MIMO系统中基于代价函数和排序模式的MMSE SIC检测器

针对多输入多输出空间多路复用系统,提出了一种基于代价函数和排序模式的多个并行分支的最小均方误差连续干扰消除检测器;具体而言,设计了选择规则来选择代价函数性能最好的分支,并通过利用不同的检测排序模式使得每个分支中的SIC算法按照信号干扰噪声比由高到低来检测信号,从而实现完全检测分集;为了进一步降低算法的计算复杂度,还提出了一种采用递归最小二乘算法的有效自适应接收机来更新滤波器权值向量,从而获得基于递归最小二乘算法的MB-SIC接收机的自适应实现;此外,还对提出的检测器在比特差错概率性能方面进行了分析;仿真结果表明,相比于现有的检测算法,提出的算法不仅具有较低的计算复杂度,而且能获得更好的误码率性能。

考虑障碍物风险场的智能车辆避障路径分层规划方法

针对城市中结构化道路交通场景,采用路径决策与路径优化的分层规划方法解决智能车辆避障过程的路径规划问题。首先,避障决策层引入Frenet曲线坐标系,设计基于障碍物风险场的避障功能函数,结合动态规划算法获得参考路径及可行域范围;路径优化层根据安全性、平滑性及偏移度目标函数,选用二次规划算法优化出最终路径。最后,通过Matlab/Simulink与PreScan和CarSim软件进行联合仿真。结果表明,在多障碍物的直道和弯道工况下,车辆在中、低速度下均能安全避开障碍物的干扰,并沿着车道中心线行驶;与对照组相比,考虑障碍物风险场函数的规划路径更为稳定、舒适,证明了该方法的有效性。

基于变分贝叶斯的视觉散焦光图像快速盲复原算法

为实现数字图像的高精度应用,降低外界光线对视觉成像的影响,提出一种基于变分贝叶斯的视觉散焦光图像快速盲复原算法。通过梯度和卷积处理,计算视觉散焦光图像后验概率期望,利用Sobolev空间函数分布方法提取最优初始图像和散焦光模糊函数先验概率。以变分贝叶斯的近似分布思想,无限逼近实际的后验概率;使用相对熵计算多个分布间距离,最大程度贴近真实值;将最小损耗代价函数输入双边滤波器内,即以近似清晰图像为指导图,剔除剩余高频噪声,得到最优图像盲复原结果。实验结果表明,所提算法盲复原后图像对比度高,边缘细节清晰,复原速度快,具有极高的应用价值。

基于最小费用流模型的无重叠视域多摄像机目标关联算法

二分图最大匹配算法是常用的无重叠视域多摄像机目标关联算法,本文提出了一种基于最小费用流模型的关联算法,并与前者进行对比.实验发现前者很大程度上依赖于效用函数的定义,效用函数存在的偏差导致该算法求解结果不理想.后者理论上能够估算并修正效用函数的偏差,得到更优的解.本文进行了大量仿真实验,实验表明了本文算法更为鲁棒有效.

一种基于最优小波包基的信号消噪算法

通过对比短时傅里叶变换、小波变换和小波包变换的特点,介绍了小波包变换用于信号消噪的一般步骤和寻找最优小波包基的双树算法。基于小波变换和小波包变换的阈值消噪方法的仿真结果证明,基于最优小波包基的软阈值方法明显优于基于小波变换的方法,具有更加广泛的应用价值。

四元数约束的容积卡尔曼滤波及其应用

针对一些非线性系统状态变量中存在四元数约束的情况,提出了一种四元数约束下的容积卡尔曼滤波(quaternion constrained cubature kalman filter,QCCKF)算法.基于最小约束代价函数,采用三阶球面-相径容积规则近似计算系统状态的后验均值和协方差,给出了QCCKF滤波递推公式.设计的QCCKF算法可以有效地对状态进行估计,扩展了CKF的应用范围.最后对飞行器姿态估计系统进行仿真,仿真结果表明,该算法估计精度优于常规CKF和无迹四元数估计法(unscented quaternion estimator,USQUE),并满足四元数约束条件,较好地解决了非线性系统存在四元数约束的问题,验证了算法的有效性.

基于最小费用流的InSAR干涉相位展开算法

从影响InSAR干涉相位展开算法的相干系数出发,分析了相干系数对干涉处理的影响,提出了基于新的加权系数矩阵的最小费用流算法,定义了新的加权系数矩阵并分析其性能,使得加权系数矩阵不再随着幅度的变化而变化,减小了相干系数较小时对干涉相位展开的不利影响。通过仿真和实测数据检验本方法的处理性能,可以获得较好的相位展开处理效果。

前馈神经网络的代价函数全局最小值分析

本文首次从理论上给出了三层前馈神经网络代价函数全局最小值的计算公式。这一计算公式在网络训练之前就可根据已知的目标样本和隐层神经元个数来确定网络代价函数的全局最小值。并指出代价函数全局最小值随隐层神经元个数的增加而单调减小．当隐层神经元个数不小于样本个数时，网络的代价函数全局最小值将等于零。

谈专业竞赛对教学实践改革的促进作用

本文结合"数据结构"实践教学,探讨了高等教育大众化教育背景下计算机专业人才培养模式。通过介绍近年来我校参加的计算机专业竞赛,说明改革实践教学模式的必要性。

基于消费代价权衡的网格动态资源分配算法

提出一种基于消费代价权衡的网格动态资源分配算法。算法利用模糊选择方法来建立一个消费代价函数计算模型,针对动态网格的拓扑图中出现图形拥塞等现象给出带权值的多参数消费代价函数,和实际数学模型及应用实例。实验结果表明,算法能在网格规模较大且计算量较少的情况下选择一种代价最小的方案给使用户分配资源。

基于人工智能的飞机航班信息查询系统的设计

采用人工智能的问题求解方法作为理论框架,对很有实用价值的飞机航班信息查询系统问题,设计求解算法。以深度优先搜索作为基本算法,用路径删除和结点删除方法产生多重解,用最小成本法求出最优解。最后用VC++对算法进行了程序实现,运行结果显示,算法效果良好。该算法的设计程式对一般搜索问题的求解具有一定的借鉴作用。

输油管布局的优化模型

根据多元函数求最值的方法,运用数形结合的思想,巧妙解出了问题最优解的解析式,并针对不同情况,给出了管线的铺设方案和最低费用.

模糊选择消费代价函数动态资源分配算法研究

主要研究了资源分配基数,提出了一种新的基于选择消费代价网格资源分配算法。提出的方法首先采用模糊基数建立一个消费代价函数模型,给出了网络中带权值的多参数消费代价函数。实例验证表明,当用户需要从系统中获得资源时,采用该方法在网格规模非常大而且计算量较小的情况下,选择代价最小的方法给用户使用来分配资源,具有一定的实际应用价值。

安全监测系统校验周期数学模型

在一系列假设的基础上，给出了安全监测系统单位时间内校验次数的泛函，用变分法求泛函极值，得出了校验费和损失费最小的校验周期数学模型．在校验费和损失费一定的情况下，当故障（泄漏）率较高时，校验周期应短些，反之则长些．根据安全监测系统和易燃易爆重大危险源常见的无故障工作时间的分布类型，给出了与之相应的校验周期数学模型的具体形式．计算实例说明，本模型是合理的，它对校验周期的确定具有一定的理论和实际意义．

基于层次聚类的网格模型自动分割方法

将网格模型按照表面特征进行分割,在计算机图形学中有着广泛的应用。在传统的网格分割层次聚类算法的基础上,利用相邻聚类公共边的长度,公共顶点的曲率,以及聚类的面积对聚类之间的合并成本进行加权,提出新的合并成本函数,更好地利用网格表面特征指导聚类之间的合并过程。同时,针对传统分割算法中分割区域边界存在的锯齿现象,针对每一个分割区域,全局考虑其与相邻分割区域的模糊地带,利用最大流最小割的方法优化分割区域边界,从而消除锯齿,平滑边界。

基于运动约束的泛化Field D~＊路径规划

为了解决基于栅格的路径规划算法因环境描述的离散化导致规划结果不能满足机器人运动约束,以及单一路径代价的局限致使算法无法适用于复杂环境的问题,提出一种基于运动约束的泛化Field D*算法.该算法的代价函数可同时考虑路程、行驶安全以及行驶时间等一个或多个行驶代价.根据机器人运动模型的特性,在路径点提取过程中结合机器人的最小转弯半径,进行满足运动约束的路径平滑.该算法在多组模拟的复杂环境栅格地图中进行测试,实验结果表明,算法对复杂环境有很好的适应性,同时有效提高路径的可执行性.

CDMA系统中基于代价函数的联合功率控制算法

在CDMA系统中,利用多用户检测中的干扰抑制效果可以降低对功率控制的要求。本文提出了一种新的基于代价函数的联合功率控制算法。在该算法中,除了需要对功率向量进行迭代更新以外,还要对接收机滤波器的抽头系数不断迭代更新。实验结果表明,采用本文提出的功率控制算法,在系统内用户发射总功率一定的条件下,可以使各用户获得更高的信干比服务质量,系统容量也具有进一步提高的潜力。

一种基于最小总风险代价函数的RAIM门限优化算法

传统接收机自主完好性监测(Receiver Autonomous Integrity Monitoring,RAIM)算法采用完好性风险最小准则确定判决门限,其过于保守的门限求解方式增加了航空用户的连续性风险。针对不同航空用户完好性需求的差异,提出了一种基于最小总风险代价函数的RAIM门限优化算法,以假设检验中漏检与误警概率之和作为总风险代价函数,在兼顾导航所需性能及RAIM可用性的前提下,最小化总风险代价函数,以此确定RAIM优化门限,实现完好性与连续性风险间的权衡。仿真结果表明,经过最小总风险代价函数权衡,可合理降低用户连续性风险,并使其具备在伪距域中判定RAIM可用性的能力。

基于深度学习反向传播的稀疏数据特征提取

针对如何有效利用互联网数据中蕴藏的大量文本数据信息,提出了基于深度学习反向传播的稀疏数据特征提取方法。首先将稀疏数据体系分别建立在Web和分散式社会网络上,在初始链路模型下可以得出稀疏数据的拓扑模型,通过对相空间的重构提高稀疏数据特征提取的能力,并采用数据的时隙分配模式,对稀疏数据的属性混合值进行迭代处理。然后通过有/无标签数据完成对深度学习和Softmax回归模型的训练,在训练中采用最小化代价函数对模型的参数进行修正,结合深度学习算法提取稀疏数据的特征量,求出稀疏数据中时隙分配的信任值。最后通过反向传播算法将学习网络中的残差传输到输入层中,根据误差减小最快的方向对加权系数进行调整,直到获取最佳的加权系数为止。实验结果表明,算法与梯度下降算法相比具有更高的准确率,并且针对不同的数据集误差率都很小,明显提高了数据的分类提取能力。

非最小相位系统的PID型广义预测自校正控制器

本文将被控对象的零点分解为非最小相位项和最小相位项 ,建立新的预测方程 ,在对一般预测控制目标函数改进的基础上加入抑制超调的预测控制量和模型误差修正 ,得到能抑制非最小相位系统超调的PID型广义预测自校正控制器。仿真结果表明 ,该算法极大地改善了控制性能 。