基于Gram-Schmidt正交化和HSIC的核函数选择方法

核方法是一种解决非线性、异构数据的有效方法,核函数的选择问题是核方法中的一个重要课题,对于不同的应用问题,如何选择合适的核函数还没有足够的理论基础,不适当的核函数选取会降低核方法的性能。由此,提出了一种基于Gram-Schmidt正交化(GSO)和Hilbert-Schmidt独立准则的核选择方法(HSIC-GSO),该方法考虑了核函数选择过程中存在的不相关冗余信息。首先,利用GSO消除核函数之间的冗余信息;然后,使用HSIC度量核函数与理想核之间的相似性;最后,得到一组判别能力强、多样性大的基核函数。实验结果表明,HSIC-GSO方法选择的核函数泛化性好,并且提高了MKL的分类性能,验证了所提方法的有效性。

权重化QR分解的正交匹配追踪算法硬件实现

为在小型化、低成本的硬件平台实现正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法,针对OMP算法中最小二乘法的问题,该文构造一个确定性的传感矩阵,提出一种低复杂度、低资源的权重化QR分解的OMP(Weighted QR decomposition OMP,WQR-OMP)算法硬件结构,在ZYNQ 7020型号芯片上搭建WQR-OMP SOC系统.WQR-OMP算法在传感矩阵进行QR分解后,根据三角矩阵R中元素的分布特性,通过权重化运算只保留主对角线上的元素而其他余元素归零,得到对角矩阵D,然后近似计算稀疏向量的解.实验结果表明:与基于QR分解的OMP(QR decomposition OMP,QR-OMP)和Batch-OMP算法的硬件结构相比,WQR-OMP算法硬件结构的重构速度更快、存储资源更少.在压缩率为0.25的条件下,WQR-OMP SOC系统对256×256分辨率图像的重构时间为400 ms左右,其速率比仅使用ARM处理器的重构速率提高了约6.3倍.与其他现有研究对比,该系统在Block RAM存储资源消耗较少的情况下,进一步提升了重构速度,适用于存储资源受限的硬件平台.

基于Gauss分布和Gram-Schmidt正交化的朴素贝叶斯分类算法

朴素贝叶斯分类算法是一种简单实用的分类方法,人们对它的属性间条件独立性假设做了许多研究,致力于消除冗余属性、减少属性间的关联性,以获得一些新属性来使用朴素贝叶斯算法,但新属性间的独立性却不易度量,因而改进之处的理论支撑有所不足,改进后的朴素贝叶斯算法的效果更多的是由数据实验进行佐证。本文定义了Gauss分布型数据,提出了经Gram-Schmidt正交化方法改进的朴素贝叶斯算法,使其可以方便地使用于Gauss分布型数据的分类。该改进方法不同以往显式的构造新属性集或属性变换矩阵,而是直接正交化属性的样本数据,并证明了正交后的属性数据所对应的抽象新属性的独立性。这说明对于Gauss分布型数据的分类,原朴素贝叶斯算法中的条件独立性的假设不会给算法的使用造成障碍,经Gram-Schmidt正交化后即可满足这个约束条件。

基于粒子群算法的正交条件非线性最优扰动求解

在已有的条件非线性最优扰动计算方法中,利用粒子群智能优化算法设计了求解正交条件非线性最优扰动的算法,并在Lorenz96模式中求解了正交条件非线性最优扰动。与传统方法进行对比,求解出了2类具有负相关性的条件非线性最优扰动,并且求解了全局条件非线性最优扰动所对应的正交条件非线性最优扰动。

正交实验结合AHP和GA-BP神经网络优化益黄散醇提工艺

目的 优化益黄散的醇提工艺。方法 采用回流提取法,以乙醇体积分数、液料比、提取时间为考察因素设计正交实验,以橙皮苷、川陈皮素、橘皮素、没食子酸、诃黎勒酸、诃子酸、甘草苷、甘草酸、丁香酚含量和干浸膏得率为指标,采用层次分析法(AHP)进行赋权并计算综合评分。通过验证正交实验和遗传算法(GA)-反向传播神经网络(BP神经网络)所预测的结果确定益黄散最佳醇提工艺参数。结果 正交实验优选的最佳醇提工艺参数为乙醇体积分数60%、液料比14∶1(mL/g)、提取时间90 min、提取2次,验证所得综合评分为79.19分;GA-BP神经网络优选的最佳醇提工艺参数为乙醇体积分数65%、液料比14∶1(mL/g)、提取时间60 min、提取2次,验证所得综合评分为85.30分,高于正交实验所得结果。结论 采用正交实验结合GA-BP神经网络的寻优方法较传统的正交实验寻优方法效果更佳,其优选出的益黄散最佳醇提工艺稳定可靠。

MIMO雷达分组正交波形集优化设计方法

在现代电子对抗中,数字射频存储(DRFM)设备能够快速截获机载脉冲多普勒雷达信号,能够实现对多输入多输出(MIMO)雷达的干扰。MIMO雷达可基于多组相互正交的波形集来对抗DRFM干扰。同时,为最大化MIMO雷达波形分集增益,每个脉冲内发射的波形也需要正交。为了平衡组内和组间的正交性,文中建立了一种分组正交波形集优化模型,其目标函数为组内和组间相关函数性能评估指标值的加权和;为了求解该优化问题,提出了一种分组正交波形集设计方法。所提方法将原优化问题简化为p-范数优化问题,基于MM算法导出了最小化目标函数的迭代求解表达式。仿真结果表明,所提方法可通过改变权重系数来灵活平衡MIMO雷达的干扰抑制性能和距离压缩性能。

基于正交试验设计的载体结构对柴油机颗粒捕集器工作特性的影响研究

为降低柴油机颗粒捕集器(diesel particulate filter,DPF)的压降并提高捕集效率,建立了DPF压降与捕集效率的数学模型,基于试验设计和多项式逼近算法,系统地研究了载体配比(x1)、壁厚(x2)及载体孔密度对DPF性能的影响。结果表明:载体配比和壁厚对压降与捕集效率影响效果显著,当载体配比和壁厚分别处于(1.40,1.53)和(0.249,0.267)mm区间时,DPF压降处于较低水平,而捕集效率相对较高,在载体配比为1.52、壁厚为0.264 mm时,压降达到最小值为4.2 kPa,捕集效率为90.28%。通过多项式逼近算法得到了压降模型和捕集效率模型的显示表达式:压降模型Y=51.19+3.815x_(1)-8.726x_(2)+3.794x_(1)^(2)-1.735x_(1)x_(2)+0.524x_(2)^(2);捕集效率模型Y=0.383+0.105x_(1)+0.085x_(2)+0.032x_(1)^(2)-0.016x_(1)x_(2)-0.0032x_(2)^(2)。DPF压降和捕集效率模型具有良好的预测精度和拟合度,压降和捕集效率的均方根误差分别为0.0110、0.0002,压降和捕集效率拟合优度分别为0.9996、0.9985。

分块Gram-Schmidt正交化算法及其应用

Gram-Schmidt正交化算法是数值线性代数中的基本算法之一,主要用于计算矩阵QR分解.经典和修正Gram-Schmidt正交化算法基于level1/2BLAS运算,低级BLAS运算对cache的利用率比较低,从而限制了算法性能.提出一种新的分块Gram-Schmidt正交化算法.新算法通过重正交保证产生矩阵Q的正交性达到机器精度,并且利用level3BLAS运算提高了算法性能.数值试验表明,新算法能使得矩阵Q的正交性达到机器精度,并且新算法使得性能得到显著提高.

基于Gram-Schmidt正交化法的串行干扰消除算法

基于Gram-Schmidt正交化法,提出了一种改进的串行干扰消除算法.不同于传统的串行干扰消除算法,该算法运用Gram-Schmidt正交化法,通过扩频序列获取正交序列作为最优解扩码,使得检测器每一级最强用户的解扩码与其他用户的扩频码所张的子空间正交,从而实现对多址干扰的完全抑制.给出了具有幅度失配的系统误码率近似公式,讨论了幅度失配对检测性能的影响.仿真结果表明,改进算法能有效抑制CDMA系统中的多址干扰,改善系统性能.

层次分析-熵权法评价结合正交试验优化铁皮石斛颗粒配方工艺

采用多指标综合评分法结合正交试验,优化铁皮石斛颗粒配方工艺。运用复杂系统熵聚类算法,对铁皮石斛保健品的注册信息进行分析,挖掘含铁皮石斛的保健品中原料药的配方组成;进一步以颗粒的成型率、溶化率、吸湿率、休止角为指标,筛选稀释剂,并以原料/稀释剂比例、乙醇体积浓度、乙醇用量为影响因素,采用层次分析法(analytic hierarchy process,AHP)结合熵权法(entropy weight method,EWM)确定综合权重,通过正交试验优化颗粒的配方工艺。结果表明,复杂系统熵聚类算法确定配方组合为铁皮石斛、枸杞、白芍;AHPEWM法确定各指标权重分别为:成型率0.3567、休止角0.0847、溶化率0.1778及吸湿率0.3808;优化所得铁皮石斛-枸杞-白芍颗粒剂最佳工艺:原料药材浸膏粉、糊精和微晶纤维素的用量分别为5、3.5、1.5 g(即比例为10:7:3)、乙醇体积浓度50%、乙醇用量5 mL。验证试验中颗粒的AHP-EWM综合评分为93.63±1.65,与理论预测值接近,表明优选的颗粒剂配方工艺稳定可行,本研究为铁皮石斛的相关保健品开发提供了参考。

矩形窗正交时频空检测算法

针对正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统采用矩形窗函数时,信道矩阵结构复杂导致的鲁棒性差的问题,提出了一种基于时域处理和酉近似消息传递的检测算法。该算法首先添加循环前缀,将时域信道转换为分块对角矩阵;然后应用酉变换和近似消息传递建立迭代检测算法。仿真结果表明,所提检测算法能够在不增加复杂度的条件下有效提升检测精度和鲁棒性,特别是存在信道编码的条件下表现出2 dB的性能增益,使得该算法更适用于杂散多径、高速移动等环境,具有较高的应用价值。

基于Gram-Schmidt正交化算法的水下目标回波检测

提出了一种基于Gram-Schmidt正交化算法的水下目标回波检测方法.该方法利用Gram-Schmidt正交化算法实现对干扰背景的预白化,通过归一化匹配滤波器可完成对水下目标回波的检测.对仿真数据和实验数据的处理验证了该方法的有效性.

分段取阈值正交匹配追踪反卷积声源识别算法

正交匹配追踪反卷积声源识别算法(orthogonal matching pursuit deconvolution approach for the mapping of acoustic sources, OMP-DAMAS)具有极高的计算效率、空间分辨率和重构精度,被广泛应用声源识别领域。但在实际的工程运用中,无法满足提前确定声源数目的条件,可能造成识别结果不准确。因此提出了一种分段取阈值的OMP-DAMAS算法,在声源稀疏度未知的情况下,通过对内积和最小二乘解取阈值将伪声源和旁瓣对应的列序号从原子支撑集中删除,直接精确的识别出真实声源的位置。仿真和试验结果表明了所提算法与传统的延时求和算法相比,可以明显的减小主瓣宽度,提高空间分辨率,同样能达到OMP-DAMAS算法的重构效果,对噪声具有较好的鲁棒性,且具有极高的识别稳定性。

基于双倍双精度施密特正交化方法的QR分解算法

当矩阵的规模较大或者条件数较高时,格拉姆-施密特(Gram-Schmidt)正交化算法和其相关修正算法时常表现出数值不稳定性的现象。为了解决该问题,探索了修正Gram-Schmidt算法(MGS)中舍入误差的累积效应,然后基于无误差变换技术和双倍双精度算法,设计并实现了双倍双精度修正Gram-Schmidt正交化算法(DDMGS)。该算法的精度测试中显示所提算法较分块施密特正交化(BMGS_SVL,BMGS_CWY,BCGS_PIP与BCGS_PIO)的变体算法具有更好的数值稳定性,证明了DDMGS算法能够有效地减少矩阵的正交性损失,提升数值精度,展示了所提算法的可靠性。在算法的性能测试中,首先计算并比较了不同算法的浮点计算量(flops),随后将所提DDMGS算法与修正施密特正交化算法在ARM和Intel两款处理器上作比较,虽然DDMGS算法的运行时间分别是MGS的5.03倍和18.06倍左右,但获得了明显的精度提升效果。

智能反射面辅助的非正交多址系统协作多点传输方案研究

智能反射面(Intelligent Reflection Surface,IRS)和非正交多址接入(Non-Orthogonal Multiple Access,NOMA)被认为是6G的关键创新型技术,将两者融合可以大幅提高通信系统的频谱效率与能量效率。文中针对IRS辅助的双小区协作多点与非正交多址接入融合系统展开研究,具体地,将IRS部署于两小区中间的小区边缘附近,用来提升边缘用户的信号质量。在考虑用户服务质量(Quality of Service,QoS)与基站发射功率限制的条件下,建立了最大化小区边缘用户可达速率的优化问题。由于该问题是非凸的,很难直接求解,将此问题分解为两个子优化问题,采用交替优化算法进行求解。具体地,采用二分法解决功率分配系数优化问题;采用均方误差(Mean-Square Error,MSE)方法将优化问题转化为等效形式,再通过最大最小化(Majorization-Minimization,MM)算法进一步解决相移优化问题。仿真结果显示,所提出的解决方案使得边缘用户可达速率明显高于其他基准方案。

UAV协助下非正交多址接入使能的数据采集系统中能效优化机制

无人机(UAV)协助下非正交多址接入(NOMA)使能的数据采集系统,考虑了地空概率信道模型和服务质量约束,并联合优化UAV三维布局设计和传感器功率分配最大化所有传感器的总能效。针对原混合整数非凸规划问题,提出了一种基于凸优化理论、深度学习理论和哈里斯鹰优化(HHO)算法的能效优化机制。在任意给定的UAV三维布局下,首先将功率分配子问题等价转化为凸优化问题;其次基于最优的功率分配方案,采用深度神经网络(DNN)构建从传感器位置到UAV三维布局的映射,并利用HHO算法离线训练最佳映射对应的模型参数。训练后的机制仅需执行少量代数运算并求解单个凸优化问题。仿真实验结果表明,在传感器数为12的情况下,相较于基于粒子群算法的遍历搜索机制,所提机制在仅损失约4.73%的总能效的情况下将运算时间降低了5个数量级。

基于高斯近似的异步非正交多址接入多用户检测算法

码域非正交多址接入(NOMA)技术是卫星互联网实现泛在互联接入的潜在技术之一。考虑到星地传输具有大传播时延、高信道动态等特点,地面接入设备间保持严格定时同步将导致难以忍受的时间资源开销。多用户需要在松弛的同步关系下实现接入。现有码域NOMA的多用户检测算法大多基于同步传输假设,无法准确建模并高效缓解异步多用户传输引入的复杂干扰。为此,将用户间的相对时延引入传统的二部因子图中构建一种新颖的多层因子图模型,并基于此提出一种基于高斯近似的低复杂度异步多用户检测算法。该算法在每个用户的估计之间进行迭代,并在用户之间传播估计信息改进近似。仿真结果表明,在高信噪比区域,所提出检测算法性能优于同步NOMA的类似算法。

多天线正交频分复用的雷达信号处理算法

在实现雷达通信一体化中,正交频分复用信号被广泛使用,多输入多输出天线阵列的引入能定位目标所在的方位角,同时利用多天线也能提高通信的性能。在多输入多输出正交频分复用雷达通信一体化系统中,本文通过构建信号的雷达接收模型,将参数估计问题建模为压缩感知问题并进行求解,提出基于快速迭代收缩阈值算法的参数估计方法。仿真结果显示,在低信噪比情况下,本文所提方法优于基于迭代收缩阈值算法和基于正交匹配追踪的参数估计方法。

基于近红外光谱和水分校正算法的造纸木片基本密度预测

基本密度是评估木材制浆造纸性能的重要指标。采用近红外光谱技术检测造纸木片基本密度,实时掌握原料材性变化,能够为制定和优化制浆生产工艺提供基础理论数据。但在实际生产中,原料来源的复杂性造成木片水分含量波动较大,光谱中的水分干扰信息严重影响模型预测效果,成为制约近红外技术实际应用的主要因素。以杨木片为研究对象,通过对木片失水过程的近红外光谱动态监测,结合主成分分析明确光谱中水分吸收信息的特征响应,揭示了木片水分中结合水和自由水的变化规律。分别采用不同水分条件下的木片光谱建立偏最小二乘回归(PLS)模型预测木片基本密度,通过对比分析模型预测性能,探究木片水分变化对近红外预测木片密度的影响,并采用外部参数正交化算法(EPO)消除光谱中水分的干扰,提高模型对水分变化的抗干扰能力。研究结果表明,基于饱水木片光谱的模型具有最好的预测精度,模型的建立主要依靠近红外光谱对木片纤维结构特征信息的获取。而光谱中大量的水分吸收信息对建模是冗余无用的,并且会导致模型对样品水分高度敏感,当测试集水分含量变化时,模型预测出现严重偏差。通过EPO算法对木片失水过程动态光谱的解析,提取水分校正因子,能够有效消除水分变化引起的光谱差异。基于水分校正的基本密度预测模型对不同水分条件下的测试集均表现出稳定的预测性能,均方根误差、决定系数和预测相对标准偏差分别为12.23 kg·m^(-3)、0.8834和2.93。该研究将EPO算法引入对木材材性的近红外光谱分析,构建了抗水分干扰的稳健型基本密度预测模型,较好地解决了水分含量波动对原料材性快速检测的影响,为近红外光谱技术在制浆造纸领域的推广应用提供了依据。

基于正交试验的感应控制参数组合优化

针对随机流量波动较大的交叉口,提出优化感应控制策略,采用正交试验方法获取最优控制参数组合.将最大排队长度作为通行需求阈值来优化感应控制逻辑,将设置的3种相位切换机制(优先排队、优先延误和固定顺序)加入感应控制参数组合中.在SUMO仿真中,模拟北京市北辰西路与科荟南路交叉口环境,采用正交试验方法筛选出不同交通流量下感应控制的最优参数组合.设计对比实验验证最优参数组合的有效性,将最优参数组合应用在深度Q学习(DQN)算法中进一步优化感应控制.结果表明,正交试验方法能够快速有效地获取最优参数组合;在低、中等交通流量下,与未使用最优参数组合的DQN算法相比,使用最优参数组合的DQN算法的收敛速度分别增加了48.14%、38.89%,平均累计车均延误分别减少了8.45%、7.09%.