一种线性受限共轭梯度常模盲多用户检测算法

本文将线性受限条件和共轭梯度法应用于常模算法,提出了一种线性受限共轭梯度常模盲多用户检测算法,称之为LC-CGCMA,并将它与传统的线性受限常模算法(LC-CMA)及最小二乘常模算法(LSCMA)进行了仿真比较.仿真结果表明,提出的LC-CGCMA算法比LC-CMA算法的信干比性能和误码性能有较大改善;与LSCMA算法相比,算法复杂度有明显降低.     

二维有耗介质目标重建的迭代——共轭梯度方法

本文提出了一种由已知的散射场数据重建二维非均匀有耗目标的复介电常数的迭代算法。连续采用外个方向的ＴＭ平面波照射目标，并分别采集目标区域外的散射场数据。本文利用矩量法将积分方程变成矩阵方程。我们以Ｂｏｎ近为初始值，通过多次迭代，实现目标特性的重建。通常，逆问题多是不适定的。     

基于人工神经网络的改进共轭梯度算法研究

针对前馈式神经网络结构,提出用一种改进共轭梯度算法建模的最速下降搜索迭代的新方法,并把它用于神经网络。同时用神经网络来预报经济指标,通过预测中使用的基本模型和训练算法,提出了单因素非线性自回归和多因素非线性回归两种神经网络预报模型,并对四川省的社会总产值进行预测,结果表明此神经网络用于经济预测是一种新的、更精确、更有效的预测方法。     

用迭代方法和双共轭梯度法重建二维电导率剖面分布

本文着重阐述采用积分方程的迭代方法并结合双共轭梯度（ＢＣＧ）法对低频近声非均匀背景介质中二维轴对称电导率剖面的反演,并仅用ｚ向采集的数据进行目标重建。首先,基于等反演目标区内、外的电场积分方程。建立超反演积分方程,将积分方程离散化为矩阵方程用迭代方法求解目标区电导率分布。在每次迭代过程中,格林函数不断被更新。同时用正则人垭消除解的不适定性。文中利用不完备的测量数据对复杂的电导率同进行了反演。模拟结     

基于多种共轭梯度法改进BP算法的分析

BP算法也称误差反向传播算法。主要思想就是正向传递信息,反向传播误差来调整网络的权值和阈值,使输出结果不断向目标函数逼近。由于BP算法本身的优点比较多常被分类、模式识别、函数逼近、数据压缩等。多年来对于BP算法的改进和应用领域研究也在不断地进行着。对于BP的算法改进主要有两种方式:一种是基于启发式进行的改进,一种是基于数值优化方式的改进。而基于数值优化的方式主要有共扼梯度法、L_M算法等。本文主要介绍BP算法的几种共轭梯度法思想,并利用实验进行对比分析,方便后续研究者的利用。     

二维有耗介质目标重建的迭代－共轭梯度方法

本文提出了一种由已知的散射场数据重建二维非均匀有耗目标的复介电常数的迭代算法。连续采用多个方向的ＴＭ平面波照射目标，并分别采集目标区域外的散射场数据。本文利用矩量法．（ＭＯＭ）将积分方程变成矩阵方程，我们以Ｂｏｒｎ近似为初始值，通过多次迭代，实现目标特性的重建。通常，逆问题多是不适定的。为了克服解的不适定性，我们采用共轭梯度法（ＣＧＭ）求解逆问题。最后，通过计算机模拟，给出了一些数值重建结果。     

共轭梯度自适应波束形成算法

本文讨论了共轭梯度算法在自适应波束形成中的应用,指出在时域和空域同时处理,与仅在时域或空域处理的方法相比,不仅在性能上得到了改进,而且放宽了对阵元数目的要求。同时提出了一种前后向平均和多层前后向处理的结构和方法,使算法在性能上得到了进一步的改善。     

一种基于共轭梯度的正则化OT图像重建算法

文章基于OT扩散方程模型提出了一种正则化共轭梯度OT图像重建算法，通过引入图像熵和局部平滑函数为正则化项以克服重建问题中的病态特性。与简单的共轭梯度重建算法相比，重建图像的MSE值分别为0．4413^＊10^-4和0．4819^＊10^-4。研究表明，正则化的OT图像重建算法能有效降低重建中的病态性，提高图像重建质量。     

一种改进的线性受限共轭梯度常模盲多用户检测算法

提出了一种改进的线性受限共轭梯度常模算法(M-LCCGCMA),其核心是采用在最优自适应步长的方法对算法进行优化,并推导出步长的解析形式.将本文算法在加性白高斯和多径衰落信道的环境中进行了仿真.仿真结果表明,该算法的信干比性能和误码率性能均比现有的自适应步长常模算法要好.     

An Adaptive Acoustic Echo Cancellation Algorithm Based on Subband Decomposition and Conjugate Gradient Method

1 Introduction In speech communication applications ,the presence ofcoupling fromloudspeaker to the microphone often re-sults in undesired acoustic echo that seriously degradesspeech quality.Current solutions for removingthis echoare based on the real ti me identification of the acoustici mpulse response by using adaptive filtering or AdaptiveEcho Cancellation (AEC) filter techniques . Several AEC algorithms have been proposed for thisproblem. An acoustic echo canceller based upon inputort…     

Online Algorithm of Blind Source Separation Based on Conjugate Gradient Method

A novel online algorithm is proposed for blind source separation based on the conjugate gradient method. The probability density function is first estimated using a Gram-Charlier expansion, and then the score function is calculated to form the algorithm. The conjugate gradient method is then used in the novel algorithm, and the line search method is applied to find the best learning rate. Simulation and comparison show the algorithm's ability to perform the separation even with an ill-conditioned mixed matrix.     

一种基于模式熵的残缺指纹识别算法

该文提出了一种新的残缺指纹识别算法,在应用融合特征的同时,利用模式熵进行相似性度量。由于残缺指纹的特有性质,识别结果主要由两方面决定,即提取包含足够信息的特征以及有效的相似性度量方式。对于第1个问题,该文将细节点和方向场特征进行有效融合,来得到更全面的信息,并提高尺度和旋转不变性。对于第2个问题,通过引入模式熵度量两个特征点集之间的一致性,并以此来消除误匹配。在指纹库中进行的大量实验以及同其他方法的充分比较表明,该文提出的算法在准确率和速度上都取得了较优的性能。     

A Non-Linear Blind Source Separation Method Based on Perceptron Structure and Conjugate Gradient Algorithm

The linear mixing model has been considered previously in most of the researches which are devoted to the blind source separation (BSS) problem. In practice, a more realistic BSS mixing model should be the non-linear one. In this paper, we propose a non-linear BSS method, in which a two-layer perceptron network is employed as the separating system to separate sources from observed non-linear mixture signals. The learning rules for the parameters of the separating system are derived based on the minimum mutual information criterion with conjugate gradient algorithm. Instead of choosing a proper non-linear functions empirically, the adaptive kernel density estimation is used in order to estimate the probability density functions and their derivatives of the separated signals. As a result, the score function of the perceptron’s outputs can be estimated directly. Simulations show good performance of the proposed non-linear BSS algorithm.     

基于改进共轭梯度法的前馈网络快速监督学习算法

为了提高多层前馈神经网络的权参数的学习效率,通过引入改进的求解大规模线性方程组的共轭梯度法,提出一种新的基于LM的前馈网络学习算法.该算法不仅具有LM优化学习方法的快速收敛特性,而且降低了LM法的计算复杂度,可获得比其它标准算法更好的学习精度和推广预测能力.文中通过仿真结果证明了新算法在函数逼近和时间序列预测等问题环境下的有效性.     

基于迭代梯度方法的线性约束稳健Capon波束形成快速算法

为了缩减线性约束稳健自适应波束形成算法的计算量,使之能够应用于单快拍更新的实时信号处理应用场景,本文提出了一种基于单快拍更新和迭代梯度方法的线性约束稳健Capon波束形成快速算法,将原始算法的O(M3)时间复杂度优化到O(M2)级别.该算法使用秩1更新维护算法所需的逆矩阵并计算波束加权值的线性约束部分,使用迭代梯度方法...     

改进的线性受限共轭梯度常模算法

提出了一种改进的线性受限共轭梯度常模算法,称之为M—LCCGCMA。其核心是采用最优自适应步长的方法对已有算法进行优化,并推导出步长的解析形式,确保了算法收敛于期望用户,提高了系统性能。通过对算法代价函数的理论分析,得出了算法收敛的条件。将算法在加性白高斯和多径衰落信道的环境中进行了仿真,结果表明,该算法的信干比性能和误码率性能均比现有的自适应步长常模算法要好。