Gs)正交算法在自适应抗干扰领域日渐被人们所关注,特别是作为一种快速自适应波束形成算法而倍受重视。但采用这种算法需要首先确定信号源的个数,以决定正交化运算的次数。本文正是对此问题进行研究,提出一种简单的方法并利用一个判断阈值来实现在GS正交化过程中自动确定正交化运算的次数。

基于正交算法的RBF网络在高压断路器故障诊断中的应用研究

针对高压断路器的故障诊断,通过分析断路器的合闸电流波形,提取相应的特征量,作为径向基神经网络的输入,经训练后的网络作为断路器的故障诊断模型。由于BP神经网络存在的训练收敛速度慢且容易陷入局部极小等缺陷,提出了一种基于正交算法的RBF网络用于高压断路器的故障诊断方法。仿真结果表明,基于正交算法的RBF网络具有训练速度快、分类性能良好的优点,有很好的实用性。

矢量正交算法在卫星完好性检测中的应用

基于最小二乘的接收机自主完好性检测(RAIM)在卫星数增多时对于单颗卫星不变的故障性能出现下降。文章首先对该问题进行了分析,然后应用矢量正交算法提出了一种新的故障敏感矢量算法,该算法避免RAIM在卫星数增多时故障检测量中故障信息恒定时故障检测性能出现下降的问题,而是性能有所增强,而且该算法同时完成故障的定位。

模板设计中的Gram－Schmidt正交算法

本文根据Ｇｒａｍｓ－ｃｈｍｉｄｔ正交原理提出一种模板设计方法，给出了设计步骤，并举例说明模板设计中的某些特点。

基于正交算法的RBF网络在高压断路器故障诊断中的应用研究

针对高压断路器的故障诊断,通过分析断路器的合闸电流波形,提取相应的特征量,作为径向基神经网络的输入,经训练后的网络作为断路器的故障诊断模型。由于BP神经网络存在的训练收敛速度慢且容易陷入局部极小等缺陷,提出了一种基于正交算法的RBF网络用于高压断路器的故障诊断方法,仿真结果表明,基于正交算法的RBF网络具有训练速度快、分类性能良好的优点,有很好的实用性。

正交算法在状态估计中的应用

介绍最小二乘法的正交算法的具体实现以及它在状态估计中的应用．正交算法是至今已开发的状态估计算法中最有效的算法之一，较其他算法有许多优势，经云南大理电业局、河南平顶山供电局、洛阳供电局现场运行表明，该方法具有数据传输精度高、收敛性好。

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。

基于扩维并行性实现的并行正交变换算法

为提高正交算法的运算速度,提出了一种将N点的一维正交变换分解成N0×N1点的二维正交变换(N=N0N1)和运算量较少的附加运算的并行扩维正交变换算法。在定义正交变换算法扩维并行性的基础上,讨论了离散傅里叶变换(DFT)、Hadamard变换和Hartley变换等算法的实现及性能。在TMS320C80多处理机平台上不同算法实现的试验结果表明:算法可有效减少数据的相关性、降低编程的复杂性,消除了处理单元片内内存容量的限制,适于以数字信号处理器(DSP)为处理单元的多处理机平台的并行实现。

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。

一种基于正交信号的角估计算法

稀布阵综合孔径脉冲雷达(SIAR)是新体制雷达多输入多输出(MIMO)雷达的一种,SIAR发射的是正交信号,对于基于正交信号雷达的方向估计,因为其方向向量不仅与接收导向向量有关,而且还与发射导向向量有关,因此传统MUSIC等超分辨算法不能够直接应用。Gram-Schmidt算法是数值计算的一种重要算法,通过理论分析以及仿真结果表明,该算法可以直接应用于基于正交信号雷达的测向,而且在未知目标的个数和小样本的条件下,依然有较好的测角性能。

MIT中的一种基于全相位的IQ正交相位解调算法

针对MIT系统相位解调过程中信号非整周期采样以及奇异点对相位测量精度的影响,提出一种基于全相位的IQ正交算法,该算法通过对测得的数据进行全相位处理,再进行正交变换,从而有效提高了信号解调精度。通过实验表明,相对传统IQ正交算法,该算法能够降低信号非整周期采样以及奇异点对相位测量精度的影响,且计算复杂度低,运算速度快,能对相位差进行更为实时精确的测量。

正交遗传算法

本文提出正交遗传算法 .该算法把正交设计与遗传算法结合起来 ,用正交设计确定区间水平 ,在每个区间水平按遗传算法进行搜索 ,正交设计能够发现包含最好解的区间水平 ,再在这个区间水平使用遗传算法进行搜索 .反复使用上述算法 ,当前区间水平变小 .最后 ,当前区间水平变为一点了 ,它就是这些区间水平的最优点 .借助正交设计 ,本文证明了正交遗传算法是收敛的和进行了计算机模拟 .模拟结果显示该算法是有效的和可行的 .

求解全局优化问题的混合自适应正交遗传算法

提出了一种基于正交实验设计的混合自适应正交遗传算法(hybrid self-adaptive orthogonal genetic algorithm,简称HSOGA)以求解全局优化问题,此算法利用正交实验设计方法设计交叉算子,并提出一种自适应正交交叉算子.该自适应正交交叉算子根据父代个体的相似度自适应地调整正交表的因素个数和对父代个体进行因素分割的位置,生成具有代表性的子代个体,以更好地搜索空间.此外,新算法利用自适应正交交叉算子生成均匀分布的初始种群,以保证初始群体的多样性.同时引入了局部搜索策略以提高算法局部搜索能力和收敛速度.通过14个高维的Benchmark函数验证了算法的通用性和有效性.

用于全局优化的混合正交遗传算法

为提高正交遗传算法收敛速度和搜索精度,在正交遗传算法的基础上引入局部搜索策略,提出一种新的聚类局部搜索算子。利用正交算子初始化种群,保证初始群体分布的均匀性和多样性。通过正交算子在全局范围内进行全局搜索,使算法能在全局范围内收敛。采用聚类局部搜索算子对群体进行局部搜索,以增强算法的收敛速度和搜索精度。对7个高维的Benchmark函数进行测试,仿真实验结果表明,与其他算法相比,该算法具有更好的搜索精度、收敛速度和全局寻优的能力。

正交演化算法在继电器体积优化设计中的应用

继电器产品的优化设计是在给定的负载条件或环境条件下,在对继电器产品的性态、几何尺寸关系或其他因素限制约束范围内,确定设计参数、目标函数、约束条件以形成优化设计模型,并选择恰当的优化方法以获得最佳设计方案的一系列工作。继电器的体积数学模型涉及到机、电、磁、热等方面,其目标函数和约束函数均是高度非线性的。传统演化算法求解问题时容易陷入局部极小值。在简单演化算法的基础上,结合正交实验法的基本思想,将其应用于演化算法的种群初始化、交叉算子,并引入自适应正交局部搜索来防止局部收敛,得到了一种新型的正交演化算法。通过一系列数值实验验证了该算法的高效性。

齿轮箱故障诊断中的正交匹配追踪算法

为通过齿轮箱的振动信号进行故障诊断,应用正交匹配追踪算法对振动信号进行处理.齿轮箱的振动信号包含了齿轮箱运行状态特征,但同时也掺杂了大量噪声信号,总体呈现出非平稳性.齿轮箱故障诊断的关键是从齿轮箱的振动信号中剔除冗余信息,用少量特征信息准确的表达信号,完成对信号中故障特征的提取.传统的频域分析法,只能从频域图上定性的判断故障,无法做到定量判断.正交匹配追踪算法是一种定量提取特征的方法,在傅里叶正交基下对振动信号进行时域向频域的映射,在频域上定量的得到主要特征,再根据主成分分析思想,提取出3组主要特征点,将已知故障分类的信号特征与待检测信号的特征进行对比,通过频域的位置和幅值的两次比较,判断故障状态,实验证明该方法可以准确的判断出齿轮箱从正常状态到100%磨损的5个不同形态的特征,完成对齿轮箱的故障诊断和分类.

解多目标优化的均匀正交遗传算法

在多目标优化中,各目标通常相互冲突且不可公度,其最优解(常称为Pareto最优解)往往有无穷多,如何在最优解集合中求出一组分布均匀且数量充足的代表解供决策者选择十分重要.论文将均匀设计、正交设计与遗传算法相结合给出了解多目标优化的一种新方法,并证明了其全局收敛性.新方法用少的计算量便可求出一组在最优解集合中分布均匀且数量充足的最优解.计算机仿真也表明这种方法对不同的试验函数均可用少的计算量求出一组在最优解集合中分布均匀且数量充足的最优解.

基于块A~＊正交匹配追踪的多传感器数据联合重构算法

针对A*正交匹配追踪(A*OMP)算法计算复杂高,且不能利用信号的结构稀疏性这一缺陷,该文提出了块A*OMP算法并将其用于解决分布式压缩感知中的信号联合重构问题。该算法用原子块取代单个原子作为搜索树中的节点,在计算路径代价时用搜索树中所有路径的最大长度取代信号的稀疏度。然后在块A*OMP算法的基础上,选择与残差矩阵投影误差最小的原子块作为新的节点,得到了一种用于解决MMV(Multiple Measurement Vector,MMV)问题的块A*OMP算法,并利用该算法对相邻区域内的多个传感器所测的温度信号进行了联合重构。实验结果表明,该算法的重构性能优于MMV正交匹配追踪(OMPMMV)算法。

一种用于人脸识别的正交邻域保护嵌入算法

在邻域保护嵌入算法的基础上，提出了一种新的降维方法——正交邻域保护嵌入算法．首先，从最优投影的概念出发，定义了一种反映投影向量的邻域结构保护能力的函数；然后以邻域保护函数为目标函数，在原始的优化问题中增加正交约束条件，推导得到一组具有正交性的最优投影向量的迭代公式．与邻域保护嵌入算法相比，得到的正交向量具有更好的邻域保护性能，从而带来更强的判别能力，降低了误差率．在标准人脸库上的实验结果表明，与其他降维方法相比，新算法的最低误差率可减小15％～20％，且在选取的特征维数较低时就可获得最优值．