一种基于随机森林的OFDM系统自适应算法

针对动态变化的信道环境,自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统可以对子载波间隔和循环前缀长度进行调整,以最大化系统的吞吐量。为了能够快速准确地找到OFDM系统在不同信道环境中的最优子载波间隔和循环前缀长度取值,本文提出了基于随机森林的OFDM系统自适应算法。随机森林算法基于集成的思想,能够有效处理高维度数据,并且具有高效率、高准确率和强泛化能力等优势,可以在复杂的数据场景下进行有效的分类。通过提取通信过程中信噪比、用户移动速度、最大多普勒频率和均方根时延扩展等信道特征与OFDM系统的子载波间隔和循环前缀长度组成训练样本,利用随机森林算法创建了OFDM系统参数多分类模型。所提模型可以根据输入的信道特征,实现OFDM系统子载波间隔和循环前缀长度的自适应分配。同时,针对训练样本主要集中在少数几个系统参数类别的情况,利用合成少数类过采样技术对较少样本数的类别进行扩充,满足了随机森林算法对训练样本类别平衡化的需求,进一步提高了算法的分类准确率。相比传统的自适应算法,所提算法具有更高的分类准确率和模型泛化能力。分析和仿真结果表明,与子载波间隔和循环前缀长度固定的OFDM系统相比,本文所提出的自适应算法能够准确选择出最优的系统参数,可以有效地减轻信道中符号间干扰和子载波间干扰的影响,从而在整个信噪比范围上提供最大的平均频谱效率。基于随机森林的OFDM系统自适应算法能够动态地分配子载波间隔和循环前缀长度,增强OFDM系统的通信质量和抗干扰能力,实现在不同信道环境下的可靠传输。

决策树码率自适应算法的无数据蒸馏框架

码率自适应(Adaptive Bit-Rate,ABR)算法是流媒体视频传输中至关重要的技术.该算法根据当前网络情况和播放状态等因素,为下一个视频块选择合适的码率,以确保用户获得良好的体验质量(QoE).其中,基于学习的ABR算法因其不依赖传统模型和从头学习策略的特点,表现出良好的性能,并逐渐取代需要繁琐调优的启发式ABR算法,成为研究领域的热点.然而,这些算法使用神经网络推理,导致模型参数较多,整体计算量较大,使得在实际场景中难以部署.因此,以往的研究提出了决策树蒸馏方案,即使用轻量级的决策树来提取基于学习的ABR算法的专家策略,并在线上部署这些决策树.然而,本文的实验结果表明,过去的蒸馏框架忽略了训练环境对蒸馏后策略的影响,导致策略的泛化能力较差.因此,本文提出了一种名为NIA(data-free Network-environmental Imitationbased rate Adaptation framework)的新型无数据蒸馏框架,用于生成具有更好泛化性能的决策树A BR算法.NIA通过网络环境生成模块构建多个人工网络环境,并在每次迭代训练前使用环境选择模块来选择适合的网络场景,然后与该场景进行交互,利用基于学生驱动的模仿学习算法完成决策树的蒸馏过程.本文还设计了完整的评测平台测试NIA的性能.实验表明,NIA在各种带宽数据集上展现出良好的QoE性能和泛化性能:(1)相较于启发式算法,在QoE指标上提升了1%~46%;(2)与以往的决策树蒸馏方案相比,在低带宽场景下表现相当,但在高带宽场景下提升了近1倍;(3)总体性能接近甚至超过基于学习的算法(即专家策略)的表现.

深空探测应用微型化自适应算法控制器研究

深空探测应用控制系统中最为核心的是控制器的设计。通过采用先进的控制策略,能降低对控制器处理能力的需求。面对工作需求多样,工作内容复杂的深空探测应用,微型化控制器需要更加智能的算法和更加合理的控制策略来维持系统的稳定性。

基于自适应算法的二次回路故障隔离技术研究

本公司对电力系统的运行进行了深入的研究与分析,发现二次回路在运行的过程中很容易出现故障问题,对整体电路运行造成严重不良影响。经过相应的探讨与验证,发现自适应算法的二次回路故障隔离技术具有良好的应用效率,降低了故障问题对其他电力系统造成的不良影响,保证了电力系统运行的安全性以及稳定性。

基于自适应算法的市场交易系统动态调整与性能优化

随着社会经济的快速发展,建筑垃圾回收循环利用作为一种环保和资源高效利用的方式受到了广泛关注,而市场交易系统在推动这一领域发展中发挥着关键作用。本文基于自适应算法,致力于设计一个动态调整与性能优化的市场交易系统,以促进建筑垃圾的有效回收和资源化利用。系统涵盖了买方用户平台、卖方用户平台、评价系统等多个模块,同时引入自适应算法,旨在提升系统的智能性、效率性和用户体验。

基于模仿学习的决策树码率自适应算法研究

码率自适应(ABR)算法是提升流媒体服务质量的有效方法,主要分为启发式算法和基于学习的算法两类。传统的启发式算法基于固定的规则,难以应对多变的网络环境,基于深度强化学习的算法映射表达能力较好,但其鲁棒性不佳且可解释性较差。针对上述问题,提出一种基于模仿学习的决策树码率自适应算法ABRTree。针对帧级别直播传输系统设计有效的专家ABR算法,并对专家算法的时序经验数据进行离散化处理。采用分类回归树作为码率决策的基础模型,基于专家算法给出的示例数据,采用DAgger算法进行决策树的训练。在此基础上,通过剪枝操作剔除出现较少的样本,从而提升决策树模型的泛化性。实验结果表明,ABRTree在多种视频场景下均能保证画面质量,同时取得较低的端到端延时和较少的卡顿,相比BBA、HYSA和FrameMPC算法,ABRTree算法的QoE性能可以提升1.0%~29.1%,且决策树模型能够直观表达输入特征与码率决策之间的关系,具有较好的可解释性和映射表达能力。

基于元学习的双目深度估计在线适应算法

双目深度估计的在线适应是一个有挑战性的问题,其要求模型能够在不断变化的目标场景中在线连续地自我调整并适应于当前环境.为处理该问题,提出一种新的在线元学习适应算法(Online meta-learning model with adaptation,OMLA),其贡献主要体现在两方面:首先引入在线特征对齐方法处理目标域和源域特征的分布偏差,以减少数据域转移的影响;然后利用在线元学习方法调整特征对齐过程和网络权重,使模型实现快速收敛.此外,提出一种新的基于元学习的预训练方法,以获得适用于在线学习场景的深度网络参数.相关实验分析表明,OMLA和元学习预训练算法均能帮助模型快速适应于新场景,在KITTI数据集上的实验对比表明,本文方法的效果超越了当前最佳的在线适应算法,接近甚至优于在目标域离线训练的理想模型.

基于自适应算法的主动式声诱饵声隔离方法

针对一体式主动声诱饵边收边发模式出现的声串漏现象,引入有效消除声串漏的滤波器。针对高/低声速壳体材料的电子舱,以带限白噪声为激励信号利用自适应算法仿真串漏传递函数并配置到滤波器中,改变自适应滤波器阶数,分析自适应算法对高/低声速材料电子舱串漏传递函数仿真效果,评估增大声隔离度的能力。仿真结果表明,由于发射接收距离较近且电子舱壳体存在导致接收总声场发生严重畸变,增加自适应滤波器阶数可有效提高转发诱骗信号质量,增大系统声隔离度。

一种关于有效步长约束的自适应算法

鉴于Adam算法在迭代后期因有效步长过大而导致算法的收敛性能下降,本研究提出了一种名为MAXGrad的优化算法。MAXGrad通过修改二阶矩的迭代公式以限制有效步长的增长。为深入评估MAXGrad算法的实际应用和性能,本文扩展了实验范围,采用三个较大规模的数据集,并与SGDM、Adam以及AMSGrad等算法进行了详细比较。实验结果清晰表明,在多个数据集上,MAXGrad算法相对于Adam和AMSGrad等自适应算法均取得了显著的性能改进。这些结果充分验证了MAXGrad算法作为一种全新的有效步长迭代算法的可行性和卓越性能。

基于多传感器组合导航系统的自适应算法研究

针对组合导航系统中Kalman滤波算法的噪声方差阵异常或动态模型不准确而导致滤波精度下降的问题,提出了一种基于SINS/偏振光/GPS组合导航的自适应滤波算法。该算法首先通过对导航系统中不同导航器件冗余测量值进行差分序列统计分析,估计出近似真实的量测噪声统计特性,在此基础上根据新息协方差对系统噪声方差阵进行调整,从而实现自适应调节噪声方差阵来提高滤波精度。通过组合导航仿真实验,结果表明:该算法在系统动态模型不准确,量测噪声统计特性未知或者观测信息发生突变的情况下,可以有效改进滤波精度。

基于自适应算法的电抗器有源降噪实验研究

电抗器噪声能量主要集中在1/3倍频程100 Hz,具有明显的音调特性。基于此,提出采用基于谐频控制算法的窄带有源噪声控制系统对电抗器对外辐射噪声进行控制,并在实验室内完成了仿真验证。实验结果表明,此方法可实现较好的降噪效果,单次级源100 Hz时可实现12.6 dB降噪量,200 Hz时可实现3.8 dB降噪量;四次级源100 Hz时可以实现22.6 dB的降噪量,200 Hz时可以实现19.3 dB的降噪量。降噪效果的优劣不仅与次级源个数有关,次级源布置方式亦可对降噪效果产生重要影响。

基于人工智能的音视频参考帧自适应算法分析

为保障广播电视音视频的清晰度、精确度,可以基于人工智能技术进行音视频参考帧自适应,契合当前广播电视网络发展现状,实现端点到端点之间音视频质量和码流的综合优化。分析基于人工智能的音视频参考帧自适应算法,以期为我国广播电视网络和视听传播技术的发展提供参考。

基于自适应算法的特种车辆低压无刷直流电机控制方法

为实现对无刷直流电机的高效率控制,引进自适应算法,以特种车辆为例,设计一种针对低压无刷直流电机的全新控制方法。根据电机的运行参数,建立特种车辆低压无刷直流电机数学模型;引进Mamdani进行模糊参数的推理决策,基于“最大与最小”关系的直接推理法,设定特种车辆低压无刷直流电机模糊控制量;引进自适应算法,假设特种车辆低压无刷直流电机在运行中产生的信号以离散差分进行表示,将自适应控制过程作为微粒在粒子群空间中最优位置的检索迭代过程,设计无刷直流电机调速主动控制过程。选择某特种车辆机电开发商作为研究对象,设计对比实验,结果证明设计的控制方法,不仅可保证对电机的高效率控制,也可降低在控制过程中电机转速不稳定导致的损耗,确保电机在控制时的稳定运行。

基于分段三次样条曲线的高速加工平滑运动轮廓自适应算法研究

针对高速加工的需求,提出了一种基于分段三次样条曲线的机床运动轮廓自适应生成算法。该算法能够保证机床在高速运行过程中加加速度（加速度的变化率）的恒定、加速度的连续、速度与时间关系的一阶连续、位移与时间关系的二阶连续,并且保证在各自的约束范围内,从而使机床的运动平稳,避免产生大的冲击和振动。分析了速度、加速度、加加速度的约束条件以及机床行程对平滑运动轮廓的影响,根据这些约束条件,该算法自适应地调整速度变迁各阶段的时间。针对多个程序段的加工,提出了分段常速与平滑变迁控制的策略。该算法简单、有效,已在最新开发的国内第一台高速玻璃刻花加工中心上实现。

背包问题的一种自适应算法

背包问题是经典的NP hard组合优化问题之一 ,由于其难解性 ,该问题在信息密码学和数论研究中具有极重要的应用 基于求解背包问题著名的二表算法和动态二表算法 ,利用归并原理和 4个非平衡的子表 ,提出一种求解该问题的自适应算法 ,算法可根据计算资源和问题实例规模的大小 ,允许使用O (2 n/ 2 -ε)的存储空间 (1≤ε≤n/ 4 ) ,在O(ε(2 n/ 2 ) )的时间内求解背包问题 对算法性能的理论分析和数值实验结果表明 ,自适应算法可显著扩大背包实例的求解规模 。

一种改进的解相关LMS自适应算法

针对变步长LMS自适应滤波算法在输入信号高度相关时,收敛速度下降导致性能下降的问题,提出了一种改进的解相关LMS自适应算法,该算法引入解相关原理和归一化处理,用输入向量的正交分量来更新滤波器权系数,有效加快了算法的收敛速度,且稳态误差小,使得算法在有色输入和大范围的动态输入下都能保持良好性能.

一种新的变步长LMS自适应算法及其在自适应噪声对消中的应用

许多时变步长（ＶＳＳ）自适应算法已经提出用来完善标准ＬＭＳ算法的性能，但实验表明这些算法容易受噪声干扰。本文介绍了一种新的变步长ＬＭＳ自适应算法，这种算法保证了较小的失调，同时使算法在自适应初始阶段有较快的收敛速度。该算法的优越性在于它不受已经存在的不相关噪声的干扰。本文对该算法的收敛性和稳定性进行了分析，并将该算法应用于自适应噪声对消的仿真实验中，给出了计算机的仿真结果。

渐消卡尔曼滤波器的最佳自适应算法及其应用

本文依据卡尔曼滤波器在使用最佳增益时,其余差序列互不相关的性质,开发了一种新的渐消滤波算法。该算法根据对象输出,在线自适应地调整遗忘因子,从而使滤波器在对象模型存在误差或对象受到外扰时,仍收敛并保持最佳性。该算法已应用于造纸机控制,取得较好效果。

基于自适应算法的单目视觉系统的姿态解算

提出了自适应总体最小二乘算法,以进一步提高单摄像机视觉测量系统光学特征点的姿态解算精度,研究并对比了常用的总体最小二乘算法及自适应总体最小二乘算法在测量系统中的应用。首先,根据空间几何位置关系构建光学特征点、像点及摄像机位置的系统坐标系及三维空间模型,并建立关于光学特征点及像点的矩阵方程。然后,应用常用的总体最小二乘法及自适应总体最小二乘法进行优化求解。最后,基于优化的总体最小二乘解确定光学特征点相对世界坐标系的姿态。应用三坐标测量机进行仿真对比实验,结果表明:常用的总体最小二乘算法得出的姿态坐标的标准差为0.055 7mm,自适应总体最小二乘算法得出的姿态坐标的标准差为0.041 4mm。相比之下,自适应总体最小二乘算法有更高的收敛速度及收敛精度,且解算速度优于常用总体最小二乘算法,满足单目视觉测量系统的稳定、可靠和精度高等要求。

基于箕舌线的变步长LMS自适应算法

通过建立步长因子μ与误差信号 e之间的非线性关系 ,提出一种新的基于箕舌线的变步长 LMS算法 ,并将其应用于通信降噪。该算法除了具有传统固定步长 LMS算法计算量小、稳定性较好、简单、易于实时处理等优点外 ,计算机仿真结果表明 ,其收敛速度、稳定性以及跟踪速度优于 SVSLMS算法和 NLMS算法 ,且不需进行指数运算 ,计算复杂度低于 SVSLMS算法 ,用于通信降噪取得了较好的效果。