改进的拉格朗日松弛法求解机组组合问题

提出了一种求解机组组合问题的改进拉格朗日松弛算法。与现有此类方法相比,此算法进行了以下三个方面改进:基于启发式排序法得到较优的拉格朗日乘子初值;改进了动态规划求解单机问题时的累计费用以获得更优的机组启停决策;采用自适应性次梯度法结合集结投影次梯度法的联合优化策略加快算法收敛速度。10机到100机的6个算例表明,自适应性次梯度法和集结投影次梯度法的联合优化策略更易跳出其单一策略时的振荡现象,从而加快收敛。

基于加权次梯度投影算法的数字助听器自适应声反馈抑制

本文提出了一种利用加权自适应次梯度投影算法(Weighted Adaptive Projection Subgridient Method,WAPSM)进行声反馈抑制的方案。WAPSM算法来自于自适应次梯度投影算法(Adaptive Projection Subgridient Method,APSM),它以次梯度投影的超平面作为搜索区域来进行松弛投影。本文提出的算法将估计系统的先验知识以权重因子一在很多应用中为指数衰减一的方式加入APSM算法中提高算法性能。以WAPSM算法应用于助听器声反馈抑制的大量仿真实验表明,算法相比传统的NLMS算法和APSM算法在收敛速度、稳定性和精度方面取得了显著的进展。进一步的实验表明,算法在以实际语音作为数字助听器输入信号时取得了优异的性能,并且在低信噪比条件下具有较强的鲁棒性。

噪声与共振环境下的数字助听器鲁棒声源定位法(英文)

提出了一种噪声与共振环境下的数字助听器鲁棒声源定位方法,该方法基于房间共振模型和多通道自适应特征值分解算法,利用自适应次梯度投影方法迭代地估计声源至各麦克风的脉冲响应系数,从而获得各麦克风对的时延差,并利用几何方法计算声源位置。针对眼镜数字助听器四元麦克风方阵的仿真表明,所提出的自适应次梯度投影方法在强噪声环境中的鲁棒性和定位精度优于传统NLMS算法。