一种新的基于最小二乘准则的超宽带多用户检测算法

本文通过由跳时码唯一确定的编码矩阵将超宽带无线多址通信信道模型建模为一种线性模型,提出了一种新的基于最小二乘准则的超宽带多用户检测算法。该算法把最小二乘准则公式： 写成矩阵形式并且利用矩阵Moore-Penrose逆递推公式实现的自适应递推算法直接对编码矩阵进行更新,从而得到了一种新的超宽带多址通信自适应多用户检测算法。计算机模拟结果表明,该算法比传统的RLS算法有更好的收敛速度,并且相应的自适应多用户检测器比传统的检测器有更好的检测性能。     

辅助模型辨识方法(5):最小二乘辨识

借助于辅助模型辨识思想,针对白噪声干扰的输入非线性有限脉冲响应系统,研究了辅助模型最小二乘辨识方法、辅助模型多新息最小二乘辨识方法、变递推间隔辅助模型最小二乘辨识方法、变递推间隔辅助模型多新息最小二乘辨识方法、等递推间隔辅助模型多新息最小二乘辨识方法,以及有限数据窗最小二乘辨识方法,包括引入加权因子(加权矩阵)、遗忘因子得到的一些相应辨识方法.     

直流电机模型时变参数的在线辨识方法分析

为解决直流电动机实际运行中模型参数因受到运行环境、工况等条件的影响而导致其建模不精确的问题,研究和比较了递推最小二乘法、指数遗忘的递推最小二乘法、矩阵规范化的递推最小二乘法、投影算法、正则化的最小二乘法5种实时参数估计方法。引入平方误差积分准则、时间平方误差积分准则、绝对误差积分准则和时间绝对误差积分准则,对实时参数估计的精度和效果进行评判。计算机仿真结果表明,对于时变的直流电动机模型参数,RLSEF算法具有在误差积分准则意义下的最优辨识精度。     

基于奇异值分解的Box-Jenkins模型参数估计算法

基于奇异值分解和递推广义增广最小二乘原理,提出了Box-Jenkins模型参数估计的一种递推算法.常规的递推广义增广最小二乘算法对舍入误差较为敏感,会导致协方差矩阵失去正定性和对称性,产生病态条件问题,引起数值不稳定现象.为了改善参数估计的性能,利用协方差矩阵的奇异值分解技术,推导出Box-Jenkins模型估计算法.该算法辨识精度高,收敛速度快,数值稳定性好.仿真表明,随着噪信比的增大.新算法仍然具有良好的性能.     

传递函数辨识(16):频率响应二阶系统参数估计

基于功率、电压、电流与电阻的关系,建立电阻误差准则函数、电压误差准则函数、电流误差准则函数、功率误差准则函数,应用梯度搜索、最小二乘搜索原理,推导了估计电阻的递推辨识算法,包括投影算法、随机梯度算法、多新息随机梯度算法、递推梯度算法、多新息递推梯度算法、递推最小二乘算法、多新息最小二乘算法等。此外,利用系统的实频特性数据和虚频特性数据,给出求解二阶传递函数模型参数的代数方法。     

求双变量LME一种异类约束最小二乘解的MCG算法

借鉴求线性矩阵方程(LME)同类约束最小二乘解的修正共轭梯度法,建立了求双变量LME的一种异类约束最小二乘解的修正共轭梯度法,并证明了该算法的收敛性.在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LME的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LME的极小范数异类约束最小二乘解.另外,还可求得指定矩阵在该LME的异类约束最小二乘解集合中的最佳逼近.算例表明,该算法是有效的.     

输出误差系统的多新息辨识方法

研究了输出误差(OE)系统和输出误差自回归滑动平均(OEARMA)系统(即Box-Jenkins系统)的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息最小二乘算法,输出误差系统的修正辅助模型随机梯度算法、遗忘因子辅助模型随机梯度算法、变递推间隔辅助模型随机梯度算法、变递推间隔辅助模型多新息随机梯度算法、变递推间隔辅助模型递推最小二乘算法等,以及输出误差自回归(OEAR)系统的基于滤波的辅助模型多新息广义随机梯度算法和基于滤波的辅助模型多新息广义最小二乘算法.     

输出非线性方程误差类系统递推最小二乘辨识方法

随着控制技术的发展,控制对象的规模越来越大,使得辨识算法的计算量也越来越大.对于结构复杂的非线性系统,特别是包含未知参数乘积的非线性系统,使得过参数化辨识方法的参数数目大幅度增加,辨识算法的计算量也急剧增加,因此探索计算量小的参数估计方法势在必行.针对输出非线性方程误差类系统,讨论了基于过参数化模型的递推最小二乘类辨识方法;为减小过参数化辨识算法的计算量和提高辨识精度,分别利用分解技术和数据滤波技术,研究和提出了基于模型分解的递推最小二乘辨识方法和基于数据滤波的递推最小二乘辨识方法.最后给出了几个典型辨识算法的计算量、计算步骤、流程图.     

Hammerstein系统递推辨识的自适应算法

采用最小二乘支持向量回归对Hammerstein系统进行辨识缺乏稀疏性,且模型不易递推.提出一种基于输出预报误差的Hammerstein模型自适应稀疏递推辨识算法.根据分块矩阵对模型进行递推运算,基于系统输出预报误差的结果,自适应调整算法的辨识步骤,可以避免递推时可能出现的误差积累问题,有效提高算法的稀疏性和稳定性.仿真结果表明,与常规的递推算法相比,该自适应算法能够在保证辨识精度的情况下,有效稀疏和简化模型,提高算法的鲁棒性和辨识效率,更加符合系统在线辨识的需要.     

多新息在特征模型网络控制系统的应用与仿真

针对网络控制系统存在时延和丢包,控制器设计困难等问题,利用变递推间隔多新息最小二乘辨识算法可以克服坏数据、计算量小的优点,结合特征模型在实际工程中建模简单、控制精度较高的特点,将两者首次结合并运用在了网络控制系统中.最后以直流电机为例,用Truetime仿真工具箱对网络控制系用进行了仿真研究.仿真结果表明,运用了变递推多新息最小二乘法特征模型的网络控制系统稳定性更强.     

Multi-channel fast super-resolution image reconstruction based on matrix observation model

A multi-channel fast super-resolution image reconstruction algorithm based on matrix observation model is proposed in the paper,which consists of three steps to avoid the computational complexity: a single image SR reconstruction step,a registration step and a wavelet-based image fusion. This algorithm decomposes two large matrixes to the tensor product of two little matrixes and uses the natural isomorphism between matrix space and vector space to transform cost function based on matrix-vector products model to matrix form. Furthermore,we prove that the regularization part can be transformed to the matrix formed. The conjugate-gradient method is used to solve this new model. Finally,the wavelet fusion is used to integrate all the registered highresolution images obtained from the single image SR reconstruction step. The proposed algorithm reduces the storage requirement and the calculating complexity,and can be applied to large-dimension low-resolution images.     

耦合社会信任信息的矩阵分解协同过滤模型

在过去的十年中,协同过滤（CF）推荐系统已经取得了巨大的成功。然而,用户-物品矩阵的稀疏性和冷启动问题仍然是一个挑战。在线社交网络的出现,为推荐系统提供了大量社交网络信任信息,从而为解决这一问题提供了契机。该文基于矩阵分解协同过滤方法,提出了一种集成用户信任信息的模型。该方法利用用户信任信息对用户隐因子进行修正,采用自编码器来提取用户和物品隐特征向量的初始化特征,并针对社交网络中的信任关系提出了信任群组的检测算法。大规模的真实数据集上进行的广泛的实验表明,该模型与相关算法对比,不但能有效缓解冷启动,而且取得了更好的推荐性能。     

基于标志点的多视三维数据自动拼接方法

为了实现多视三维数据的自动拼接,提出了一种数据拼接方法。利用标志点的空间特征不变性,通过引入距离矩阵和匹配信息表,根据匹配标志点之间的约束关系,实现了标志点的匹配,同时利用相邻区域测量数据之间的关系,基本消除了匹配歧义问题。运用奇异值分解法求解旋转矩阵R和平移向量T,实现测量数据拼接。多视拼接实例表明,本算法具有较强的鲁棒性,能够实现对多视数据的快速,自动拼接,具有很好的实用价值。     

布尔矩阵在树的判定中的应用

树的邻接矩阵在电子工程、计算机领域有重要应用.定义了图的布尔矩阵,给出了树的标准型,并且应用标准型给出了树的判定方法和算法,用计算机实现了该算法.     

FDI攻击下非线性多智能体系统分布式无模型自适应控制

为研究受到虚假数据注入攻击的单输入单输出非线性多智能体系统的分布式无模型自适应控制问题,提出了一种新的分布式动态线性化方法, 以获得非线性多智能体的等效线性数据模型。与现有多智能体的分布式无模型自适应控制在控制器设计中有所不同, 本文设计的控制器不需要网络拓扑结构的信息, 仅使用系统的输入输出数据。仿真算例验证了所提出的分布式无模型自适应控制算法可以实现多智能体系统的均方有界趋同控制。算法保证了多智能体系统在受到网络攻击时可以实现趋同控制目标。     

Cross-camera moving target tracking algorithm based on sparse representation

Cross-camera target tracking is very challenging,mainly because of the difference in the background area under different cameras and the randomness of the target movement behavior trajectory,which will accumulate interference errors very easily,and affect the matching accuracy,thus leading to the tracking failure.Aiming at this problem,a model of moving target tracking based on sparse representation is proposed in this paper.The model uses the difference in background brightness between different cameras to compensate the illumination of the target,so as to obtain a stable template matrix.At the stage of model solution,to solve the problem that the traditional greedy algorithm has a single atom matching pattern,ignoring the relationship between inner atoms and leading to a low reconstruction accuracy,the model adopts the band exclusion(BE) method in the band exclusion local optimization orthogonal matching pursuit(BLOOMP) algorithm to reduce the interatomic coherence.In addition,combining the local optimization(LO) technique with the new coherence discrimination mechanism,we obtain a more compact correlation band to update the support set,leading to improving the reconstruction accuracy.At the stage of template updating,in order to enhance the real time performance of the template matrix,the model uses correlation band and different weight coefficients as the template replacement mechanism.Simulation results show that the proposed method can track the interested target stably and robustly compared with the traditional algorithm under the condition of indoor and outdoor scenes.     

未知噪声背景下基于数据阵共轭重构的MUSIC角估计算法

详细讨论了在未知噪声背景下，利用接受数据阵及其共轭重构得到新的数据阵，并借助数据阵的奇异值分解实现UMMUSIC算法（未知噪声背景下的修正多信号分类法），这将有助于改善估计的分辨性及改善协方差阵特征值的分布；同时能更有效地应用于实际，并给出了验证理论分析的计算机仿真结果。     

DPLORE：一种差分隐私保护位置推荐算法

人类移动中的顺序模式在地理社交网络服务的位置推荐中扮演了重要角色。现有的位置推荐系统必须访问用户的原始签到位置数据, 以挖掘其顺序模式, 然而这会泄露用户的位置隐私。针对该问题, 提出一种基于差分隐私保护的位置推荐算法(Differential Privacy Location Recommendation, DPLORE)。首先, 根据原始数据构建转移计数矩阵, 利用拉普拉斯机制向分解后的矩阵元素添加噪声, 使得算法满足差分隐私保护。接着, 在多阶马尔可夫链模型的基础上, 提出自适应权重的n-阶马尔可夫链模型, 利用用户的顺序模式来进行位置推荐。最后的实验表明, 本文设计的算法框架DPLORE的推荐结果准确率和召回率都优于现有的算法, 同时DPLORE在高推荐精度和严格的位置隐私保护之间达成良好的权衡。     

基于传播算子的二维ESPRIT算法

为了提高经典参数估计旋转不变法(Estimation of signal parameters via rotational Invariance Technique,ESPRIT)处理数据的效率,提出基于传播算子的二维虚拟ESPRIT的改进算法。该算法通过构造一组虚拟阵列得到新的虚拟接收数据,利用传播算子将这组新数据与真实阵列得到的数据进行数据重构,从而得到噪声子空间避免特征值分解,最终可估计出用户的二维波达方向估计。理论分析表明,该方法的波达方向估计性能优于传统的ESPRIT方法,且降低了运算量,提高了阵列的利用率和算法的抗干扰能力,最后由计算机仿真实验证明此方法的有效性。     

基于矩阵秩显QR分解的时延估计

近年来，ＭＵＳＩＣ算法在时延估计研究中异常活跃，它获得和利用接收信号的协方差矩阵的一组与信号时延矢量正交的特征矢量。特征分解需要很大的计算量。本文基于矩阵秩显ＱＲ分解提出一种新的时延估计方法。计算机模拟结果表明此方法与ＭＵＳＩＣ算法同样有效，而且计算量大为减小。