不可约M-矩阵最小特征值的新算法

我们利用M-矩阵与非负矩阵的关系,给出了求不可约M-矩阵最小特征值的新算法, 该算法具有计算量小,易在计算机上实现的特点,且可以达到实际需要的精度,并给出了收敛性证明．数值实验表明该算法具有可行性和有效性．     

基于约化上Hessenberg矩阵的图像数字水印算法

针对图像数字水印算法计算量和稳健性二者之间的矛盾提出了一种水印算法。将图像作为矩阵约化为上H矩阵,利用H矩阵的一些系数是图像信息的内在表示且计算中得到的矩阵Uk具有对称性和正交性,然后给出水印嵌入算法。仿真实验表明论文算法在计算量和稳健性方面优于传统的DCT水印算法。     

由邻接矩阵求解可达矩阵的一种改进简便算法

传统的由邻接矩阵求解可达矩阵的算法计算量很大，不适合手动计算，也没有提出相应的适合计算机的算法。这篇文章引入转移矩阵的概念．并在此基础上加以改进，形成一套完整的可行的求解可迭矩阵的方法。有效地减少了计算量。     

解线性互补问题的并行交替迭代算法

运用交替迭代算法与并行计算,提出了求解线性互补问题的并行交替迭代算法．当矩阵的多重分裂分别为第一类弱正则多重分裂、第二类弱正则多重分裂以及P-正则多重分裂时证明了算法的全局收敛性．该算法具有计算量小、计算速度快、并行计算等特点,因而特别适于求解大规模问题．数值结果表明,该算法是十分有效的．     

利用矩阵范数实现的公开水印技术

分析和讨论了基于奇异值分解的水印算法的本质,提出了一种无需利用奇异值分解的公开水印算法．该算法基于图像子块的矩阵范数及其量化,步骤简单,与基于奇异值分解的水印算法相比大大减小了计算量;并利用三种不同的矩阵范数进行了大量的实验．实验结果表明,该算法具有很好的水印透明性,对常见攻击（如重采样、平滑、加噪声和JPEG压缩等）．具有较强的稳健性．     

多变量广义预测控制的快速算法

针对传统广义预测控制算法的计算量大这一缺陷，通过对未来的控制序列的离线近似计算，而只精确求解当前时刻要实施的控制量，提出了一种广义预测控制的快速算法。该算法简单．适用于任意维输入任意维输出(ADIADO)线性系统。由于不必求解Diophantine方程，并在求解逆矩阵时．降低了逆矩阵的维数，从而大大减小了在线计算量。仿真结果证实了该算法有效性和实用性。     

带反馈多传感器模糊最大熵单目标跟踪算法

针对矩阵加权融合算法计算量大、传感器数量不易扩充的特点,提出了一种带反馈的模糊最大熵融合算法。该算法采用模糊C-均值算法和最大熵原理计算状态向量中每一分量的权值,不但从整体考虑各分量对融合估计的影响,而且减少了复杂的矩阵运算过程,实时性较好。与矩阵加权算法相比,该融合算法还具有容易扩充的特点,能够直接应用于传感器数量大于2时的融合计算。实验仿真结果表明,融合估计的准确性与矩阵加权融合算法基本一致,算法的有效性得到了验证。     

纹理图像识别中的旋转不变性分析

在对纹理图像进行分类识别过程中,许多具有相同纹理特性的不同图像经常在方向上呈现多样性。这些图像应该被归为一类。针对这一问题,有许多方法可以得到旋转不变性特征,例如：几何矩,正交矩,灰度共生矩阵等,然而,前两种方法计算量很大,第三种方法效果也不令人满意。提出了一种基于灰度-梯度共生矩阵的方法来得到旋转不变特征量,并且提出了一种快速计算灰度-梯度共生矩阵的算法。实验表明利用灰度-梯度共生矩阵的方法得到旋转不变量的方法非常有效,快速计算灰度-梯度共生矩阵的算法也大大减小了计算量。     

基于声矢量传感器阵的酉MUSIC算法

声矢量传感器同时拾取空间同点的声压振速信息,为阵列信号处理提供了更多的信息。酉MUSIC算法可以降低计算复杂度,提高方位估计性能。综合二者优点,提出了基于声矢量传感器阵的酉MUSIC算法。构造了广义转换矩阵,通过合成复观测数据及其共轭,实现了协方差矩阵的实值特征分解,降低了计算量。仿真与湖试结果表明,与已有算法相比,该方法具有计算量小和背景噪声低等优点。     

两正定矩阵联合对角化盲分离算法

针对具有时间结构的盲分离问题,提出了一种基于两正定矩阵精确联合对角化的盲分离算法。利用多个不同时延统计量构造了两个正定矩阵,以提取出数据的时间结构;再利用所提算法联合对角化构造的两个正定矩阵,得到分离矩阵,进而估计出源信号。所提算法克服了已有算法因采用多个矩阵联合对角化导致的计算量大和采用单个矩阵导致的分离精度低的缺点。计算机仿真结果表明了在有或无噪声情况下,所提算法性能均优于其他对比算法。     

一种基于FFT低复杂度的信道盲辨识算法

提出了一种适用于短突发信号的低复杂度基于FFT的信道盲辨识算法。算法基于MCR(minimum cross-relation)算法只需最小冗余度信息可求解出信道向量的特性,通过将其建立的线性方程经过FFT变换后再求解信道向量,并结合算法中的矩阵 的秩信息提出了一种快速阶数估计算法。仿真表明,该算法既克服了传统辨识算法对于短突发观测数据下性能不佳的缺点,又降低了原有基于FFT的信道盲辨识算法的复杂度和提升其对阶数的鲁棒性。     

一种基于特征属性的Web用户模糊聚类改进算法

为降低传统FCM算法的计算复杂性,提高Web用户聚类的效果,文中提出了一种改进的基于特征属性的Web用户模糊聚类算法。首先通过用户访问页面的次数和时间建立Web用户兴趣度矩阵,并根据商品的特征属性值将Web用户兴趣度矩阵映射为用户对特征属性的偏好矩阵,从而有效降低数据稀疏性;然后以此为数据集,对传统的FCM算法进行了改进,将聚类中心分为活动和稳定两种,忽略稳定聚类中的距离计算以降低计算复杂性。最后通过仿真实验证实了新算法的有效性和可行性。     

On Unitary and Forward–Backward MODE

A new unitary (real-valued) formulation of the popular MODE direction-of-arrival (DOA) estimator is considered. Our unitary MODE algorithm has a reduced computational complexity because it is based on the eigendecomposition of a real-valued covariance matrix. We prove its exact equivalence to the forward-backward MODE (FB-MODE) estimator derived by Stoica and Jansson. This property sheds a new light on the usefulness of FB-MODE.     

RS柯西码编码算法改进研究

针对RS(Reed-Solomon)算法编码过程涉及有限域运算,复杂度高,效率低,运算代价难以被大规模分布式存储系统所接受等问题,提出了一种RS柯西码编码改进算法。该算法用贪心算法选取局部最优柯西矩阵,减少柯西码的计算量。同时,引入二进制矩阵替换柯西矩阵中的有限域元素进行阵列化,将有限域运算转换为异或运算,并对阵列进行运算优化,进一步减少计算量,增加柯西码的编码效率。根据仿真实验表明,改进后RS柯西码与通过遍历得到的最优柯西矩阵的柯西码相比,计算量更小,与编码效率著称的阵列码中的EVENODD码和STAR码相比,编码效率更高。并且具有类似阵列码性质,能够选择更简单高效的译码方法,在一定程度上提高解码效率。     

平均计算时间复杂度优化的动态粒子群优化算法

粒子群优化(PSO:Particle Swarm Optimization)算法已经被广泛地应用,其中包括大量实时性要求很高的领域,如宽带数字信号处理。传统PSO算法需要对大量粒子分别进行若干次迭代运算,这将导致该算法的平均计算时间复杂度较高,运算延时大,不能满足这种高实时性要求。因此,需要在不影响性能的前提下降低PSO算法的平均计算时间复杂度。提出了一种粒子数量可变的动态粒子群优化(DPSO:Dynamic PSO)算法,其核心是丢弃粒子判定条件,在迭代过程中,根据该条件动态地抛弃一些粒子,从而降低算法的平均计算时间复杂度。此外,在算法迭代过程中对粒子的个体极值进行变异,从而避免陷入局部最优解。实验和理论分析结果表明,在算法的平均计算时间复杂度方面,对于相同的优化结果,DPSO算法的平均计算时间复杂度比传统PSO算法降低了30%左右;在算法的性能方面,对于单峰值目标函数,DPSO算法与传统PSO算法的优化性能相当,而对于多峰值目标函数,DPSO算法的优化性能要优于传统PSO算法。     

一种改进的相关信道下MIMO天线选择算法

由于MIMO系统天线间距的限制等原因,实际MIMO无线信道往往是衰落相关的,而信道相关性严重影响了MIMO系统的性能。针对这个问题,提出一种改进的基于相关性天线选择算法,通过选择具有最小平均相关性和最大相关矩阵行列式的天线子集作为最优天线集合。在选择较少天线的情况,降低了计算复杂度,达到几乎与相关性选择算法相同的性能,且非常接近最优选择算法。仿真结果证明了改进算法的有效性和可靠性。     

Computing a consistent approximation to a generalized pairwise comparisons matrix

This paper presents an algorithm for computing a consistent approximation to a generalized pairwise comparisons matrix (that is, without the reciprocity property or even 1s on the main diagonal). The algorithm is based on a logarithmic transformation of the generalized pairwise comparisons matrix into a linear space with the Euclidean metric. It uses both the row and (reciprocals of) column geometric means and is thus a generalization of the ordinary geometric means method. The resulting approximation is not only consistent, but also closest to the original matrix, i.e., deviates least from an expert's original judgments. The computational complexity of the algorithm is O(n²).     

针对未知稀疏信号的压缩自相关检测算法

针对未知的宽频带稀疏信号检测问题,提出了一种直接基于非重构采样值 的压缩自相关检测算法。首先利用压缩感知技术以远低于奈奎斯特采样速率获取信号,在自 相关矩阵检测信号理论的基础上,利用压缩感知中传感矩阵的严格等距特性,推导出基于统 计分布的信号稀疏系数自相关检测算法,从理论上给出了判决门限的选取和虚警概率之间的 关系,并进行了算法复杂度分析。由于无需重构原始信号,该算法直接利用少量的压缩测量 值进行检测,可以有效地提高检测过程的时效性。仿真表明在较低的信噪比时,该算法对未 知信号仍有良好的检测性能。     

基于犹豫模糊语言术语集的正交模糊聚类算法

犹豫模糊语言术语集（Hesitance Fuzzy Linguistic Term Sets,HFLTSs）允许决策者们用几个可能的语言术语来评估一个属性.近来,采用HFLTSs来进行模糊聚类分析的问题越来越受关注.考虑到目前基于HFLTSs的模糊聚类算法还存在计算复杂度高的问题,提出了一种新的正交模糊聚类算法：首先计算样本之间的距离测度得到距离测度矩阵,接着计算其等价矩阵;然后确定置信水平值,通过置信水平值对等价矩阵进行切割;最后根据切割矩阵的列向量之间的正交关系来确定对应样本是否可以放在同一个类别,以此得到聚类结果.该算法步骤简单,计算复杂度低,并且适合于数据量大的模糊聚类问题.本文末尾将通过一个实例结合k-means聚类算法证明该算法的可行性和高效性.