基于多IRS辅助的MU-MISO系统安全通信方案

在无线通信系统中,智能反射面(intelligent reflecting surface,IRS)可以调控反射单元的相移来反射信号,用于增强用户信号并抑制窃听者信号,解决基站和用户之间的安全通信问题。针对该问题,以系统加权和保密速率最大化为目标提出一种多IRS辅助多用户多输入单输出(multi user-multiple input single output,MU-MISO)系统的安全通信方案。该方案首先将最大化加权和保密速率问题分解为发射波束形成和人工噪声向量优化、多IRS相位矩阵优化的两个子问题;其次,采用半定松弛、引用文献定理、辅助变量替换、一阶泰勒近似等方法,将每个子问题转换为简单凸问题进行求解;最后,基于交替优化算法依次求解两个凸优化子问题。数值仿真结果表明,与另外三个方案相比,所提方案可以有效增强系统的安全通信性能,并表明了多IRS部署比单个IRS可以实现更好的系统安全性。

求解三块变量约束凸优化问题的邻近部分平行分裂算法

考虑线性约束三块变量的凸优化问题,在部分平行分裂算法中选取不同步长参数的基础上,提出一种邻近部分平行分裂算法,并证明该算法的收敛性.该算法通过在部分平行分裂算法中选取不同步长参数的基础上,在一个子问题的目标函数中加入邻近项,建立新的参数条件.与部分平行分裂算法相比,该算法极大放松了参数条件,使算法更具实用性.数值实验结果表明,与已有算法相比,该算法的迭代次数和计算时间均显著下降.

基于交替方向乘子法的动态经济调度分散式优化

跟踪凸优化理论最新进展,基于交替方向乘子法,提出一种动态经济调度问题的分散式优化方法,以解决集中式优化调度在智能电网下面临的诸多困难。借鉴IEC 61970标准中CIM建模思路,将电网模型解耦为设备、端子和连通点模型,使传统的网络模型转换为一个分散式的电气模型。在算法上,通过每次迭代中邻近设备间少量的消息传递,实现各设备子优化问题的并行求解。所提方法无需全局协调和同步迭代,呈现即插即用和自愈的特性;所建子优化模型的目标函数和约束均为凸,保证了算法的收敛性。几个系统的计算表明,所提方法具有极高的计算效率和良好的收敛特性,是适应未来电网发展的新思路。

去除椒盐噪声的交替方向法

传统图像去噪法基于有用信息和噪声频率特性的差别实现去噪,实际中,有用信息和噪声在频带上往往存在重叠,因此,传统去噪法在抑制噪声的同时,往往损失了细节信息,使图像变模糊.本文引入稀疏与低秩矩阵分解模型描述图像去噪问题,基于该模型,采用交替方向法(Alternating direction method,ADM)得到复原图像.实验证明该方法比常用的中值滤波法更有效地抑制了椒盐噪声,同时更好地保持了原始图像的细节信息.

空间目标图像的非凸稀疏正则化波后复原

现有的空间目标图像波后处理方法多直接套用自然光学图像的复原技术,效果并不理想。本文通过分析空间目标图像的近似稀疏性和灰度值服从超拉普拉斯分布的独有特点,提出了一个采用正则化方法的非凸稀疏正则化空间目标图像复原模型。在数值计算过程中,根据交替方向乘数法将复原模型分解为两个子问题,对凸优化子问题采用快速傅里叶变换求解,对非凸优化子问题采用固定点迭代方法求解。文中设计了非凸稀疏正则化空间目标图像波后复原的完整算法流程,并针对模拟图像和真实空间目标图像进行了对比验证。结果显示:相对于最近的流行算法,提出方法的最大峰值信噪比提高了2dB,最大平均结构相似度提高了0.17,最大信息熵提高了3.85,图像清晰度提高了2.65。

线性空间中的一类新广义凸集及其应用

在线性空间中引进了一类新广义凸集,研究了它的一些性质,获得了包括择一定理等在内的一系列结果,最后讨论了此类广义凸集在向量优化中的一些应用.

一种基于交替凸优化的视频对象分割算法

现有视频对象分割方案多数存在应用场景受限、运动背景过分割等问题,为此,提出一种可从视频序列中自动检测重要对象的无监督视频对象分割算法。从前景和背景概率分布的角度引入马尔可夫能量、时空能量和对抗能量。将视频对象分割问题建模为基于3种混合能量最小化的非凸优化问题,利用基于交替凸优化的方法将其分解为2个二次规划问题。采用前向-反向传递策略,以充分利用时域相关性从而提高对象分割的可靠性。结合多种视频数据集进行仿真,结果表明,与其他最新的视频对象分割算法相比,该算法的分割性能有明显提高。

稳健PCA的快速交替方向乘子法研究

稳健PCA是从稀疏粗差的测量矩阵中恢复低秩矩阵,在计算机视觉中有许多应用。文中提出一种稳健PCA求解的快速交替方向乘子法,即利用平滑技术对目标函数中非平滑项进行光滑处理,采用快速操作算子改善算法收敛速率。数据仿真和视频背景建模实验表明,文中算法在精度和效率上优于其它算法,适用于大规模问题的有效求解。

三种高效快速的量子态滤波和估计优化算法

针对不同干扰和噪声情况下的量子状态估计和滤波问题,分别提出相应的高效量子状态密度矩阵重构凸优化算法.对于稀疏状态干扰和测量噪声同时存在的情况,提出量子状态滤波算法.对分别存在稀疏状态干扰和测量噪声的情况,提出相应两种不同的量子状态估计算法.在5量子位的状态密度矩阵估计仿真实验中分析不同采样率下的3种算法性能.实验表明,3种算法均具有较低的计算复杂度、较快的收敛速度和较低的估计误差.

广义凸集值向量优化问题的弱有效解

在序线性拓扑空间中定义了广义凸集值映射. 引进了相对内部, 应用凸集分离定理建立了一个广义凸集值映射的择一性定理. 运用此定理获得了弱有效解意义下的集值向量优化问题的最优性条件.

部分生成锥内部凸-锥-凸映射和向量优化问题

在局部凸拓扑向量空间中引入部分生成锥内部凸-锥-凸映射的概念,建立了择一定理。在部分生成锥内部凸-锥-凸映射下,得到了既有等式约束又有不等式约束的向量优化问题弱有效解的最优性必要条件。

求解凸优化的交替极小化变体及其次线性收敛性分析

交替极小化方法是求解变量分块凸优化问题的一个基本的方法,其主要困难在于有效地求解交替极小化过程中产生的两个子问题.在本文中,通过借助近似线性化技术,我们设计了两个交替极小化方法的变体.第一个变体适合于两个子问题之一容易求解而另一个不容易求解的情形;第二个变体则适合并行计算.理论上,基于近似算子的相关知识,我们首先将交替极小化变体进行了形式上的统一,然后在恰当的假设条件下证明了算法的次线性收敛性.

基于非凸低秩稀疏约束的船舶交通流量预测

为有效预测船舶交通流量,利用非凸低秩稀疏分解模型将交通流量数据分解成低秩和稀疏两部分;然后采用自回归移动平均(autoregressive integrated moving average,ARIMA)模型分别预测低秩和稀疏部分,进而合并得到最终的船舶交通流量预测结果。最后以天津港2003—2014年船舶交通流量历史数据为例进行模型验证和预测分析,实验结果表明,非凸低秩稀疏分解模型能反映船舶交通流量的季节变化规律,较灰色系统、神经网络及组合预测模型能够显著地提高预测精度,为船舶交通流量预测提供了一种新的预测方法。

加权能耗最小化的无人机辅助移动边缘计算资源分配策略

针对无人机(UAV)辅助的移动边缘计算(MEC)系统,考虑到无人机能耗与地面设备能耗不在一个数量级,该文提出通过给地面设备能耗增加一个权重因子以平衡无人机能耗与地面设备能耗。同时在满足地面设备的任务需求下,通过联合优化无人机轨迹、系统资源分配以最小化无人机和地面设备的加权能耗。该问题高度非凸,为此提出一个基于交替优化算法的两阶段资源分配策略解决该非凸问题。第1阶段在给定地面设备的卸载功率下,利用连续凸逼近(SCA)方法求解无人机轨迹规划、CPU频率资源分配及卸载时间分配;第2阶段求解地面设备的卸载功率分配。通过两阶段的交替和迭代优化找到原问题的次优解。仿真结果验证了所提算法在降低系统能耗方面的有效性。

一个择一定理及对广义凸规划的应用

本文在实线性空间中得出了广义凸函数的择一定理 ,利用这一定理 。

B-C-半预不变凸函数的择一定理与优化条件

利用凸集分离定理,讨论了B-C-半预不变凸函数的择一性定理,并利用择一性定理,给出了带约束条件的向量优化问题解的优化条件。

基于交替方向乘子法网络的机载雷达前视成像方法

实孔径超分辨技术已经广泛应用于雷达前视成像领域,然而其中大部分迭代求解方法往往面临参数选择困难和迭代重建耗时等问题。对此,文中提出了一种基于交替方向乘子法网络的机载雷达前视成像方法。该方法将前视成像构建为施加了稀疏约束的解卷积问题,把交替方向乘子法(ADMM)分离变量迭代求解的过程映射成一个深度神经网络,即ADMM-Net (ADMMN)。经过训练,ADMMN可以在有限的网络深度下学习最优的参数,借此提高雷达方位向的分辨率。实验结果表明,相较于传统迭代算法,ADMMN可以用更少的时间实现前视超分辨成像。

一种自适应鲁棒最小体积高光谱解混算法

对高光谱图像解混的目的在于从低空间分辨率的高光谱图像中找到端元与对应的丰度.本文根据解混算法中的最小体积准则,提出了一种自适应鲁棒最小体积高光谱解混算法(Robust minimum volume based algorithm with automatically estimating regularization parameters for hyperspectral unmixing,RMVHU).本算法通过引入负数惩罚正则项,替换了同类算法中的丰度非负性约束(Non-negativity constraint,ANC),使算法对图像中的噪声与异常值具有更强的鲁棒性;采用循环最小化方法,将非凸优化问题分解为凸优化子问题,然后应用交替方向乘子法解决随着像素点个数增大带来的求解困难问题;对于正则项系数,本算法提出了一种自适应调整策略,提高了算法的收敛性,并且通过定性分析,说明了该调整方法的合理性.将算法应用于合成数据与实际数据,实验结果表明,与同类算法相比,本文提出的算法能够取得更为优秀的效果.

结合全变差和分数阶全变差模型的图像去模糊

为从模糊图像中恢复出更多细节和纹理信息,提出一种基于结合全变差(TV)和分数阶全变差(FOTV)模型的数字图像去模糊方法。用全局梯度提取法将模糊图像分解成平滑区域、凸边和纹理3部分,用全变差模型约束平滑区域和凸边,用分数阶全变差模型约束细节部分,建立去模糊的凸优化模型,用变量分裂和交替方向法快速求解该模型。实验结果验证了该模型和求解算法的有效性和快速性,给出了每组实验的PSNR和SSIM值。

求解可分离凸优化问题的惯性近似松弛交替方向乘子法

基于交替方向乘子法(ADMM)提出了一种求解可分离凸优化可行问题的惯性近似松弛交替方向乘子法(IPR-ADMM)。新构造的算法不仅具有提高算法收敛性的优势的惯性外推项,而且引入随机变量以随机加速新步长,从而提高算法的灵活性。并在适当的假设下,证明了算法的全局迭代收敛性。数值实验结果表明,数据维数取值越大,算法收敛越快,越趋于稳定,且IPRADMM算法的收敛性明显优于扩展的邻近交替方向法(ePADM)。