虚拟阵的TOA定位算法

为了改进经典的多维标度测量(MDS)定位法中一次测量一次定位的精度不高的缺陷，提出一种新的动态MDS虚拟阵定位算法，该算法简单，计算量小，便于实时处理。仿真结果显示在虚拟测量次数多于4次时，该算法性能明显优于Chan+虚拟阵定位算法及经典的MDS定位法，并且虚拟次数越多，该算法的性能越好。经典的MDS定位法相当于测量次数为1的无虚拟时的该文算法。     

关联规则挖掘Apriori算法的研究与改进

关联规则挖掘是数据挖掘领域中的重要研究方向，该文在分析关联规则挖掘Apriori算法原理和性能的基础上，指出了该算法存在着两点不足：扫描事务数据库的次数和连接成高维候选项目集时的比较次数太多。并提出了一种效率更高的S-Apriofi算法，该算法通过采用新的数据结构和原理，克服了传统Apriori算法的缺点，从而大大提高了运算效率。     

—大点数圆卷积算法设计

给出一种新的大点数基２长度的圆卷积算法。以往在计算圆卷积时常采用余数定理和多项式乘积，它可以对某些小点数圆卷积设计最少乘法次数的算法，并且结合这些算法可以构成具有较少乘法次数的大点数圆卷积算法。文中圆卷积计算被视为矩阵向量积。通过建立圆卷积矩阵中行向量之间和列向量之间的相关性可以压缩圆卷积矩阵，使矩阵向量积的乘法次数大大减少。这个过程对于基２长度的圆卷积矩阵可以重复进行下去，因此能够得到快速有效的基２圆卷积算法。     

解不式约束型线性规划问题的一种高效算法

给出了一种求解不等式约束型线规划问题的算法，这种算法与现有的其它单纯形类算法相比，不但内存占用少，而且迭代次数少，运算速度快。     

约束非线性系统的次时优控制

研究减少基于椭球方法的约束非线性系统控制算法的迭代次数 .根据数学分析 ,采用搜索算法优化椭球方法的控制量求解算法 .仿真结果表明运用该算法时产生的迭代次数较原算法大为减少 ,与多面体算法近似 .次时优算法减少了约束非线性系统控制算法的迭代次数 .     

图象通讯中运动补偿搜索算法研究

针对当前图象通讯中常规技术－运动补偿全搜索算法具有计算量大的缺点，提出了两种新的快速算法－扩展搜索法和平移法。实验证明新算法运算次数比老算法大为减少，例如对搜索空间为±１５的匹配距离计算次数由全搜索法的９６１次减到平移法的３２次，且未发现畸变。     

图像平滑的快速算法

根据权矩阵的结构特点，提出了矩形窗口加权平滑的快速算法，充分利用相邻窗口相同运算的中间结果，显著减少了窗口运算的乘法和加法次数，提出了中值滤波的快速算法，利用已滤波的上一窗口和左一窗口的排序信息，缩短了排序过程，大幅度地减少了比较运算次数。     

ISNN:一种基于密度的高效增量聚类算法

目的提高算法效率，减少磁盘访问次数，提出一种基于密度的高效增量聚类算法ISNN．方法将更新对象的空间进行划分，定义了基于该划分的最近邻居概念，在此基础上应用一种剪枝策略来确定受影响对象的集合，数据更新时，只需要对受影响对象集合进行处理．结果受影响对象集合远小于原数据集合，显著地提高了算法效率．结论实验表明。ISNN在效率和磁盘访问次数上都显著优于SNN算法．     

骑士巡游问题的一种新算法

本文提出了一种求ｎｘｎ棋盘上骑士巡游Ｈａｍｉｌｔｏｎ路径的“智能试探－智能回溯”算法，实验结果表明，新算法的总回溯次数是“改进回溯算法”的万分之几。     

基于扫描空间约简的Association规则开采算法

提出了一种基于扫描空间约简的Association规则开采算法(RBM)，改进了传统Apriori算法的空间扫描效率，实验结果指出，当扫描次数N较小，数据库规模较大，支持度较小时，算法的性能改善尤其明显。     

系统辨识及信号重构中的反卷积计算

给出一种采用快速傅里叶变换（ＦＦＴ）的反卷积算法。对于Ｎ维圆卷积矩阵，所需复乘／除次数约为Ｎ（ｌｏｇ２Ｎ＋１），复加次数约为２Ｎｌｏｇ２Ｎ＋Ｎ／４。对卷积矩阵维数Ｎ＝２＾ｃ的反卷积计算，在不同ＦＦＴ时可将Ｎ维圈卷积矩阵求逆转变成解Ｎ／２，Ｎ／４，Ｎ／８…２阶线性方程组，所需乘法次数约为Ｎ＾３／４２。     

超宽带信道时域测量中去卷积算法研究

在现有的单模板去卷积算法和多模板去卷积算法思想的基础上,提出了一种新的去卷积算法--改进多模板去卷积算法.该算法通过从实验测量数据中提取并优化多个模板信号,改变了传统算法中模板信号脱离具体实验环境提取的情况,所提取的模板信号综合体现了室内无线信道中的影响因素,改善了去卷积运算的有效性.经仿真试验证实,该方法去卷积效果明显,适用于不同环境下的室内信道建模.     

一种基于FFT变换的超宽带信道盲估计算法

提出一种假设同步条件下,适合PPM调制的超宽带信道盲估计算法.算法基于接收信号的一维圆周平稳特性,结合圆周退卷积运算,达到对参数的估计目的.该算法只需简单的傅里叶变换运算和少量操作,具有低复杂度,易工程实现的优点.算法可同时对多路信道进行估计,而且对幅度和相位不存在模糊因子.仿真结果表明,对于传输500个信息符号的信道估计结果,当系统误码率达到1%o时,与理想条件下接收机信噪比相差不到3 dB.     

基于二阶、四阶累积量的盲解卷积准则

以SW理论为基础,研究了一般的非最小相位系统的盲解卷积问题;基于二阶、四阶累积量,定义了一个新的概念——归一化累积量,形成了归一化累积量匹配的盲解卷积准则;并导出了一种新的盲均衡算法,计算机模拟验证了该算法,获得了可用结果。     

Optimum deconvolution algorithm for system with multiplicative white noise and additive correlative noise

The optimum state filter and fixed-interval smoother and the optimum deconvolution algorithm for system with multiplieative noise are derived upon the condition that the dynamic noise correlates itself in one-step and correlates with the measurement noise at the present step as well as one past step, and the multiplicative noise is white and statistically independent of the dynamic noise and the measurement noise. A simulation example demonstrates the effectiveness of the above-mentioned deconvolution algorithm.     

基于峰度准则与判决引导的非线性盲解卷积

针对Weiner模型,提出了一种基于最大峰度准则与判决引导相结合的非线性系统盲解卷积算法。在代价函数中引入了判决引导均方误差,优化代价函数,减少局部极值和降低剩余误差。研究了利用实数编码的遗传算法对代价函数进行最优化搜索。仿真实验表明该算法具有快速收敛性能和高精确度等优点,能够大大提高解卷积后的输出信噪比。     

基于离散球面反卷积的白质纤维重构算法

为了解决基于扩散张量成像(DTI)的跟踪过程难以刻画脑白质内复杂纤维结构的问题,提出一种基于离散球面反卷积的确定性跟踪算法.该算法采用离散纤维方向密度函数建立球面反卷积模型,解除对连续球面函数模型的依赖,获得高角度分辨率识别;借助球面高斯函数拟合以补偿离散误差,并在此基础上实现流线型白质纤维跟踪.合成数据、仿真数据和实际临床数据表明：该模型能显著提高体素内小角度交叉纤维的分辨率,并有效抑制噪声.相比于基于其他模型的重构算法,该算法能够更准确地反映活体脑神经组织的真实连接情况.     

病态条件下的逆卷积问题及其多参数最佳化解

给出一个多参数最佳化解决方法，该方法采用模拟韧化最佳化技术，将病态逆卷积问题分解为多参数最佳估计问题，成功地解决了相应的病态条件问题，最后用一个简单的计算机仿真例子说明了该方法。     

快门编码模型重影模糊图像盲复原方法

针对刑侦取证工作中经常出现的一种重影模糊图像,提出了一种快门编码模型来近似模拟重影模糊的本质,利用快门编码模型对重影模糊图像进行盲复原处理.实验结果表明了该快门编码模型对复原重影模糊图像的合理性,对实际拍摄的重影模糊图像,该算法能够有效地复原出模糊图像中的感兴趣信息,具有较高的实用性.     

差额轮循的平滑输出算法研究

分组调度的基本方法有2种:基于优先级的方法和基于轮循的方法。一般的轮循算法对所有队列进行轮循调度,但是由于分组长度不固定,带宽公平性受到很大限制。而差额轮循算法(DRR)通过为每个队列分配带宽配额并且维护一个计数器的方法,解决了带宽分配的公平性问题,缺陷是不能以较为平滑的方式调度输出。文章通过在节点处加入基于网络演算的流量整形器,弥补了这一缺陷,从而使信息流更加平滑的输出,提高了网络服务质量。