基于Memoryless算法的河道水下地形模型简化研究

模型简化技术能有效缓解海量数据分析与计算机资源不足之间的矛盾。首先根据河道水下地形模型的实际情况,对Memoryless算法进行了改进,使得简化后的模型能更好地规避狭长三角形;然后根据水文分析理论,在改进Memoryless简化算法中增加河道地性线约束,使得河道地形在地性线周围区域的细节能够得到较好的保持;最后通过两组不同来源的数据进行不同简化比率下的简化实验。结果表明,简化后的地形模型效果良好,误差在可接受范围内,并较好地保持了河道地形的几何细节特征。

室内复杂环境下多旋翼无人机动态路径规划

针对多旋翼无人机在室内复杂环境下的动态路径规划问题,提出了一种基于高度降维空间环境模型的无记忆回归 A*算法。首先,提出了一种高度降维的空间环境建模方法,将三维空间降到二维,降低了环境模型的复杂度,提高了规划效率。在环境建模的基础上,提出了以全局路径规划结果为基础进行局部动态搜索的思路,并设计了无记忆回归A*算法,即首先使用传统A*算法进行全局路径规划,参考全局规划结果,利用无记忆回归 A*算法对动态障碍物进行避障,避障完成后回归到全局规划路径上。最后利用仿真实验验证了所提方法的有效性。仿真结果表明,在指定环境下所提方法的路径规划时间和路径规划长度较无记忆 A*算法更短,两项指标分别提升了13.8%和41.6%。

一类新的无记忆方法

给出了一种新的求解无约束优化问题的方法。该方法在求下一次迭代点时，不需要进行矩阵计算。并且在不精确线搜索（Ａｒｍｉｊｏ－Ｇｏｌｄｓｔｅｉｎ准则）下。

无记忆方法的收敛性分析

分析了无记忆方法的收敛性 ,证明了在 Armijo- Goldstein准则下 ,无记忆优化方法对一般目标函数为全局收敛 ,且对一致凸函数 ,其定步长算法亦是收敛的。

改进的Memoryless简化算法研究

针对地形模型简化之后,模型的边界和细节特征存在一定变化的问题,该文提出了一种改进的Memoryless简化算法。该算法在原始Memoryless算法的面积和体积约束基础上,增加三角形形状约束条件,优化了简化算法。利用经典bunny三维网络模型,调整模型参数,从不同简化比率的角度与原始Memoryless算法简化效果进行对比。实验结果表明,本文提出的算法在较高简化比率下,模型的边界和几何细节特征保持都优于原始简化算法,能够更适用于地形模型的简化,较大限度地保留了原始地形形态。

空间调制无线光多输入多输出通信系统中自适应功率分配算法

在空间调制(SM)无线光多输入多输出(MIMO)通信(SM-OMIMO)系统中,为了在调制方法固定的条件下使系统的传输容量最大化,提出了一种新型自适应功率分配算法(PAA)。新算法采用蒙特卡罗模拟过程选择与具体信噪比(SNR)相对应的最优化功率分配系数。建立了室内通信环境模型,推导了SM-OMIMO系统的离散输入连续输出无记忆信道(DCMC)容量表达式;分析了新算法的分配原则及过程,并仿真研究了其系统性能,比较了不同发射接收阵组合条件下,各分配算法对系统DCMC容量增益的影响。仿真结果表明,低SNR条件下采用自适应PAA的系统DCMC容量明显高于传统的固定因子分配算法和均匀分配算法,在高SNR条件下更易达到DCMC容量饱和值,该结果可清晰表明信道的分集特征。因此,采用自适应PAA是提高SM-OMIMO系统传输速率的有效途径。