一种基于高斯分布的自适应 DBSCAN 算法

针对传统的 DBSCAN 算法只能依靠经验来设置阈值(min Pts ,Eps)和无法对多密度数据集进行有效聚类的不足,提出了一种可适用于所有密度分布特征的数据集的基于高斯分布的自适应 DBSCAN 算法.该算法根据数据集的特点寻找最大的聚类效果指数(CEI)来确定 min Pts ,通过 Distk 图的层次数确定 Eps 个数并通过高斯分布中的参数估计来确定每个密度层次 Eps 大小,最后用所求得阈值进行聚类.将该算法与传统的 DBSCAN 算法分别应用于单密度数据集和多密度数据集,结果显示该算法更有效.     

基于改进DBSCAN算法的金相图像晶粒聚集检测方法

在金相组织检测环节中,需在不同放大倍数的显微镜下提取晶粒聚集区域并计算参数.使用传统DBSCAN聚类算法进行聚集检测时,因每张图像晶粒聚集的密度不同、显微镜放大倍数不同等问题,需要反复实验以确定DBSCAN算法的两个基本参数.针对上述问题,本文提出一种改进的自适应DBSCAN算法,通过平均晶粒大小,确定领域密度阈值(MinPts),利用自适应的方式调整领域半径(Eps),并采用k-d树数据结构加速聚类过程.实验结果表明,使用本文方法能够自动检测出晶粒聚集区域,具有一定普适性,有望提高检测效率.     

基于改进DBSCAN算法的金相图像晶粒聚集检测方法

在金相组织检测环节中,需在不同放大倍数的显微镜下提取晶粒聚集区域并计算参数.使用传统DBSCAN聚类算法进行聚集检测时,因每张图像晶粒聚集的密度不同、显微镜放大倍数不同等问题,需要反复实验以确定DBSCAN算法的两个基本参数.针对上述问题,本文提出一种改进的自适应DBSCAN算法,通过平均晶粒大小,确定领域密度阈值(MinPts),利用自适应的方式调整领域半径(Eps),并采用k-d树数据结构加速聚类过程.实验结果表明,使用本文方法能够自动检测出晶粒聚集区域,具有一定普适性,有望提高检测效率.     

DVB-T2标准中帧配置参数的最优值算法设计

简要介绍了DVB-T2标准中的帧结构及相关参数。针对DVB-T2标准中对于LF,NTI和NBLOCKS_IF等帧配置参数并未给出确定值的问题,结合标准中提供的上述参数最优值的选择原则,设计了一种在单输入流条件下和相应的模式配置参数组合下的求解帧配置参数最优值的算法,并通过MATLAB对其进行了仿真验证。通过仿真结果分析和与标准中提供的参考值对比,验证了该算法的正确性。     

Optimal Value Algorithm Design of Frame Configuration Parameters in DVB-T2

简要介绍了DVB-T2标准中的帧结构及相关参数.针对DVB-T2标准中对于LF,Nn和NSLOCK_IF等帧配置参数并未给出确定值的问题,结合标准中提供的上述参数最优值的选择原则,设计了一种在单输入流条件下和相应的模式配置参数组合下的求解帧配置参数最优值的算法,并通过MATLAB对其进行了仿真验证.通过仿真结果分析和与标准中提供的参考值对比,验证了该算法的正确性.     

集成电路参数中心值和容差的耦合设计方法

基于对集成电路参数成品率中心值设计和容差分配的研究,该文提出了一种参数成品率中心值设计和容差分配耦合求解最优设计值的算法。该算法不需要设计者对电路或工艺的物理结构非常熟悉,从任意初始设计值和任意大小的容差,算法均可收敛到可接受域中的最优设计值。另外,根据工艺线的容差,算法可确定集成电路的最优参数成品率,也可根据实际要求选择适当容差的工艺线,以降低生产成本、提高效益。最后用实例证明了该算法的可行性和实用性,得到了满意的结果。     

一种可用于声目标特征提取的超分辨率混合谱估计算法

本文研究了一种估计有色噪声中多组谐波信号参数的去耦参数估计算法。其中提出了一种基于FFT的谐波组迭代清除算法来估计谐波信号的参数,并根据谐波图的值来确定谐波信号的个数。该算法不仅计算简单并可获得较高的频率分辩率,而且对信号模型具有较强的鲁棒性。     

基于蚁群算法求解TSP问题的参数优化与仿真

蚁群算法是一种具有分布计算、信息正反馈的新型启发式优化算法,初步的研究表明该算法在求解复杂优化问题,尤其是离散优化问题中具有许多优越性.阐述了蚁群算法在TSP问题求解中的应用,通过实验对蚁群算法的参数选择进行了分析,确定了参数的选择原则以及对算法性能的影响.对该算法做了一些改进尝试,仿真研究表明这些改进能在一定程度上使得算法取得更优的值.     

基于双谱奇异值和最优参数支持向量机的目标识别算法

提出了基于双谱奇异值和最优参数支持向量机的目标识别算法。首先从目标距离像的双谱中提取双谱奇异值特征;然后通过实验的方法确定支持向量机参数取值的范围,利用遗传算法获取支持向量机的最优参数;最后应用最优参数支持向量机对3种地面坦克目标进行识别。仿真实验表明,即使在较低的信噪比下该算法仍然可以取得比较高的识别率。     

小均方自适应滤波器集平均理论及实验仿真简

在自适应滤波器应用中的一个重要问题是确定可调节滤波器参数最优的标准,以及利用这种标准形成实际上可行的算法。最小均方算法是现今应用最为广泛的一种线性自适应滤波算法。在变步长最小均方算法中,变步长算法的选取十分关键,它对自适应滤波器的滤波效果有重大的影响。基于最小步长理论的最小均方自适应滤波器理论,简化均方误差的计算过程,设计合适的参数使实际值与理论性逼近,验证最小步长理论的实用性,仿真结果表明实验值与理论值十分吻合,具有较强的实用性。     

最优化问题算法重用研究

为提高算法设计的效率以及缩小设计所需的时间,提出了算法重用的思想,即通过解决同一类型问题的算法框架来生成具体算法。并以N皇后问题的回溯算法为实例,介绍了算法设计过程。通过算法重用,文中可在解决这类问题的算法框架下,根据自身选择的实现函数,在框架下填充算法的具体细节,从而避免了算法设计的重复性工作,节省了设计所需的时间,提高了设计效率。     

基于加权BF-TOPSIS的多属性决策方法研究

BF-TOPSIS算法结合置信方程和TOPSIS算法,能够有效处理多属性决策问题。加权BF-TOPSIS(WBFTOPSIS)算法是对BF-TOPSIS算法的有效推广,保留了BF-TOPSIS算法的优越性。文章首先对BF-TOPSIS算法的归一化问题进行详细推理分析,并给出BBAs构造的一种新的证明。通过分析BF-TOPSIS算法BBAs构造的实际意义,提出WBF-TOPSIS算法,并给出加权系数的最优化表达式。BF-TOPSIS算法是WBF-TOPSIS算法的一种特殊情况。相比于BF-TOPSIS算法,WBF-TOPSIS算法能够做出更优的决策结果;最后算例分析验证了所提算法处理多属性决策问题的优越性性。     

5G NR的小区搜索改进算法

5G NR时代对速率、容量和用户体验都有更高的要求。在5G NR物理层中,小区搜索是不可或缺的过程。小区搜索主要包括主同步信号(primary synchronization signal,PPS)检测算法以及辅同步信号(secondary synchronization signal,SSS)检测算法。传统PSS检测算法和SSS检测算法已无法满足5G NR各项指标的基本需求。为了解决这一问题,在传统M分段互相关检测算法基础上提出了改进PSS检测算法。当信道环境恶劣时,传统SSS检测算法也将失效,提出的改进SSS检测算法可以解决此问题。最后,对传统算法和改进算法进行仿真对比分析。仿真结果表明,改进算法的检测性能明显提升,检测效率和整体性能也提高了。     

基于DSP的新型SPWM算法研究与实现

通过分析各种SPWM采样算法的优点与缺陷,提出了一种新的SPWM采样算法,并采用Matlab软件计算出在该算法下开关器件的开通与关断时刻点,同时将其与规则采样法、切线采样法的时刻点比较。结果表明：新型的采样算法产生的SPWM脉冲比规则采样法、切线采样法更接近自然采样算法产生的脉冲,计算量远远小于自然算法,体现了该新型采样算法的优越性。最后通过DsP验证该新型算法的可行性。     

基于图聚集算法的寄存器传输级ALU工艺映射算法

给出了寄存器传输级工艺映射(RTLM)算法,该方法支持使用高层次综合和设计再利用的现代VLSI设计方法学,允许复杂的RT级组件,尤其是算术逻辑单元(ALU)在设计中重用.首先提出了ALU的工艺映射问题,给出了源组件和目标组件以及标准组件的定义,在此基础上通过表格的方式给出映射规则的描述.映射算法套用一定的映射规则用目标ALU组件来实现源ALU组件.采用一种基于分支估界法的图聚集算法,用该算法不仅可以产生面积最优的,而且还可以产生延时最优的设计.针对不同库的实验结果证明该算法对于规则结构的数据通路特别有效.     

相位恢复技术算法的探究

首先介绍了相位恢复技术中的Gerchberg-Saxton算法和梯度搜索算法。推导了当任意多帧输入图像及它们的离焦量作为输入时,梯度搜索算法的目标函数分别关于广义光瞳、波前以及泽尼克系数的偏导数。揭示了GS算法与梯度搜索算法之间的关系。针对单幅和多幅图像作为输入时分别用GS算法和梯度搜索算法设计了仿真实验,实验结果显示对于单幅图像作为输入时,梯度搜索算法明显优于GS算法。对于多帧不同离焦量的图像作为输入时,GS算法和梯度搜索算法都能很好的解算出波前,但梯度搜索算法的收敛速度明显优于GS算法。     

基于层次化随机游走算法的静态P/G网分析

将随机游走法和层次法相结合,采用层次化随机游走法对静态P/G网(Power and Ground Networks)进行分析.针对大规模的电路,在通过多层的参数提取和建模得到静态P/G网模型后,运用层次法将P/G网分割,在子网内采用随机游走法,并且在此基础上比较5种加速算法.实验数据表明,改进的双共轭梯度(BCG)随机游走法的计算速度是普通随机游走法的6倍以及是层次法的14倍.新方法有效地节省了计算时间,有益于对P/G网的研究.     

改进的KFCM算法及其在感兴趣区域提取中的应用

基于核函数的FCM算法(KFCM)是一种常用的聚类算法,它需要人为地确定分类数,对噪声比较敏感。针对感兴趣区域提取问题,提出一种改进的KFCM算法,该算法先用k'-means算法估计分类数,再用KFCM算法进行聚类,改进隶属度函数,使新算法的隶属度为其邻域隶属度的平均值,提高了算法的抗噪能力。将新算法应用到感兴趣区域提取中,实验结果表明,新算法不需要人为地确定分类数,并且相比传统的FCM算法和KFCM算法能更有效地抑制噪声。     

大规模MIMO系统中基于牛顿迭代和超松弛迭代的WWSE预编码算法

在大规模 MIMO 系统中,将牛顿迭代法用于传统的 WWSE 预编码算法求逆运算,但是其迭代初始值计算复杂。针对这一问题,提出WWSESOR-NT算法。在SOR算法的基础上提出中间算法,然后与牛顿迭代算法相结合,利用中间算法直接对高阶矩阵的逆进行估算,将得到的结果作为牛顿迭代法的迭代初始值以加快收敛速度。仿真结果显示,与传统牛顿迭代法比较,WWSESOR-NT 算法能够以更少的迭代次数和近似相同的复杂度逼近WWSE算法的性能。     

Fast subsampled-updating stabilized fast transversal filter (FSUSFTF) RLS algorithm for adaptive filtering

We present a new, doubly fast algorithm for recursive least-squares (RLS) adaptive filtering that uses displacement structure and subsampled-updating. The fast subsampled-updating stabilized fast transversal filter (FSU SFTF) algorithm is mathematically equivalent to the classical fast transversal filter (FTF) algorithm. The FTF algorithm exploits the shift invariance that is present in the RLS adaptation of an FIR filter. The FTF algorithm is in essence the application of a rotation matrix to a set of filters and in that respect resembles the Levinson (1947) algorithm. In the subsampled-updating approach, we accumulate the rotation matrices over some time interval before applying them to the filters. It turns out that the successive rotation matrices themselves can be obtained from a Schur-type algorithm that, once properly initialized, does not require inner products. The various convolutions that appear In the algorithm are done using the fast Fourier transform (FFT). The resulting algorithm is doubly fast since it exploits FTF and FFTs. The roundoff error propagation in the FSU SFTF algorithm is identical to that in the SFTF algorithm: a numerically stabilized version of the classical FTF algorithm. The roundoff error generation, on the other hand, seems somewhat smaller. For relatively long filters, the computational complexity of the new algorithm is smaller than that of the well-known LMS algorithm, rendering it especially suitable for applications such as acoustic echo cancellation