XL-MIMO系统中随机Kaczmarz算法的仿真与实现

超大规模多输入多输出(Extra-Large Scale Multiple-Input Multiple-Output,XL-MIMO)是未来的第六代移动通信(The 6th Generation Mobile Communication Technology,6G)关键技术之一,但是由于XL-MIMO系统采用了超大规模天线阵列,其信号处理需求非常庞大,增加了计算复杂度。这对信号的检测算法有了更高的要求,由此对XL-MIMO系统中低复杂度算法进行研究是十分重要的。首先介绍了XL-MIMO系统信道模型,然后引入了预编码技术,将随机Kaczmarz算法和传统的MMSE算法在完美非平稳信道的归一化传输功率的误码率情况、用户数量复杂度情况、天线数量复杂度情况进行了仿真分析与比较。结果表明随机Kaczmarz算法具有更低的计算复杂度,并且是一种可以准确实现的快速算法。

基于随机Kaczmarz算法的最小二乘拟合

最小二乘法是一种常用的数据拟合方法,当实验数据庞大时,对应一个大型超定线性方程组,采用一般的求解方法会面临计算量大的困难.随机Kaczmarz算法是求解大型超定线性方程组的经典算法之一,将其应用于最小二乘拟合,实验结果表明拟合效果好.

大型稀疏线性系统的一类含参数的贪心随机Kaczmarz算法

为了求解大型稀疏线性系统,在贪心随机Kaczmarz(greedy randomized Kaczmarz,GRK)算法的迭代公式中引入松弛因子,构造了一种含参数的贪心随机Kaczmarz算法.证明了当线性系统相容时该算法的收敛性.数值实验表明,当选择恰当的松弛因子时,该算法在迭代步数和计算时间上比贪心随机Kaczmarz算法更有效.

求解线性方程组稀疏解的稀疏贪婪随机Kaczmarz算法

求解线性方程组的稀疏解在图像重构、信号处理和机器学习等领域中具有广泛的应用,通过引入l_(1)-范数正则化,可以转化为求解一个约束优化问题。基于一种选择系数矩阵工作行的概率准则,提出了稀疏贪婪随机Kaczmarz算法,并给出了有噪声干扰和无噪声干扰情况下该算法的收敛性分析。理论表明本文算法的收缩因子小于随机稀疏Kaczmarz算法的收缩因子。数值实验验证了本文算法的有效性。

一种求解大型离散不适定问题的正则化随机Kaczmarz算法

Tikhonov正则化是求解线性离散不适定问题的有力工具,然而,针对大规模问题的有效方法仍然缺乏。Kaczmarz方法由于其简单性,是求解大型线性方程组的有效迭代投影算法。因此,本文结合Tikhonov正则化和随机Kaczmarz方法,提出了一种求解大型离散不适定问题的正则化随机扩展Kaczmarz(Regularized randomized extended Kaczmarz,RREK)算法,同时证明了算法的收敛性。数值实验表明,与现有的随机扩展Kaczmarz(Randomized extended Kaczmarz,REK)方法相比,该算法具有更高的精度,图像恢复质量更优。

求解相干线性方程组的稀疏惯性随机Kaczmarz算法

双子空间投影算法和多步惯性随机Kaczmarz算法是求解相干线性方程组的有效算法,本文通过软阈值函数对这两种算法进行修正,提出了稀疏双子空间投影算法和稀疏多步惯性随机Kaczmarz算法,并给出其在有噪声干扰和无噪声干扰情况下在期望意义下的线性收敛率估计.通过数值实验验证本文所提算法的有效性和优越性.

一种随机森林增强的车载容迟网络路由算法

针对车载容迟网络(Vehicular Delay Tolerant Network,VDTN)中车辆节点高速移动造成的通信链路不稳定性问题,利用车辆节点的移动模式,提出了一种随机森林增强的VDTN路由算法.首先,引入与车辆节点运动相联系的属性并利用动态相遇奖励机制对车辆节点进行分类,以此构建初始随机森林模型.接着,从决策树的分类性能和多样性两个方面优化模型,选择分类性能好、多样性高的决策树构造改进的随机森林模型,其中,决策树的分类性能和多样性分别根据每棵树分类错误率及相应的惩罚权重和由不合度量定义的决策树之间的相似度来衡量.最后,根据改进的随机森林模型提出新的VDTN路由算法.仿真实验证明,所提出的路由算法能显著提高消息的投递率,降低消息的投递时延,从而验证了其有效性.

基于随机游走麻雀搜索算法的多特征结构尺寸熔融沉积成型工艺参数优化

在熔融沉积成型过程中,打印参数对成型样件精度有着重要影响.为了提高整体尺寸精度,采用随机游走的麻雀算法获得最优实验方案.首先,以熔融沉积成型的分层厚度、喷头温度、打印速度和填充率为实验变量设计4因素4水平的正交试验;然后,以样件不同特征结构尺寸的相对误差为优化对象,使用田口-灰色关联法对实验数据进行处理;最后,通过随机游走的麻雀算法计算最优参数方案.结果表明,相比常用的田口-灰色关联法,采用优化后工艺参数成型样件的综合尺寸精度提高了20%,灰色关联度提高了27%.

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。

PSO算法下GP-周期随机共振的微弱OFDM信号检测

为了解决传统随机共振系统在微弱正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号解调应用中存在的人工选择参数困难、解调效果差的问题,提出一种基于粒子群优化(Particle Swarm Optimization,PWO)算法的GP(Gaussian Potential)-周期随机共振系统的微弱OFDM信号检测方法。该方法利用GP-周期随机系统对OFDM信号经正交变换后的两路高频信号分别进行随机共振,同时运用阻尼参数与信号频率之间的关系对两路信号进行降频处理,使得上下两路信号都能够发生随机共振;然后使用PWO算法对随机共振的系统参数进行优化处理,以使得上下两路信号达到最优的共振效果;最后,将上下两路共振之后的信号合成完成OFDM信号解调,得到最终的数字序列。本文探讨了优化前后GP-周期随机共振系统的共振效果,研究了优化前后GP-周期随机共振诱导下的OFDM系统星座图的聚集程度以及误码率情况,对比分析了经典双稳随机共振、经典三稳随机共振和所提模型对OFDM信号检测的影响。仿真结果表明:相比常用的传统随机共振模型,该方法用于OFDM信号检测的星座图中信号点的聚集程度更高,同时OFDM系统误码率在同样的信噪比下降低50%左右。

基于随机森林算法的重型颅脑损伤患者并发急性胃肠损伤的现状及风险模型构建

目的探讨重型颅脑损伤患者并发急性胃肠损伤的危险因素,为预防急性胃肠损伤提供借鉴。方法2021年1月至2023年1月,便利抽样法选取某院收治的重型颅脑损伤患者150例为研究对象,建立基于重型颅脑损伤并发急性胃肠损伤的危险因素的随机森林算法的预测模型。结果150例重症颅脑损伤患者中,并发急性胃肠损伤患者94例,占62.67%。是否并发急性胃肠道损伤的患者在糖尿病、白蛋白、APACHE-Ⅱ评分、休克指数、液体负平衡、酸中毒、深度镇静、呼吸衰竭方面的差异均有统计学意义(均P<0.05)。构建重型颅脑损伤并发急性胃肠损伤的随机森林模型,树的数量为103时出现的错误率最低;影响重型颅脑损伤并发急性胃肠损伤的因素重要性排序为糖尿病、液体负平衡、急性生理与慢性健康评分、白蛋白、深度镇静及酸中毒;随机森林模型预测重型颅脑损伤并发急性胃肠损伤的受试者工作特征曲线(receiver operating characteristic,ROC)下面积(area under curve,AUC)为0.798,Logistic回归模型的AUC为0.773。结论构建的重型颅脑损伤并发急性胃肠损伤的风险预测模型预测效能较高,临床值得推广应用。

基于Kaczmarz算法的磁粒子成像快速重建算法研究

目的:为了解决磁粒子断层成像中系统矩阵方法成像时间长、计算复杂的问题,提出一种基于Kaczmarz算法的磁粒子成像快速重建算法。方法:首先,分析经典Kaczmarz算法及其变体算法的收敛速度,并计算在任意矩阵下的迭代次数和计算时间;其次,比较欧氏距离和余弦距离对系统数据的区分能力,并运用基于余弦距离的K-means算法来增强块Kaczmarz算法的运算能力,缩短系统矩阵重建时间并最终实现磁粒子成像快速重建。最后,通过计算机仿真实验验证提出的算法的有效性。结果:提出的算法大幅缩短了重建时间,提高了重建图像的空间分辨力和质量。结论:提出的算法可以实现磁粒子成像的快速重建,并且在处理含有噪声的数据时具备较强的重建能力。

基于随机森林算法和K-means算法的网络攻击识别方法

5G网络与核电的深度融合能够提升核电厂生产安全管控水平,减少人为事故,促进核电行业安全和经济发展。但由于网络的接入,为核电安全生产带来了一定的安全风险,恶意攻击者会通过向核电5G网络发起攻击进而破坏核电生产。为了解决核电5G网络场景下面临的网络异常和恶意攻击的问题,提出了一种在核电5G网络场景下基于随机森林算法和K-means算法的实时网络异常检测和网络攻击识别方法,对于提高核电网络安全具有重要的意义。

基于改进随机森林的大坝监测数据质量评价算法

针对大坝安全监测数据质量评价效率低下、智慧化不足等难题,为了满足大坝高频率自动化采集的实时数据质量评价需要,从准确性、完整性、时效性和连续性4个方面出发提出了6项评价因子及由相关评价规范构成的安全监测历史数据质量评价标准,通过基于AUC值改进的随机森林算法建立了大坝安全监测历史数据质量评价算法,并将该算法应用于新疆柳树沟面板堆石坝多年安全监测历史数据评价。结果表明:通过AUC值改进的随机森林算法优于原始算法,在特征属性数量取3时效果最好,测试集的泛化误差最小仅为0.0195,平均准确率稳定在96.97%附近,10折交叉验证平均准确率达到97.77%,证明了该算法的可行性。

基于随机森林模型与SHAP算法的渝东北烟区土壤交换酸含量影响因素分析研究

【背景和目的】土壤交换酸含量在农业生产中对于指导施肥和调节土壤pH具有重要作用,研究环境因子(气候、地形、成土母岩)和种植年限对土壤交换酸(Exchangeable Acidity, EA)含量的影响。【方法】以重庆市东北烟区为研究区,对该区中483个采样点的土壤交换酸数据进行统计分析,构建随机森林(Random Forest, RF)模型并结合Shapley Additive exPlanations(SHAP)算法,探讨影响土壤交换酸含量的主控因素。【结果】(1)研究区土壤交换酸含量在1.56~27.50 cmol/kg之间,与降水、日照时数、坡向、种植年限呈极显著负相关性。二叠系石灰岩发育的土壤交换酸含量显著高于三叠系石灰岩发育的土壤。(2)RF模型可解释土壤交换酸含量空间变异的64%,影响因子对土壤交换酸含量的重要性为气候>成土母岩>种植年限>地形。(3)SHAP算法揭示了土壤交换酸含量在不同气候条件下存在明显的阈值效应。当年均降水量、日照时数和均温分别超过1250 mm、1290 h和12℃时,会导致土壤交换酸含量的减少,反之则会促使其增加。【结论】气候是影响土壤交换酸含量变异最重要的环境因素,其中降水和日照时数是最重要的气候因子,研究结果可为烟田土壤酸化管理调控提供参考。

基于随机森林算法的薄煤层工作面开采效能预测研究

薄煤层开采环境恶劣,开采效能受井下多种因素影响。为研究各因素对开采效能的影响程度,预测薄煤层开采效能,首先,从130个已开采薄煤层工作面中提取了煤层厚度、工作面长度、煤层平均倾角、煤层硬度、煤层断层、煤层顶底板、煤层水文、煤层夹矸、瓦斯矿井类型、煤层自燃性、煤层稳定性、煤层层状起伏、采煤工艺、工作面月产量和工作面主要装备等15种开采效能影响因素,将其详细划分为20个影响因子;其次,筛选了37个数据较完整的工作面样本,并基于随机森林算法、网格搜索法和3折交叉验证法训练了薄煤层工作面开采效能最优预测模型,其测试集准确率约95.2%,R2为0.924;同时,最优模型绘制了开采效能影响权重图,月产量、采煤机装备、工作面长度和煤层厚度对开采效能影响较大,其他参数影响较小;最后,以双阳煤矿某薄煤层工作面为例,对其开采效能进行预测,并从工作面产量、工人工效和装备利用率三方面对预测值进行理论校验,校验结果在随机森林模型的预测范围内,验证了随机森林开采效能预测模型的可靠性,为薄煤层工作面开采设计提供了一种参考。

RG-BFT:基于随机分组的拜占庭容错算法

随着网络环境的复杂性和网络用户数量的不断增长,区块链的发展逐渐受到共识算法的效率、安全性和可靠性的制约。针对此类问题,提出一种基于随机分组的拜占庭容错算法(random grouping-based Byzantine fault tolerant algorithm, RG-BFT),提高共识算法的效率和可靠性。使用随机选择算法与投票机制相配合,减少共识过程中的节点数量和消息数。此方案具有随机性和公正性,在保证系统活性的前提下,提高了达成共识的效率。实验结果表明,RG-BFT算法能实现较低的共识时延和通信开销及高交易吞吐量。

基于灰狼算法改进随机森林算法的爆破振动速度预测研究

为改善露天矿爆破作业过程中的峰值质点速度在采用传统经验公式和单一仿生算法时预测精度不够的问题,引入灰狼算法(GWO)优化了随机森林算法(RF)中决策树的棵数和层数2个超参数,成功构建了基于灰狼算法改进的GWO-RF爆破振动速度预测模型。结合某爆破工程69组爆破监测数据,以爆心距、最大段药量、总装药量、微差时间、炮孔数、孔距、孔深及排距为输入参数,运用GWO-RF预测模型和RF模型进行爆破振动峰值速度预测对比。结果表明:GWO-RF组合算法能够考虑更多符合实际的爆破振动速度影响因素,GWO-RF组合算法误差率比RF算法提高了37.83百分点;GWO-RF组合算法的爆破振动速度预测精度达到97.72%。说明GWO成功优化了RF中决策树的2个超参数,也证明GWO-RF组合算法能很好进行露天矿爆破振动速度预测。

基于随机森林算法的急性持续性眩晕患者脑卒中风险预测模型构建

目的构建基于随机森林算法的急性持续性眩晕患者脑卒中风险预测模型。方法回顾性选取2019年1月至2022年12月郑州市第七人民医院400例急性持续性眩晕患者为研究对象,采用6∶4比例将患者分为训练集(240例)及验证集(160例)。利用R 4.1.3软件包将最终获得的训练集数据中未发生脑卒中的患者定义为0,发生脑卒中的患者定义为1,收集受试者临床数据,采用软件包中随机森林等数据包筛选急性持续性眩晕患者脑卒中发生的影响因素,并构建基于随机森林算法的预测模型,通过绘制列线图对预测模型进行可视化处理,使用一致性指数(C-index)、决策曲线分析预测结果;通过验证集数据验证该模型预测效能。结果随机森林算法共筛选出中枢性眩晕史、高血压、房颤史、高脂血症4个变量为急性持续性眩晕患者脑卒中发生的影响因素,构建基于随机森林算法的预测模型,绘制列线图显示,预测急性持续性眩晕患者脑卒中的C-index为0.846(95%CI 0.760~0.910),校正曲线显示绝对误差为0.043;验证集C-index为0.827(95%CI 0.738~0.895),绝对误差为0.048。受试者工作特征(ROC)曲线分析显示,预测模型预测急性持续性眩晕患者脑卒中的ROC曲线下面积(AUC)为0.820,敏感度为81.00%,特异度为78.00%。决策曲线分析训练集的阈值概率范围为22%~100%,在该范围内根据模型的预测概率进行干预的临床净收益高于对所有人不进行(无)和对所有人进行干预(所有)。结论中枢性眩晕史、高血压、房颤史、高脂血症是持续性眩晕患者脑卒中风险预测因子,基于此建立的随机森林算法预测模型可用于急性持续性眩晕患者脑卒中发生风险的预测。

基于多特征组合优选与随机森林算法的石漠化信息提取——以云南省昭通市为例

石漠化是我国西南地区最主要的地质生态灾害之一,其引发的土地资源丧失、生态系统退化、干旱缺水等问题严重威胁着地区的生态安全、粮食安全和不发生规模性返贫。因此精确提取石漠化信息对区域经济社会持续发展至关重要。针对当前石漠化信息提取中存在的时相单一、时效性差、区域尺度提取结果精度低等问题,以云南省昭通市为例,提出一种多特征组合优选的分类方法。在优选样本和特征的基础上,利用Sentinel-2影像和DEM数据提取光谱、指数、植被覆盖度、基岩裸露率、纹理、地形等多特征,构建5种分类方案,并采用随机森林分类算法完成提取。结果表明:2020年昭通市石漠化土地面积为2820 km2,占全市土地利用/覆被面积的11.11%,分类结果与实地调查区域一致性较好;利用Jeffries-Matusita distance(JM距离)得到的特征优选方案总体精度为88.0%,Kappa系数为0.85,石漠化土地生产者精度和用户精度分别达到91.2%和83.8%。本研究提出的方法能够较为准确地获取区域尺度石漠化空间分布信息,可为相关部门开展石漠化防治与监测工作提供参考。