递推计算灵敏度的极大似然估计算法实现

对非线性连续一离散系统的极大似然参数估计方法导出了一种递推计算灵敏度的新算 式.该算式借助二水平正交表的性质,避免了原灵敏度递推算式中的矩阵求逆运算.仿真实 例验证了该算法的实用性和有效性.     

基于正交计算灵敏度的极大似然估计算法*

本文基于正交计算灵敏度的极大似然估计算法研究了弹性飞行器的气动参数辨识问题。文中利用指示函数(indicial function)的概念和Duhamel积分描述任意的非定常气动力过程,借助于正交试验的正交表解决了递推计算灵敏度的数值计算问题。最后给出了弹性飞行器气功参数估计的一个仿真算例。     

改进的非线性连续-离散系统的极大似然参数估计及其应用

对Jategaonkar等人给出的同时计及过程及观测噪声的非线性连续-离散系统的极大似 然算法从两个方面进行了改进:1)给出了计算灵敏度的最佳摄动有限差分算法,避免了普通 有限差分法计算灵敏度矩阵时需人为选择参数摄动量大小而带来的缺点;2)给出了具有快 速三角化平方根滤波的极大似然算法,提高了原算法的数值稳定性.上述改进算法经应用于 飞行器系统参数估计证明了方法的有效性.     

一种核正交局部敏感辨别分析算法

为了发掘嵌入在人脸样本的非线性结构信息,把核方法和基向量正交化思想引入局部敏感分析算法中,提出一种新的人脸识别算法-核正交局部敏感辨别分析(Kernel based Orthogonal Locality Sensitive Discriminant Analysis).并给出了算法的推导过程及计算步骤.首先用核方法提取人脸样本的非线性信息,并将其投影至高维非线性空间,然后采用局部敏感辨别分析做线性映射,最后采用施密特正交化方法得到正交的基向量,从而使算法更好地描述人脸非线性流形结构特征.在ORL和YaleB人脸库的人脸识别实验证明了所提算法的有效性.     

一种基于神经网络算法的高精度拟合传感器温度特性曲线的方法

为了有效改善传感器温度补偿特性,提出了基于傅立叶基函数神经网络算法的温度特性曲线拟合模型.分析了算法的收敛性,为学习率的选择提供了理论依据.给出了对掺杂苯的SnO2纳米传感器的灵敏度-温度特性曲线进行拟合的实例.结果表明基于傅立叶基函数神经网络算法的传感器温度特性拟合曲线具有高的光滑性和高的拟合精度(10-6),因而是一种有效的温度特性曲线拟合方法.     

基于GA-BP神经网络的红外CO2传感器湿度补偿研究*

为了提高红外CO2气体传感器的探测灵敏度和精度,首先研究了不同镀膜对非色散扁锥腔CO2气体传感器的红外吸收效率和灵敏度的影响.然后搭建了湿度实验平台,着重研究了环境湿度对气体浓度测量结果的影响.最后,采用遗传算法优化的BP神经网络算法(GA-BP)对传感器进行了湿度补偿.实验结果表明:在室温条件下、0～2000×10-6浓度范围内,镀金腔体的CO2传感器具有更高的红外吸收效率和灵敏度;在40％～80％湿度范围内,CO2气体传感器的测量误差与相对湿度密切相关,最高误差达645×10-6.采用GA-BP算法数据融合补偿后,传感器湿度漂移得到了较好抑制,整体平均误差小于±110×10-6,表明CO2气体传感器的测量精度得到了大幅提升.     

求解全局优化问题的混合自适应正交遗传算法

提出了一种基于正交实验设计的混合自适应正交遗传算法(hybrid self-adaptive orthogonal genetic algorithm,简称HSOGA)以求解全局优化问题,此算法利用正交实验设计方法设计交叉算子,并提出一种自适应正交交叉算子.该自适应正交交叉算子根据父代个体的相似度自适应地调整正交表的因素个数和对父代个体进行因素分割的位置,生成具有代表性的子代个体,以更好地搜索空间.此外,新算法利用自适应正交交叉算子生成均匀分布的初始种群,以保证初始群体的多样性.同时引入了局部搜索策略以提高算法局部搜索能力和收敛速度.通过14个高维的Benchmark函数验证了算法的通用性和有效性.     

基于叠加训练序列的MIMO-OFDM信道估计

为实现多输入多输出(MIMO)-正交频分复用(OFDM)系统相干检测,提出一种新的基于叠加正交训练序列的MIMO-OFDM信道估计.详细证明了算法的估计准则并说明了训练序列的构造.通过叠加与信息序列不相关的正交训练序列,快速有效地估计出信道的冲激响应,同时使得最小均方误差达到最小值.与最小二乘法比,该算法避免了复杂的矩阵求逆运算,降低了运算量,且通过叠加训练序列,没有带宽损失.通过计算机仿真证明了算法的有效性及高性能.     

正交泛函网络函数逼近理论及算法

基于正交函数的概念和特性,提出一种正交泛函网络新模型,给出了正交泛函网络学习算法.该算法是借助于正交函数性质和Lagrange乘数法做辅助函数,对泛函参数学习过程归结为求解一组线性方程组的过程.最后,通过函数逼近算例计算机仿真结果表明,该算法十分有效,具有模型简单、逼近精度高等特点.     

基于正交小波变换的稀疏权盲均衡算法

为增强盲均衡算法的工程可实现性,在分析正交小波变换理论和超指数迭代盲均衡算法的基础上,利用正交小波变换对超指数迭代(SEI)算法的权向量迭代公式进行修正,同时利用分数间隔均衡器的优点来提高带宽利用率,提出一种基于正交小波变换稀疏权盲均衡算法(FSE-WT-SEI-SW).该算法利用正交小波变换良好的去相关性来加快收敛速度,通过对权向量的稀疏来减少算法的计算量,有利于工程的实现.水声信道的仿真结果验证了算法的有效性.     

正交寻优法

本文提出的正交寻优法是适用于复杂非线性目标函数的近似寻优法.它基于逐点线性化 后按梯度法进行寻优,在线性化及求梯度过程中借用正交试验的概念和正交表的性质,简化了 矩阵求逆过程.该法具有计算量小、搜索速度快及对初值不敏感等特点.利用该法设计的某 型惯导平台稳定回路,得到了理想结果.     

Differential evolution based on ε-domination and orthogonal design method for power environmentally-friendly dispatch

This paper proposes a differential evolution algorithm based on ε-domination and orthogonal design method (ε-ODEMO) to solve power dispatch problem considering environment protection and saving energy. Besides the operation costs of thermal power plant, contaminative gas emission is also optimized as an objective. In the proposed algorithm, ε-dominance is adopted to make genetic algorithm obtain a good distribution of Pareto-optimal solutions in a small computational time, and the orthogonal design method can generate an initial population of points that are scattered uniformly over the feasible solution space, these modify the differential evolution algorithm (DE) to make it suit for multi-objective optimization (MOO) problems and improve its performance. A test hydrothermal system is used to verify the feasibility and effectiveness of the proposed method. Compared with other methods, the results obtained demonstrate the effectiveness of the proposed algorithm for solving the power environmentally-friendly dispatch problem.     

免疫算法的改进及在参数反演中的应用

本文提出一种改进的免疫算法。该算法用正交交叉生成初始种群,用精英交叉来增加群体的优良模式,用混合变异提高局部和全局寻优能力。将该方法应用于墨西哥湾地区典型地层模型AVO弹性参数反演。数值试验结果表明,和传统免疫算法相比,改进算法在反演精度和收敛速度上都有了很大的提高。     

POD acceleration of fully implicit solver for unsteady nonlinear flows and its application on grid architecture

A method for the acceleration of a fully implicit solution of nonlinear unsteady boundary value problem is presented. The principle of acceleration is for provide to the inexact Newton backtracking method a better initial guess, for the current time step, than the conventional choice from the previous time step. This initial guess is built on the reduced model obtained by a proper orthogonal decomposition of solutions at the previous time steps. This approach is appealing to GRID computing: spare processors may help to improve the numerical efficiency and to manage the computing in a reliable way.     

Structured output-feedback controller synthesis with design specifications

This paper considers the problem of structured output-feedback controller synthesis with finite frequency specifications. Based on the orthogonal space information of input matrix, an improved parameter-dependent Lyapunov function method is first proposed. Then, a two-stage construction method is designed, which depends on an initial centralised controller. Corresponding design conditions for three types of output-feedback controllers are presented in terms of unified representations. Moreover, heuristic algorithms are provided to explore the desirable controllers. Finally, the effectiveness of these proposed methods is illustrated via some practical examples.     

正交Scatter Search算法

针对Scatter Search算法在初始种群的分布欠均匀,难以搜索到全局最优,目标函数评价次数多等方面的缺点,把正交设计方法同Scatter Search算法结合起来,提出了Orthogonal Scatter Search(OSS)算法,以改进其不足,满足实际工程的需要.实验证明OSS算法优于SS算法,不仅目标函数评价次数少,收敛速度快,而且易于搜索到全局最优或者非常接近于全局最优,尤其是高维空间效果更加明显.     

一种改进的MIMO-OFDM系统频域信道估计和跟踪方案

深入研究了MIMO-OFDM系统中的频域信道估计和跟踪算法．在分析比较了现有频域信道估计算法的基础上,提出了一种有效的改进频域信道估计和跟踪方案．该方案利用基于正交训练符号的算法求得初始信道估计值,利用信道估计和信号检测的联合迭代算法来跟踪随时间变化的信道参数．在典型的室内传输环境下对三种频域信道估计和跟踪方案进行了仿真比较,结果表明,本文所提方案在较低的迭代次数下就可以带来明显的性能改善．     

Immune algorithm with orthogonal design based initialization, cloning, and selection for global optimization

In this study, an orthogonal immune algorithm (OIA) is proposed for global optimization by incorporating orthogonal initialization, a novel neighborhood orthogonal cloning operator, a static hypermutation operator, and a novel diversity-based selection operator. The orthogonal initialization scans the feasible solution space once to locate good points for further exploration in subsequent iterations. Meanwhile, each row of the orthogonal array defines a sub-domain. The neighborhood orthogonal cloning operator uses orthogonal arrays to scan uniformly the neighborhood around each antibody. Then the new algorithm explores each clone by using hypermutation. The improved maturated progenies are selectively added to an external population by the diversity-based selection, which retains one and only one external antibody in each sub-domain. The OIA is unique in three aspects: First, a new selection method based on orthogonal arrays is provided in order to preserve diversity in the population. Second, the orthogonal design with a modified quantization technique is introduced to generate initial population. Third, the orthogonal design is introduced into the cloning operator. The performance comparisons of OIA with two known immune algorithms and three evolutionary algorithms in optimizing eight benchmark functions and six composition functions indicate that OIA is an effective algorithm for solving global optimization problems.     

用于全局优化的混合正交遗传算法

为提高正交遗传算法收敛速度和搜索精度,在正交遗传算法的基础上引入局部搜索策略,提出一种新的聚类局部搜索算子。利用正交算子初始化种群,保证初始群体分布的均匀性和多样性。通过正交算子在全局范围内进行全局搜索,使算法能在全局范围内收敛。采用聚类局部搜索算子对群体进行局部搜索,以增强算法的收敛速度和搜索精度。对7个高维的Benchmark函数进行测试,仿真实验结果表明,与其他算法相比,该算法具有更好的搜索精度、收敛速度和全局寻优的能力。     

基于隐含重起Arnoldi过程的参数估计

提出在超分辨率复原中使用基于隐含重起Arnoldi过程来高效计算正则化参数的方法。通过隐含重起Arnoldi过程,可选择一个较好的初始向量。该方法将大型稀疏系统矩阵投影到Krylov子空间上并表达成一个小型稠密的Hessenberg矩阵。该方法可减少正则化参数的计算代价。