一种基于自回归预测的缓存替换算法

由于目前的web缓存替换算法多侧重于对用户的历史访问进行参考,缺乏对用户请求的预测.主要利用自回归模型可用于预测的特性,在基于访问时间间隔(LRU)替换算法的基础之上提出了一种基于自回归模型预测的web缓存替换算法,并进一步的在opnet网络仿真中进行了仿真验证.仿真结果表明:基于自回归预测的缓存替换算法相对于传统的缓存替换算法更能提高代理缓存的对象命中率和字节命中率.     

一种基于回归神经网络的码本激励非线性预测话音编码算法

为改善预测类声码器中长时预测器特性，本文引入了一种全连接回归神经网络（ＦＲＮＮ）非线性预测器并将其应用于话音编码算法中。ＦＲＮＮ在隐层单元不仅有来自自身的反馈，也有来自输出单元的反馈，因此其预测性能好于常规预测器。将其应用于码本激励话音编码系统（ＣＥＬＰ）中，可得到较低的传输码率，同时亦可改善编码质量。     

非线性回归模型参数估计的区间分析方法

现有很多方法都属局部搜索方法,不能保证得到问题的全部全局最优解,而基于区间分析的区间全局优化算法则能在给定精度范围内求出问题的全部全局最优解,并能给出满足要求的包含最优解的任意小区间。基于此,给出了非线性回归模型参数估计的区间全局优化算法,论述了算法求解问题的基本思想、解算步骤、基本算法和加速工具等,并将其应用于非线性回归模型参数估计中,仿真实验结果验证了所给算法的可行性和有效性．     

一种基于加权隐马尔可夫的 自回归状态预测模型

针对电子系统状态趋势预测问题,提出了一种加权隐马尔可夫模型的自回归趋势预测方法.该方法以自回归模型作为隐马尔可夫的状态输出,利用加权预测思想对马尔可夫链中的隐状态进行混合高斯模型的加权序列预测,并利用最大概率隐状态下的自回归系数计算模型输出.通过对实际的复杂混沌序列和电子系统BIT状态数据进行趋势预测,并针对不同模型参数下的预测结果进行实验分析,结果表明该方法对系统状态变化的趋势具有较好的预测性能.     

用于非合作信号噪底估计的改进自回归算法

非合作接收中由于信道或接收机模拟器件的影响可能导致接收信号功率谱存在噪声基底不平坦现象,为便于划定检测门限需要先估计噪声基底再对原始功率谱进行修正.传统的非线性自回归滑动滤波算法采用固定阈值,仅适用于窄带单信号的噪底估计.改进算法通过增加调节系数实现对阈值的动态调节,并根据功率谱特征计算初始阈值和调节系数,提高了原算法的适应范围和工程实用性.仿真结果表明,改进算法对不同种类的信号具有普适性,能解决原算法无法适应的宽带多信号噪底估计.     

扩频信号的自回归滑动平均谱估计识别技术研究

提出了利用自回归滑动平均谱估计分析识别扩频信号，给出了模型参数估计算法。最后以二元直扩信号为例，用MATLAB软件进行了模拟仿真，验证了方法的可行性与优越性。     

一种非线性回归模型参数估计的混合基因算法

提出了一种新的结合可变多面体法和基因算法的混合基因算法(HGA),它通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解,较好地解决了基因算法在达到全局最优解前收敛慢的问题。非线性回归模型参数估计的实验表明该算法具有较好的通用性和有效性。     

一种改进的语音信号非线性自适应预测编码方案

应用神经网络和Ｌｅｖｉｎｓｏｎ－Ｄｕｒｂｉｎ算法,本文提出一种改进的语音信号非线性自适应预测编码方案。用该方案实现了１６Ｋｂ／ｓ语音信号自适应预测编码器。实验结果表明,与原方案相比,本文提出的方案解码恢复后的语音质量有明显地改善。     

基于自回归模型与神经网络模型的车流量预测对比

车流量建模是车联网(vehicular Ad Hoc network,VANET)路由、多媒体接入协议、无线算法设计的基础.准确的车流量模型将对智能交通系统(intelligent transportation system,ITS)实时调度和车联网的信息安全起到十分重要的作用.基于上海市的交通流量数据,利用自回归(auto regressive,AR)模型与神经(back-propagation,BP)网络模型对车流量实测数据进行了仿真对比,给出了相应的预测结果.研究发现,两个模型均能有效地对数据进行跟踪与预测,但对不同时段数据预测的准确性有所不同.研究结果将为未来智能交通应用、车联网的理论研究等提供有力依据.     

一种未知信源数的高分辨DOA估计算法

提出了一种未知信源数的高分辨 DOA 估计算法。该算法在未知信源数的情况下,利用线性预测(LP)法或 Pisarenko 法与 ASPECT 技术相结合来实现高分辨谱估计。该算法在消除 LP 法或 Pisarenko 法 DOA 估计中存在的伪峰的同时可判断出入射信源数,明显减小 DOA 估计算法的运算量,并可提高谱分辨力。计算机仿真结果证明了新算法理论的正确性和有效性。     

匀加速转动目标转动参数联合估计

匀加速转动目标运动参数估计是逆合成孔径雷达(ISAR)成像中的一类常见问题。该文在给出匀加速转动目标雷达回波信号模型的基础上,推导了利用线性调频信号对匀加速转动目标雷达回波进行拟合时所得参数与目标转动速度参数之间的关系。在此基础上,进一步提出一种匀加速转动目标转动参数联合估计方法,实现了转动参数的无偏估计。仿真结果验证了该算法的有效性。     

A torque estimator using online tuning grey fuzzy PID for applications to torque-sensorless control of DC motors

DC motors are used indispensably in industrial applications because they provide such advantages as small size, high speed, low construction cost, and safe operation. A major area of research in DC motors is to determine a better method to measure the torque of motor shaft. The traditional way to measure the mechanical torque of a rotating shaft is attachment a torque transducer in the transmission system between the driving motor and the load. However, this technique requires additional parts for the transmission system, which makes the design more complicated, time consuming, costly in construction, and in many cases impossible to achieve.The purpose of this paper is to present a new method for estimating the load torque of a DC motor shaft by using a novel modelling method based on an adaptive control technique, named as online tuning grey fuzzy PID (OTGFPID). A test rig using a DC motor is setup to investigate the torque behaviour as well as to evaluate the developed estimator. Firstly, mathematical model is developed for the motor. Secondly, the experimental speed-torque data and the optimized motor model is used to optimize the torque estimator. Then the optimized estimator is used to estimate accurately the load torque. Finally, the capability of the optimized torque estimator has been validated with the practical experiments in comparison with a typical estimation method.     

一种基于双模结构的预测器

分支预测是限制微处理器性能提高的一个重要因素,因此也一直是微处理器设计研究的重点.文中提出了一种对动态两级自适应分支预测进行改进的新方法,即基于双模结构的双模预测器.它能同时根据指令转移间相关和转移内相关进行转移预测,从而获得更高的转移预测精度.     

带Smith预估器的预测PID控制器的设计

设计了一种基于广义预测的思想的PID参数整定的改进算法。利用阶梯式控制策略,有效地减小参数整定中的计算复杂性,并能更方便地通过阶梯因子对所得PID控制器的控制性能进行调节。另外,文中对大延时系统的参数整定误差进行了分析,并通过引入Smith预估器改善了这类系统的参数整定效果。仿真实例说明了上述算法的有效性。     

自回归算于作用下不变类信号组合模型的参数估计

本文针对带有ＡＲ噪声的且具有在自回归算子作用下保持形式不变的一大类信号，采用分离参数和两步最小二乘的方法直接给出自回归参数的估计，井由此得到真实信号参数的估计．该方法克服了以往方法中ＡＲ噪声未知的难点，算法为线性求解，简便、实用、运算速度快、求解精度高．     

基于区间全局优化的非线性最小二乘估计

分析了使用区间全局优化算法进行非线性系统模型参数估计的原因,介绍了非线性最小二乘估计和区间全局优化算法.在非线性系统模型参数估计中,相对于通过优化目标函数求得待估参数点估计的现有算法,基于区间分析的区间全局优化算法不仅可以求得待估参数的点估计,还可得到肯定包含待估参数真值的估计区间,并且该算法还具有计算结果稳定以及更大范围收敛的性质.通过仿真实验并与其他方法进行比较,结果表明算法的可行性和有效性.     

A 10 bit Current-Mode CMOS A/D Converter with a Current Predictor and a Modular Current Reference

This paper describes a 10 bit CMOS current-mode A/D converter with a current predictor and a modular current reference circuit. A current predictor and a modular current reference circuit are employed to reduce the number of comparator and reference current mirrors and consequently to decrease a power dissipation. The 10 bit current-mode A/D converter is fabricated by the 0.6 m n-well double poly/triple metal CMOS technology. The measurement results show the input current range of 16–528 A, DNL and INL of ±0.5 LSB and ±1.0 LSB, conversion rate of 10 M samples, and power dissipation of 94.4 mW with a power supply of 5 V. The effective chip area excluding the pads is 1.8 mm×2.4 mm.     

非线性系统中状态和参数联合估计的双重粒子滤波方法

该文提出了一种双重粒子滤波方法,对存在未知参数的非线性系统进行状态和参数联合估计。该方法采用基于充分统计量的粒子滤波技术,避免了重采样过程中的粒子枯竭现象;采用贝塔分布拟合系统参数的后验分布,不仅充分利用了先验信息,而且避免了对高斯分布拖尾部分的采样,提高了粒子的采样效率。仿真实验结果表明,该方法提高了非线性系统中状态和参数的估计精度,降低了滤波器对初始误差的敏感性。     

基于全局无偏搜索策略的精英人工蜂群算法

针对精英人工蜂群算法（ABC_elite）加速收敛和早熟停滞现象的矛盾,提出一种改进算法（EABC_elite）.该算法通过在雇佣蜂阶段引入全局最优解加速收敛,同时通过普通个体平衡全局最优解过大的引导作用,因此全局最优解与普通个体的信息都能得到利用而算法仍能较好平衡.在观察蜂阶段引入普通个体避免算法早熟收敛.改进算法在加速收敛与防止早熟之间取得很好的平衡,总体上没有偏向任何方向,增强了ABC_elite的全局搜索能力.实验表明,改进算法的性能显著好于ABC_elite以及最近提出的几种较高水平的改进人工蜂群算法.     

单端输入非线性定向耦合器的近似解

本文提出单端输入非线性定向耦合器在最常用情况下,即输入功率接近特征功率时的解析近似解。在计算过程的较早步骤引入近似,就可以将非线性耦合器满足的积分方程加以简化,由此得到简单函数形式的解而不是通常的椭圆函数解。文中给邮了数值计算的结果并与精确解和A．T．Pham等人的近似解结果进行了比较,我们的结果比A．T．Pham等人的结果精确。