一种有效的高分辨阵列处理新算法

提出了一种高分辨阵列信号处理的新方法。该方法基于噪声在空间有限范围内相关的合理假设，采用两个子阵有效地消除了噪声的影响，使算法不需要特写的噪声假设模型。此外，该处不需要进行任何特征值分解就可快速实现高分辨波达方向估计。     

一类多阶段决策过程方程迭代算法的收敛速度

本文给出了多阶段决策过程方程的迭代算法的一种收敛速度。     

一种快速收敛的BP算法

在常规算法的基础上，提出了一种基于变斜率算法与共轭梯度算法的接力逆向传播算法。通过寻找神经元激活函数的最优斜率集来加速迭代，还充分利用了共轭梯度算法的快速二次收敛的特点。计算表明，该算法收敛速度快、学习精度高。     

一类多阶段决策过程方程迭代算法的收敛速度

通过适当的映射，把一类多阶段决策过程方程的迭代算法的收敛性和收敛速度化为一个差分方程ιk 1=Ψ(tk)中的级数∑^∞k=0tk收敛性和收敛速度。     

一类线性过程中的分布函数的收敛速度

考虑线性过程X(n)=∑∞i=0δ(i)Z(n-i),在如下条件下①Z(n)为i.i.d.r.v′s,且E|Z(n)|＜∞;②Z(n)的分布函数F具有有界密度;③参数δ(i)满足|δ(i)|＜g(i),其中函数g满足∑∞i=1ig(i)＜∞,我们给出了supx∈R|F(x)-FVm(x)|→0的速度为(g(h(m)))1/2,在相同的条件下,比原速度(mg(h(m)))1/2快.     

一种基于神经网络的天线阵自适应算法

在天线阵自适应算法中引入一种TH神经网络,从而实现了算法的实时处理,并给出了计算机仿真结果。理论分析和仿真表明：该方法实现简单,鲁棒性强,易于电路实时实现。     

一种基于EM算法的快速收敛参数估计方法

将EM算法用于参数估计中,提出了一种在EM算法迭代中使用符号后验概率修正先验概率的快速收敛参数估计方法。通过分析参数估计的CRB与EM算法收敛速率的关系,指出通过降低参数估计的CRB可以提高EM算法的收敛速率。证明了修正之后的算法能加速算法收敛的机理,即降低了缺失数据的熵;同时证明了修正后的算法仍然收敛到修正前的似然函数。最后以载波相位估计为例与传统基于EM算法的相位估计方法进行比较,仿真结果表明,在不影响估计性能的前提下,算法收敛速率明显加快。     

求解单调非线性方程组的一种全局收敛的梯度型算法

提出了一种求解单调非线性方程组的梯度型算法,在适当条件下,证明了该方法具有全局收敛性。通过实例与牛顿型算法进行比较,结果表明:该方法结构简单,适合求解大型问题。     

一种密集波束域高分辨方位估计新方法

高分辨方位估计在声纳、雷达、通信等众多应用领域中占有十分重要的地位。提出了一种均匀线列阵的密集波束域MUSIC(DBMUSIC)法。该方法形成波束空间时，通过波束密集系数控制波束之间的密集程度，从而提高方位估计方法的多目标分辨能力。同时讨论了波束密集系数以及快拍数对DBMUSIC法分辨性能的影响。研究表明，与原波束域MUSIC(BMUSIC)法相比，在低信噪比的条件下，DBMUSIC法的高分辨估计性能得到明显改善，应用前景良好，而且快拍数越大，DBMUSIC法的多目标分辨能力越强。     

一类近似点算法及其收敛性质

本文提出了一类修正的近似点算法并讨论了算法的收敛性质及其收敛速度。     

一种改进的基于FFT Pruning算法的快速实现方法

针对文献[5]提出的FFT Pruning算法作了一些改进,得到了只计算FFT盯频谱中部分频点谱值的改进的快速实现方法．根据输入输出数据的结构特点,利用辅助矩阵和数据复制等手段,降低了FFT Pruning算法实现的复杂度,提高了FFT Pruning算法实现的灵活性．将改进后的FFT Pruning算法用C语言实现并在DSP集成开发环境CCS下的C5402 Device Simulator上运行．在相同条件下,再运行一般意义上的FFT算法和文献[5]中算法所对应的C程序、统计3种方法的运行时间并比较他们的效率．仿真结果表明：在相同的条件下,改进后的算法在快速准确地得到相关频谱值的同时,运算时间明显少于另外两种方法．同时,对输入输出端所取数据的长度也没有任何限制．     

二维线性对流扩散方程一种新的特征差分算法及收敛分析

文章讨论了二维线性对流扩散方程,将特征线法和有限差分法相结合,借助于双线性插值,给出了求解二维线性对流扩散方程数值解的一种新的特征差分格式,并分析了该算法的收敛性。此算法表明对于一类对流扩散方程,应用此差分格式,能更有效地消除数值振荡现象,从而极大地提高数值逼近度。     

解单调算子零点的Halpern方法的一个收敛率

研究解极大单调算子零点的Halpern方法.如果该算子的逆在原点处是Lipschitz连续的,并且有关参数适当选取的话,首次给出了该方法的一个收敛率.     

LMS算法的最佳计算步长研究

ＬＭＳ算法在线性滤波中得到广泛应用,人们对其进行了许多研究,给出了算法收敛的充分条件和对固定计算步长的误差上下限算法,但以往对计算步长的定量研究尚很不充分。由于ＬＭＳ算法中权向量输入 数据的统计特性,迭代计算中应突出使用较近的历史数据。另外,由于ＬＭＳ算法是噪声梯度法,须使其计算步长逐渐缩小,以保证ＬＭＳ算法的稳态均方差趋向于系统的最小均方差。据此,提出一种估计最佳计算步长的新方法。新方法中将ＬＭ     

非线性ABS算法的推广及其收敛性质

将求解非线性方程组的ABS算法加以推广,并证明了推广了的算法具有局部收敛性和二阶收敛速率。     

一种基于弱拟牛顿方程的单调梯度法的收敛性

基于弱拟牛顿方程,Leong W J等人提出了一种单调梯度法,该算法在每次迭代时利用对角矩阵逼近Hessian矩阵,使计算量和存储量明显减少,并且此算法对凸函数具有收敛性。在此算法的基础上,进一步研究了算法对于一般函数的收敛性,并证明了在一定的假设条件下算法仍具有全局收敛性、R-线性收敛性和超线性收敛性。     

多目标遗传算法的收敛性研究

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,多目标优化算法已有的研究大多为算法的设计和数值实验效果的比较,理论研究则很少,本文作者给出了一种求解多目标优化问题的新遗传算法（RMOGA）,并用Markov链的理论对RMOGA的收敛性进行了研究,其结果表明RMOGA依概率收敛到问题的Pareto前沿面.     

非精确光滑化Levenberg-Marquardt算法的局部收敛性

非精确Levenberg-Marquardt(L-M)算法是求解非光滑约束方程组的重要算法之一。在将非光滑约束方程组等价转化成无约束方程的基础上,该文针对一种新的非精确光滑化L-M算法,在局部误差界条件下,得到此算法具有超线性或二次收敛性质。     

一维优化问题的一族二阶收敛算法

牛顿法在最优化问题中占有极其重要的地位,它是一个具有二阶收敛性的选代法,但它需计算二阶导数,在原有的基础上通过增加一点的信息,得到了一族仅需计算一阶导数的带可调参数的且具有同样收敛速度的算法．     

移动机器人路径规划蚁群算法及其收敛性分析

移动机器人的路径规划是按照某一性能指标搜索一条从起点到目标点的最优或次最优的无碰撞路径.将蚁群算法用于移动机器人的路径规划,阐述了移动机器人路径规划蚁群算法的基本原理,指出蚁群算法的迭代过程是马尔科夫过程,分析了蚁群算法的收敛性,提出了改善蚁群算法收敛性的途径.仿真结果表明:该算法能够在较短的时间内规划出较优的路径,且该算法有效可行.