一种新型基于3D-MUSIC的迭代算法

在信号传播的速度与方向有关时,传统的MUSIC、ESPRIT算法和联合位置偏差DOA估计方法计算量太大,且估计精度下降,因此有必要改进算法提高精度。本文提出一种新型的迭代MUSIC优化方法,该方法精确度高,计算量没有增加,仿真试验证明该方法的有效性,正确性。     

基于改进型CORDIC算法和FPGA的DDS实现

在FPGA平台上实现了一种基于改进型CORDIC算法的新型DDS。采用三级旋转结构来提高旋转方向的并行计算速度,改进旋转结构中每一级数据处理位数并采用并行流水线方式以降低算法运行所需时间,使用进位保存算法完成基本迭代单元计算,并在实现上采用4-2压缩器,减少基本电路时延。通过ModelSim仿真和Matlab性能分析,所设计的DDS具有分辨率高、速度快和频谱杂散小等优点。     

无条件稳定的显式降维非线性有限元

针对传统降维非线性有限元计算速度与精确度难以兼顾的问题,提出了一种无条件稳定的显式迭代算法。基于泰勒展开式得到速度、加速度的三阶精度差分表达式从而获得新的有限元显式迭代方程,并分析其单自由度系统下的传递矩阵谱半径。改进迭代方程使谱半径始终小于1从而满足无条件稳定的要求。实验表明,改进后的显式迭代算法在等效阻尼比的精度上优于中心差分法和隐式迭代法;在降维非线性有限元模型计算中的计算耗时优于隐式迭代方法,提高了降维非线性有限元的迭代计算速度。模型在降维后维度数值较高时,仍能维持良好的计算耗时和帧率,保证了模型的精确度。     

一种基于CORDIC算法的高精度反正切求解

传统的CORDIC(坐标旋转计算机)算法进行高精度反正切求解时存在迭代次数多、收敛速度慢、资源消耗大等问题,提出一种改进的高精度CORDIC算法.该方法利用传统的CORDIC算法迭代数次后得到正弦信息,并利用角度和正弦值近似的原理,对迭代后的结果进行误差补偿,有效提高了相同迭代步数下的计算精度.实验数据表明:32位改进...     

改进的MVR-CORDIC算法在磁航向测量中的应用

在单片机进行磁航向计算过程中,针对基本MVR-CORDIC算法的执行速度和效率不高的问题,分析和列举了在航向测量中利用算法矢量模式进行航向解算的步骤,结合该系统单片机和算法的特点,提出了自适应迭代次数和改进的旋转序列查找方法,在保证精度的同时提高磁航向解算的速度.该改进算法在单片机中实现,与基本算法进行了实验对比,结果表明:自适应迭代使算法迭代次数减少为原来的67%,改进的查找方法缩短57%的原迭代时间,且改进算法达到了系统要求精度,证明了该改进算法的快速有效.     

基于改进K均值算法的螺丝锁附结果分类研究

为解决手机螺丝自动化锁附过程中的锁附结果检测问题,该文提出一种基于加权核K均值分类算法的改进算法。由于加权径向基核函数的K均值算法的计算速度较慢,文章将径向基核函数进行泰勒展开并取前三项进行简化,提高了计算速度。另外,采用软最大决策规则,保证每次迭代的高收敛速度和低计算复杂度。改进的算法较传统的核K均值算法在解决螺丝锁附结果分类问题上具有相同的精度但是计算速度更快。     

空中复杂结构目标杂散辐射快速计算算法

针对在自然光环境下天地背景对空中目标的辐射作用,引入光学系统中的杂散辐射信息的计算,结合有限元算法采用并改进传统光线追迹计算模型求解目标散射信息。并且利用Kd-tree算法对面元结构目标建立空间分割描述结构实现加速计算,同时借助Modtran大气传输模型模拟计算自然环境下目标表面的入射光信息,从而利用BRDF模型计算获得复杂目标在天地背景中自然光辐射的散射信息。仿真计算结果表明,该方法相对于有限元求解算法具有相同的计算准确度,并且提升了6到10倍传统杂散辐射计算方法的计算速度。对目标杂散辐射的计算结果表明该方法对目标光学探测、识别和导弹制导等方面的研究具有很高的应用参考价值。     

引入改进鸽群搜索算子的粒子群优化算法

随着迭代计算过程的推进,标准粒子群算法后期容易出现收敛速度较慢、精度较低、早熟及开发探索能力较弱等问题.针对上述不足,文中提出引入改进鸽群搜索算子的粒子群优化算法,采用Beta反向学习策略进行种群的初始化,实现种群粒子分布的多样性.首先采用线性和非线性变异策略改进鸽群算法中的地图罗盘算子,提高鸽群算法的开发和探索能力.然后采用改进后的组合优化鸽群算子更新粒子群中粒子位置和速度,提高收敛速度和计算精度,避免算法陷入局部最优.实验表明,文中算法提高收敛计算速度,精度达到函数设定的理想值.     

基于改进粒计算的K-medoids聚类算法

针对传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢以及聚类精度不够高等缺点,提出一种基于改进粒计算、粒度迭代搜索策略和优化适应度函数的新算法。该算法利用粒计算思想在有效粒子中选择K个密度大且距离较远的粒子,选择其中心点作为K个聚类初始中心点;并在对应的K个有效粒子中进行中心点更新,来减少迭代次数;采用类间距离和类内距离优化适应度函数来提高聚类的精度。实验结果表明：该算法在UCI多个标准数据集中测试,在有效缩短迭代次数的同时提高了算法聚类准确率。     

基于置信传播的复杂网络社团发现算法

经典的置信传播（BP）算法能够通过有限次数的迭代,推断出所有节点的边缘概率分布和最大似然概率。针对该算法在迭代过程中产生的影响精度和收敛速度的强烈震荡,找出了造成震荡的三个主要因素：强势能、紧密的环路和矛盾的方向,并有针对性地改进了该算法的核心更新规则;同时又进一步提出了异步消息传递方式,克服传统置信传播算法采用的同步消息传播方式的收敛慢、效率低等缺点。利用随机块模型拟合网络的生成过程,利用经典的期望最大化算法对模型进行求解,分别利用改进前后的置信传播算法推断隐变量的后验概率。在五个真实网络上的实验表明,两个改进均使得精度和速度不同程度地提高。     

基于保局部核RVM的说话人识别方法

针对说话人语音特征随音量、情绪、健康等因素变化呈现出的复杂分布结构,提出一种基于保局部核相关向量机(RVM)的说话人识别方法。在RVM模型所采用的高斯核函数中引入相似度因子,以保留数据局部结构,构成保局部核RVM模型。在模型训练过程中采用快速算法以避免大型矩阵逆操作,减少计算量,可适用于大样本场合。应用结果表明,该方法能加快测试速度,提高分类精度。     

基于EEMDSE-ILSTM的风电场超短期风速预测

不可再生资源的枯竭推动着新能源的发展,风电作为目前风能利用的主要形式得到了大面积推广。但风速非线性、非平稳性、时序性的特点对风机本身和电力系统都会产生不利的影响,因此精准的风速预测已经成为亟待解决的关键课题。基于组合预测方法,提出了一种EEMDSE-ILSTM风速预测模型。该模型利用集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）将风速数据分解为若干个分量数据集,并通过样本熵对各分量进行筛选以简化数据。将改进的鲸鱼算法与长短期记忆网络（Long Short-Term Memory,LSTM）结合,无监督生成合适的模型预测参数。在预测时依次对每个分量数据预测并将结果累加获得最终预测值。仿真结果表明,该模型与其他方法比较,显示出较好的预测精度和泛化性能。     

直线感应电动机在RGV穿梭车上的应用研究

随着自动化物流系统输送效率的提升，RGV穿梭车的走行速度较低和加减速控制较慢的问题已逐渐成为发展的瓶颈。直线感应电动机因其同步速度高、直接推力大等特点，成为了RGV穿梭车驱动方式改进的关注方向。本文通过直线感应电动机在RGV穿梭车上应用的论证，并对试验样机进行了测试与分析，探讨了技术的可行性。对应用中出现的直线感应电机边端效应、气隙影响、温升等对穿梭车控制可能产生影响的相关问题提出了看法和应对措施，从而为发展直线感应电动机在RGV穿梭车上的应用提供了借鉴和依据。     

CEEMD-WT和CNN在短期风速预测中的应用研究

由于风速存在随机性和不稳定性,为了提高短期风速预测的精度,提出了一种基于完备总体经验模态分解（CEEMD）、小波变换（WT）和卷积神经网络（CNN）的短期风速预测混合模型。首先,CEEMD算法把原始风速序列分解成一些相对平稳的固有模态函数和一个残差序列;然后,WT算法对每个固有模态函数进行二次去噪,进一步消除噪声对固有模态函数的影响;最后,卷积神经网络对每个固有模态函数、残差序列和影响风速的5个属性训练预测得到各自的预测结果,对所有的预测结果重构得到最终的预测结果。通过实验与其他4个风速预测模型进行比较,所提出的模型预测的绝对平均百分比误差（MAPE）最小,为2.484%,表明在短期风速预测方面CEEMD-WT-CNN模型有较好的性能。     

质心粒子群优化算法

为了加快粒子群算法收敛速度,提出了质心粒子群优化算法（CPSO）。算法通过计算种群所有个体最优记录所构成的一个群体的质心,对种群个体当前的最优记录和全局最优记录进行比较、替换或更新等操作,从而加快算法的收敛速度。仿真实验表明,在求解相同精度的情况下,质心粒子群优化算法的收敛速度优于线性递减惯性权重粒子群优化算法（LDWPSO）。     

OFDM超分辨率联合TOA/AOA定位

对无线信号到达时间（TOA）和到达角度（AOA）的精确估计是室内无线定位的关键。正交频分复用（OFDM）是适合多径衰落环境的一种高速传输技术。提出一种联合TOA和DOA的二维定位方法用于OFDM信号定位。算法首先通过信道估计得到信道的频率响应（CFR）,对CFR采用超分辨率算法估计信道时延。首径（first arrival path,FAP）的时延估计就是接收信号的TOA估计。将天线阵列接收信号通过DFT变换到频域,利用同样的算法估计信号各径的AOA/DOA。最后联合TOA和AOA在二维平面上确定目标位置。由于信号是多径、多载波信号,对各载波的DOA/AOA估计在载波间进行处理,再结合各径脉冲响应的幅值,选出属于首径的DOA/AOA估计。在多径环境下仿真表明算法有效且定位精度能够满足实际需要,尤其适合环境中只有一个基站或接入点的情况。     

现代医院门诊量的灰色RBF神经网络预测

门诊量预测是现代医院电梯交通以及医疗资源优化配置的重要前提。为了有效地预测医院的门诊量,提出一种将灰色预测方法与RBF神经网络有机结合的灰色神经网络组合预测方法。该方法利用灰色预测中的累加生成运算（AGO）对原始观测数据进行变换,得到规律性较强的累加数据,作为神经网络的建模和训练样本。所提出的方法既避免了灰色预测方法存在的理论误差,又提高了神经网络的训练速度和预测精度,对短期的医院门诊量预测具有较强的实用价值。结果表明：所提出的方法具有良好的预测精度。     

混沌协同人工鱼粒子群混合算法及其应用

针对基本人工鱼群算法（AFSA）收敛速度较慢、精度较低和粒子群易陷于局部的缺点,提出了混沌协同人工鱼粒子群混合算法（CCAFSAPSO）。该算法采取AFSA、PSO的全局并行搜索与模拟退火算法（SA）的局部串行搜索机制相结合的搜索方式,并用混沌映射的遍历性和模拟退火算法的突跳功能,克服了AFSA、PSO的收敛速度、求解精度和易陷于局部最优的不足。典型函数测试进一步表明CCAFSAPSO算法和同类算法相比,收敛速度更快、求解精度较高。最后将算法应用于化工数据处理,获得满意效果。     

基于PSO与对立学习的细菌觅食算法

为提高细菌觅食算法处理高维问题时的收敛速度及精度,提出一种基于粒子群优化算法和对立学习的细菌觅食算法PO-BFA.在种群初始化阶段采用对立学习取代随机初始化,在进化过程中利用对立学习进行种群动态跳跃,以提高算法的收敛速度,并以粒子移动代替细菌的趋化操作,由此省略细菌前进操作.基于6个高维Benchmark函数的实验结果...     

基于手语视觉单词特征的手语字母识别研究

为有效识别手语字母,提出一种手语视觉单词(SLVW)的识别方法。采用Kinect获取手语字母视频及其深度信息,在深度图像中,通过计算获得手语手势的主轴方向角和质心位置以调整搜索窗口,利用基于深度图像信息的DI_CamShift方法对手势进行跟踪,进而使用基于深度积分图像的Ostu方法分割手势,并提取其尺度不变特征变换数据。将局部特征描述子表示的图像小区域量化生成SLVW,统计一幅手语图像中的视觉单词频率,用词包模型表示手语字母,并用支持向量机进行识别。实验结果表明,该方法不受颜色、光照和阴影的干扰,具有较高的识别准确性和鲁棒性,对复杂背景手语视频中的30个手语字母的平均识别率达到96.21%。