基于特征投影矩阵和线性约束的水声阵列信号抗主瓣干扰方法

提出了基于特征投影矩阵和线性约束的水声阵列信号抗主瓣干扰方法。该方法首先改进重构了干扰噪声的协方差矩阵,消除预处理时期望信号对主瓣干扰特征矢量选择的影响;其次,添加线性约束,保证期望信号方向增益,约束旁瓣干扰子空间置零,同时使得自适应权矢量的模最小,消除噪声抖动;最后求取自适应权矢量进行波束形成。仿真实验结果表明,本工作算法不仅在旁瓣有更深零陷,还能使主波束保形,提高了系统的输出信干噪比。

两自由度含非线性约束碰撞系统的多共存吸引子研究

建立了一类两自由度含非线性约束且带有初始预压缩的碰撞振动系统模型,通过4阶Runge-Kutta数值算法及多参数协同仿真的方法研究了该系统迟滞域的发生区域和分布规律,并结合胞映射法分析了系统迟滞域内两种运动的稳定性,最后深入研究了基本参数的改变对系统迟滞域的影响。结果表明,在迟滞域内,随着激振频率的改变,共存运动的稳定性也会相应地发生改变。系统弹性刚度比的减小会使得系统迟滞域的频率相应地减小。

含干摩擦及非线性约束碰撞系统的动力学特性

研究了一类单自由度含干摩擦及非线性约束机械碰撞振动系统,通过四阶变步长Runge-Kutta数值算法,分析了该机械振动系统在低频激励下产生的p/1周期运动的动力学特性及其转迁规律,采用多参数协同仿真的方法分析了系统参数对该振动模型动力学特性的影响,揭示了Grazing分岔和Saddle-node在p/1周期运动中的频率迟滞特性以及共存吸引子的范围。最后,结合胞映射法研究了多态共存区内不同吸引子及吸引域的分布情况及其转迁规律。研究结果表明,随着激振频率的减小,Grazing分岔会使p/1周期运动的碰撞次数逐步增加直至发生颤碰运动,而且由于相邻周期运动的不可逆性,在迟滞域内改变不同的初值会得到不同的周期运动共存。

基于线性约束最小方差的稳健波束形成算法

针对平面阵列天线波束形成过程中的波达方向(DOA)估计失配问题,提出在期望信号(SOI)方向附近增加线性约束的算法,有效提升了平面阵列波束形成的稳健性;此外,针对增加线性约束会导致波束形成算法自由度降低的问题,以均匀线阵为例,提出在广义旁瓣相消(GSC)算法模型中添加阻塞矩阵预选环节的算法,有效解决了添加线性约束所致的自由度损失问题,从而使算法在提升稳健性的同时保持了原有的自由度。最后,通过计算机仿真实验验证了所提算法的有效性。

含双侧非线性约束机械振动系统的低频动力学特性

通过4阶Runge-Kutta数值算法,对一类两自由度含双侧非线性约束振动系统进行了研究,分析了该系统在低频激励下p/1周期运动的动力学特性、相互转迁规律以及间隙与周期共存区的对应规律,并结合胞映射法研究了周期运动共存区不同吸引子及吸引域的分布规律。结果表明,系统的周期运动之间主要通过Grazing分岔和Saddle-node分岔进行转迁,由于转迁过程不可逆,使得相邻运动之间存在周期运动共存区,且随着间隙增大,系统的周期共存区范围逐渐减小。

线性约束优化问题的遗传优化方法研究

介绍了线性约束条件的一般形式及线性约束条件的遗传优化方法 ,较全面地阐述了相对于各线性约束条件的各遗传算子的特点、作用及其产生方法 .

基于线性约束最小均方的谐波检测算法

最小均方(Least Mean Square, LMS)算法因其计算复杂度低、稳定性好的特点已广泛应用于谐波检测领域中。但为了避免权重偏移,进一步提高收敛速度,提出了一种基于线性约束最小均方(Linearly Constrained Least Mean Square, LCLMS)的谐波检测算法。该算法在LMS算法的基础上,对权重变量加入了一个线性约束条件,并应用于不同高斯白噪声环境下谐波、间谐波信号的幅值和相角参数评估。最后又在稳态信号、动态信号和电弧炉算例下检验了该算法的可行性。实验结果表明,该算法可以快速准确地检测不同环境下谐波的相关信息,且相比LMS算法有较快的收敛速度和较高的抗干扰能力。

基于遗传算法的退火精确罚函数非线性约束优化方法

提出一种新的基于遗传算法求解非线性约束优化的方法，通过自适应的退火罚因子和不可微精确罚函数来处理约束条件，可以使算法逐渐收敛于可行的极值点。仿真结果表明该方法有较高的求解精度。

改进混沌优化及其在非线性约束优化问题中的应用

:研究一种比较新颖的优化方法——混沌优化 ,并在此基础上提出改进的混沌优化 .它利用混沌变量的特定内在随机性和遍历性跳出局部最优点 ,并在局部搜索空间经过线性搜索提高解的搜索速度和精度 ,通过结合精确不可微罚函数以用于求解非线性约束优化问题 .仿真结果表明 ,与已有的直接搜索方法相比 ,该算法简单 ,容易实现 ,求解精度、收敛速度和可靠性较高 ,满足约束的效果较好 。

液压缸非线性约束下的轧机辊系振动行为

以四辊板带轧机为例,分析液压压下缸及弯辊缸在轧机辊系振动时表现出的分段弹性力和摩擦力两种非线性约束,建立液压缸非线性约束作用下的轧机辊系振动模型,并采用平均法求得振动系统的幅频响应。通过比较两种非线性作用下辊系振动速度和振动幅值的仿真曲线,研究辊系受分段弹性力和摩擦力影响时的行为特性。取不同分段弹性力和摩擦力,仿真分析两种非线性因素分别对轧机辊系幅频特性的影响规律。结果表明,轧机辊系振动速度受分段弹性力大小影响,系统不稳定频率区域随分段弹性力增大而变宽;摩擦力较小时,对辊系振动行为影响表现为阻尼特性,较大时,摩擦力的非线性成为影响辊系振动行为的主要特性。该结论为轧机辊系振动控制提供了理论参考。

基于线性搜索的混沌优化及其在非线性约束优化问题中的应用

提出基于线性搜索的混沌优化方法 ,利用混沌变量的特定内在随机性和遍历性来跳出局部最优点 ,而线性搜索可以提高局部空间的搜索速度和精度。结合精确不可微罚函数求解非线性约束优化问题。仿真结果表明 ,该算法简单易行 ,求解精度、收敛速度和可靠性较高 ,是解决优化问题的一种有效方法。

一种非线性约束优化的微粒群新算法

通过对标准微粒群算法(PSO)改进,采用动态罚函数的方法,提出了一种求解非线性约束优化问题的新算法.由于使用了一种新的适应度函数,该算法具有很强的全局寻优能力.

地震道的非线性约束反演

对于复杂波场储层研究,非线性反演在解空间的性质、状态方面比线性反演更具有优势。基于非线性最优化理论,本文提出了构造—测井约束下的地震资料非线性反演方法,该方法综合了测井约束反演和宽带约束反演等线性反演方法的优点。实际地震资料的处理结果表明,该方法运算速度快、稳定、精度高,在油气储层研究中具有良好的应用前景。

基于迭代线性约束最小方差的稳健自适应脉冲压缩方法

针对常规自适应脉冲压缩方法在目标散射点与采样中心失配时旁瓣抑制性能下降的问题,该文提出一种基于迭代线性约束最小方差(RLCMV)的自适应脉冲压缩方法。该方法首先将自适应波束形成器算法引入到自适应脉冲压缩滤波器设计中。其次对目标及干扰单元进行线性约束,并用对角加载技术避免矩阵出现病态。最后构造了迭代运算方法,依次抑制不同大小目标的距离旁瓣。仿真结果表明,该算法可以有效抑制散射点随机分布目标的距离旁瓣,对散射点与采样中心失配情况具有较好的稳健性,在多目标及距离扩展目标场景中达到较好的旁瓣抑制性能,并在一定程度上提高了多普勒容性。

混合GA与SA求解非线性约束优化

在非线性约束优化中,处理好约束条件和增强局部搜索能力是解决这类问题的关键.本文在给出问题一般形式的基础上,设计了一个模拟退火和遗传算法结合的算法.它用模拟退火算法来增强局部搜索能力,用线性交叉来处理约束以外的解,将可行解与不可行解用适应值的正负来区分.仿真试验表明,该算法收敛速度快、搜索能力强、稳健性好,本方法是对应用遗传算法求解非线性约束优化问题的又一次深入探索.

基于幅相线性约束的自适应和差波束形成方法研究

阵列雷达自适应和差波束单脉冲测角面临信号对消、训练样本有限、波束保形及零点约束困难等问题.针对上述问题,本文提出基于幅相线性约束的自适应和差波束形成方法.该方法通过增加对主瓣临近角度的幅相线性约束条件,有效的克服和波束信号对消的现象;通过引入相位约束条件,使得差波束的在主瓣方向逼近静态差波束,具有良好的稳健性.同时通过合理的设计幅相约束条件实现了单脉冲和差波束测角二维解耦合.仿真实验验证了本文方法的有效性.

具有饱和非线性约束的网络控制系统鲁棒H∞优化控制

针对具有随机时延和数据包丢失的网络控制系统的稳定性问题,考虑到系统存在不确定性及外部输入干扰,将控制输入施加饱和非线性约束,建立具有一般性的系统模型.基于Lyapunov方法,给出具有饱和非线性约束的网络控制系统的鲁棒稳定的充分条件.在此基础上,获得使系统具有γ次优、最优鲁棒H∞控制的充分条件,得到最优H∞镇定输出反馈控制律.仿真表明:H∞镇定判据是可行的,有饱和约束的鲁棒H∞优化控制方法是有效的.

模糊度线性约束的消电离层多频模糊度解算

针对传统多频模糊度解算方法受到电离层延迟影响造成窄巷模糊度解算可靠性降低的问题,提出一种基于模糊度线性约束的消电离层MCAR方法。该方法通过模型等价性原理构建了基于几何相关-消电离层组合模型,并凭借能够可靠解算的超宽巷/宽巷模糊度值形成线性约束,进而构造窄巷模糊度解算模型,最终求解窄巷模糊度及精密定位结果。多组北斗三频实际数据测试结果表明,即使双差电离层延迟达到73.2cm,所提出方法也可实现模糊度解算成功率高于96%,定位精度优于15cm。

非线性约束条件下的二次优化R-CAB算法

为了解决R-CAB算法的方向图零陷不深或无法对准干扰信号方向的问题,在非线性约束条件下,通过二次优化鲁棒周期自适应波束形成算法的的权向量,调整了方向图零陷的位置和深度,改善了输出SINR。优化算法的输出SINR对导引向量随机误差具有稳健性,对期望信号的功率变化表现出不敏感特性,具有很好的的理论价值以及应用前景。理论分析与计算机仿真试验都证明了算法的有效性。

线性约束差分恒模算法

线性约束恒模算法 (LCCM)能解决恒模算法 (CMA)中存在的干扰捕获问题 ,但该算法需要将目标模值σ作为一个参数包含在代价函数中进行优化 ,因而收敛速度较慢 .为克服这一缺点 ,本文提出了一种线性约束差分恒模算法 (LCDCM) ,它可有效避免对最优σ值的搜索 .在单干扰源的情况下 ,该算法的收敛速度和干扰抑制度均优于σ初始值设置不合适的LCCM算法 ;存在多个干扰源时 ,即使对LCCM算法的σ初始值进行最优设置 ,其对独立干扰源的收敛性能也不如LCDCM算法 .