求解加权水平线性互补问题的非单调光滑非精确牛顿法

该文研究一个求解加权水平线性互补问题的非单调光滑非精确牛顿法.该算法利用一个光滑函数将加权水平线性互补问题等价转化成一个非线性方程组,然后利用非精确牛顿法求解此方程组.由于非精确方向一般不是下降方向,算法采用一个新的非单调线搜索技术来确保其全局收敛性.特别地,在P对条件下,证明了算法生成的迭代序列有界.进一步,分析了算法在H?lderian局部误差界条件下的收敛速率,而该条件比局部误差界条件更广泛.算法在每次迭代时只需求解方程组的近似解,从而可以节省大量的计算时间,数值实验结果验证了这一优点.

三维荧光光谱结合自加权交替三线性分解算法检测农药类混合物

三维荧光光谱技术与自加权交替三线性分解(SWATLD)算法相结合,对三类农药混合溶液进行检测。在乙腈溶剂中配制西维因、速灭威和三唑磷不同浓度比的混合溶液为测量样品(西维因、速灭威及三唑磷的最佳激发波长/发射波长分别为285/325,305/345和265/305 nm),利用荧光光谱仪获取样品的三维荧光光谱,经过空白扣除以及激发与发射校正,有效地去除仪器误差以及散射产生的影响,得到样品的真实光谱。采用基于自加权交替三线性分解算法对测得的光谱数据进行分析,得到的三种农药的平均回收率为96. 9%±1. 9%,99. 8%±1. 0%和100. 8%±3. 2%。根据SWATLD算法预测结果,计算三类农药的预测均方根误差(RMSEP)值为0. 616×10^(-2),0. 539×10^(-2)和0. 374×10^(-2)μg·mL^(-1),低于平行因子(PARAFAC)分析法预测结果的RMSEP值,且最低检测限均在0. 005～0. 022μg·mL^(-1)范围内。和PARAFAC算法相比较,突出了SWATLD算法的优势,表明该算法对光谱重叠严重的三类农药混合物有较好的分解能力。

基于线性加权的频谱感知算法研究综述

频谱感知技术通过认知用户对周围频谱资源的检测发现频谱空洞,从而可以动态地接入该频段,提高了频谱资源的利用率。多节点合作频谱感知可以解决单节点检测时可能发生漏检的缺点,因此合作频谱感知技术得到了快速的发展。研究了合作频谱感知技术中的加权算法,对每个用户分配不同的权值,然后对线性加权算法做了仿真,并通过对算法的改进,得到最终的检测结果。

基于加权因子非线性变化的改进加权多模盲均衡算法

为了提高加权多模算法的盲均衡性能,提出基于加权因子非线性变化的改进加权多模盲均衡算法。新算法构造了均方误差和加权因子的非线性函数关系,提高了收敛速度,增强了算法对不同信噪比的适应能力。在算法收敛过程中,加权因子的值随着均方误差的减小逐渐增大,从而动态地调整算法的模值,使得误差模型越来越精确地匹配信号星座图,达到降低稳态均方误差的目的。理论分析和仿真结果表明,提出的算法降低了稳态均方误差,提高了收敛速度。

基于非线性加权均值的多方向广义形态滤波算法的Speckle噪声抑制

本文提出了一种新的用于散斑噪声抑制的非线性加权均值多方向广义形态滤波算法。对实际激光雷达图像处理结果表明:本文算法具备了小波阈值算法图像边缘保持好和局部统计滤波算法散斑噪声抑制能力强的优点,在算法复杂度降低的前提下具有了与F.Safa的改进算法(广义并行加权多方向形态滤波算法)相当的效果,即有效地抑制了散斑噪声,又保持了图像的几何结构。

基于线性加权免疫克隆算法的压力传感器温度补偿方法

对于压力传感器存在温度漂移^([1])的现象,提出了线性加权(LWF)算法和免疫克隆算法相融合的方法对压力传感器输出数据进行补偿处理,以消除非线性目标参数(温度)对于传感器的影响;通过分析工程实验结果,该方法在全局收敛性^([2])、非线性目标函数逼近能力等方面效果显著,在压力传感器温度补偿处理上具有较高的实用性。

基于加权高阶累积量切片的非线性调频信号增强算法

为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果进行了仿真研究。仿真结果表明:该算法能抑制大约18dB～28dB的高斯色噪声;调整高阶累积量切片的加权系数,可获得抑制高斯色噪声的最佳效果。在工程实践中,具有重要的指导意义和实用价值。

基于线性加权的蓝牙室内定位算法

随着蓝牙设备的普及以及蓝牙4.0标准规范的应用推广,使得依据蓝牙设备的室内定位技术发展迅速.针对室内定位服务的社会需求,搭建了利用线性加权算法实现室内移动蓝牙设备的实时定位系统.该系统把线性加权算法与蓝牙设备结合在一起,通过对蓝牙无线链路通信的信号强度,链路质量值,传输功率级等参数的加权运算处理,实现对移动设备的算法定位.仿真过程中该算法的平均定位误差在1.5m以下,满足一定精度要求.

相机一维标定的最优加权线性算法

为了进一步提高相机一维标定线性算法的精度,提出一种最优加权线性算法.首先对相对深度的约束方程进行一次最优加权得到其新的估计量,并指出一次最优加权具有与迭代最优加权相当的精度以及更少的计算量;然后对绝对二次曲线的像的约束方程也进行一次最优加权,并通过对最优权进行适当的近似以进一步减少计算量.实验结果表明,该算法的标定精度比现有的加权线性算法的精度更高,与光束法平差算法的精度相当.

求解非线性加权互补问题的光滑算法

研究一个新的求解非线性加权互补问题的光滑算法。该算法利用一个带有权重的光滑函数,将非线性加权互补问题等价转化成一个光滑方程组,再利用牛顿法求解此方程组。在非奇异条件下,证明了算法具有全局和局部二次收敛性质。数值实验结果表明算法是非常有效的。

线性加权遗传算法的蒸汽管道摩阻和热损研究

建立了蒸汽管道水力热力耦合模型,通过构建评价函数,基于线性加权遗传算法使管道各节点温度、压力的计算值逼近真实值,实现了对摩阻系数、热损系数的辨识,并分析了摩阻系数和热损系数对管道温度、压力、流速、密度等参数变化的影响。结果表明随着摩阻系数的增加,管道末端的压力和管道末端蒸汽温度逐渐降低,而管道末端蒸汽流速逐渐升高,且升高得越来越快。随着热损系数的增加,管道末端蒸汽温度逐渐降低,蒸汽压力基本不变,蒸汽密度逐渐升高。摩阻系数从0.2增长到0.6时,管道末端蒸汽流速由22.18 m/s升至32.18 m/s,增幅45.1%;随着热损系数从0.4增长到1.2,管道末端蒸汽密度由6.53 kg/m^(3)升至6.69 kg/m^(3),增幅2.5%。

基于极大后验估计和指数加权的自适应UKF滤波算法

针对传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(Maximum a posterior,MAP)估计原理,推导出一种次优无偏MAP常值噪声统计估计器;接着在此基础之上,采用指数加权的方法,给出了时变噪声统计估计器的递推公式;最后对自适应UKF算法进行了性能分析.相比于传统UKF,该自适应UKF算法在噪声统计未知时变情况下不仅滤波依然收敛,滤波精度及稳定性显著提高,而且其具有应对噪声变化的自适应能力.仿真实例验证了其有效性.

一种新的加权中值滤波的快速算法

针对中值滤波排序工作量多、速度慢等缺点，提出了一种新的加权中值滤波快速 算法。把窗口内元素分为小于、等于和大于中心元素的3类并分别统计这3类的个数，同时 构 造两个数组分别放入小于和大于中心元素的元素值，对每个类元素进行比较后可确定输 出中 值的确切位置，因此可根据局部排序找出输出中值，这样可大大减少排序的次数，加 快了处 理速度。最后，对快算算法和标准中值滤波的传统算法进行了比较，给出了二组实 验数据。 实验结果表明，与传统算法相比，该算法的执行速度大大加快。通过选择适当的 权值，加权 中值滤波可代表标准中值滤波和其它一些中值滤波，因此该快速算法有较强适 应性。

利用改进微分进化算法实现线性系统逼近

提出一种基于改进的微分进化算法的逼近算法。新算法通过参考粒子群算法惯性权重思想,引入惯性加权系数,在计算初期能够维持个体的多样性,后期能够加快算法的收敛速度,提高了DE算法的性能。最后对典型的稳定线性系统逼近问题进行了数值计算,计算结果证明该算法优于未改进微分进化算法,能够以更少的进化代数和更小的计算量找到高质量的逼近模型。

一种高精度估计的基础矩阵的线性算法

通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法——加权平移算法.首先将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差和对极距离都小于其他线性算法,提高了基础矩阵的精度.

递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩。从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二乘解,并且此解是唯一的,仿真结果同样验证了该结论的正确性。

一种基于中值滤波的非线性图像处理优化算法

本文提出了一种允许实数值加权的递归加权中值滤波器。该滤波器优于无限脉冲响应线性滤波器、有限脉冲响应线性滤波器及非递归加权中值滤波器,除对噪声级提供稳健性,还可以提供近于完善的"阻带"特性,这在实践中很有用处。本文还提出了用于设计递归加权中值滤波器的自适应优化算法。该算法在平均绝对误差准则下得到了发展。在这个框架内,用于计算递归加权中值滤波器输出的前位输出被前位期望的输出所取代。这样,递归加权中值滤波器就近似于一个双输入单输出滤波器,它取决于输入样值和所期望的响应的延迟样值。这种结构避免了递归运算中固有的反馈,因而使得用于更新滤波系数的最陡下降算法中的梯度推早变得简单了许多。我们提出的自适应递归加权中值滤波算法与LMS算法相比,复杂性有所降低。

一种基于加权Parzen窗的聚类算法

提出了一种新的基于加权Parzen窗的无监督学习方法 .该方法采用加权Parzen窗获得对数据分布状态的良好描述 ,从而求出不同模式类的分界面 ,并将聚类过程转变为求解加权Parzen窗权值的线性规划问题 .实验表明 ,采用这一方法只需较少的计算时间就可以获得与Asa等人基于支持向量机的方法类似的聚类结果 .

求解欠定线性方程组稀疏解的算法

针对欠定线性方程组稀疏解的求解问题,文中提出两个改进的迭代重加权最小范数解算法（IRMNS）及一个光滑的0函数算法.其中,第一个算法基于q（q∈（0,1]）范数提出的,当q较小的时候,算法可以增强恢复稀疏解的能力;第二个算法是直接由0范数最小化问题提出的,它可以看做是第一个算法在q=0时的拓展;第三个算法是通过用一个光滑函数来近似0范数从而将原问题进行转化求解的.数值例子表明这三种算法都是快速有效的.

一种基于加权残值法的高阶辛算法

提出了利用加权残值法构造高阶辛算法的一种新途径。首先根据加权残值法的思想,在时间子域内给出了哈密顿正则方程伽辽金法所对应的积分方程,然后在该时间子域内采用相同的拉氏插值作为位移和动量的试函数,并将这些试函数代入到积分方程中,通过数值积分,将原动力学初值问题转为以插值点位移和动量为未知量的代数方程组。对于非线性问题,给出了一种能显著提高牛顿迭代法计算效率的初值选取方案。最后,对算法的保辛性和性能进行了详细的讨论。通过与同阶辛RK法相比较,两种方法精度几乎完全相同,但文中方法更简便,计算量更小。数值算例结果表明该法在计算精度和效率上均具有良好的性能。