一种利用本原元的快速RS码盲识别算法

建立了一种RS码编码参数的盲识别新方法.该方法利用本原元的校检作用并行搜索码长和域,提高了盲识别的效率;略掉不符合本原元校检的码字,增强了码根搜寻的可靠性;利用码根的连续性采用前进-倒退法搜索生成多项式,简化计算,提高了搜索速度.仿真结果表明,新算法在90%识别率的误比特率上限上有明显提高.     

一种分布式MIMOOFDM系统的多参数估计方法

对分布式多输入多输出正交频分复用（MIMO OFDM）系统中的多频偏多信道估计问题进行研究,提出一种基于多项式求根和迭代干扰消除的多参数联合估计算法。该算法利用导频将多维搜索函数简化成多个一维搜索函数,通过泰勒级数将一维搜索函数转换成闭合的多项式形式,求多项式的根来获得频偏,利用迭代干扰消除进一步得到频偏和信道的迭代估计。仿真结果表明,提出算法适用于通信环境较为复杂的多径衰落信道和广泛应用的OFDM信号分析,与现有算法相比,估计精度高,性能较好,可以达到近似最大似然的最优解。     

用宽度优先搜索求网络图的最短路径

在对网络图变换的基础上引入了简单连通图的准生成根树的概念，并由此给出了求图最短路径的一种新算法。该算法与以往算法的区别在于它改变了网络图的拓扑结构，从而使搜索能够在结构非常简单的树状图上进行。     

基于MMHC算法的贝叶斯网络结构学习算法研究

贝叶斯网络是人工智能领域研究不确定环境下知识表示和因果推理的有效工具之一,迄今为止已经提出了许多贝叶斯网络结构学习算法.MMHC算法是一种较新的贝叶斯网络结构学习算法,该算法的评分搜索阶段应用了贪婪搜索算法,但该算法容易陷入局部最优而无法得到全局最优网络,针对该缺点,在MMHC算法的评分搜索阶段应用模拟退火、随机重启爬山搜索、禁忌搜索3种搜索策略取代贪婪搜索,详尽的实验结果表明在MMHC算法中这3种搜索算法的效果普遍优于贪婪搜索,其中模拟退火搜索学习效果最好,MMHC算法的评分搜索阶段可以用模拟退火搜索替代贪婪搜索达到提升算法的学习效果.     

基于压缩思想的低运算近场信号估计算法

针对近场源参数估计计算复杂度大的问题,提出了一种基于对称阵列结构的快速估计算法。首先通过对称阵列结构构造多项式,通过求解多项式的根得到近场源的角度信息;在距离估计的时候,结合压缩多重信号分类算法(Compressed multiple signal classification,C-MUSIC)的思想,将菲涅尔区域分为若干个子区域,通过构造噪声子空间簇的交集,得到新的谱函数,将原来整个区域搜索变换成小区域搜索,可节省运算时间。通过仿真试验验证了算法的有效性,证明该算法的运算复杂度与传统估计算法相比得到了很大改善。     

基于扩散性搜索区域的车道线检测与跟踪算法

针对现有的车道线检测与跟踪算法在复杂环境下实时性和鲁棒性较差的问题,提出了基于扩散性搜索区域的车道线检测与跟踪算法.该算法在搜索车道线的起始阶段引入了扩散性搜索区域,搜索过程中对该区域进行不同层次的划分,缩小了算法搜索范围,提高了算法检测速度及准确率;跟踪过程中将扩散性搜索区域与动态感兴趣区域相结合,使算法在最小的区域...     

一种构建严格平衡二叉搜索树的非递归算法

针对传统算法所构造的平衡二叉搜索树并非真正平衡的二叉搜索树,设计了一种构建严格平衡二叉搜索树的非递归算法。改进后的算法具有计算速度快、占用内存小、计算机易于实现等优点。改进算法的核心是生成严格二叉搜索树的先序序列,提出了对升序序列的进行二分得到严格二叉搜索树的先序序列,讨论并给出了构建严格二叉搜索树的快速算法,该算法充分利用了栈在计算过程中提供的二分信息得到严格二叉搜索树的先序序列,该算法与传统算法相比可更快地构建严格二叉搜索树。     

分析弹性飞机动态特性的正交搜索法

本文提出一种颤振分析新方法-正交搜索法，其基本思想是利用复变函数中解析函数保角映射的特性，沿复变量s=σ iw的实部和虚部交替搜索，逐步达到所求复方程的根。该算法能在计算机上实现，精确，直观，简便，实用。     

基于改进蚁群算法对最短路径问题的分析与仿真

使用传统蚁群算法求解图的最短路径问题时,随着节点的增加会出现搜索速度变慢且易于陷入局部最优解.针对这个问题,提出一种改进的蚁群算法,通过引入搜索方向和搜索热区机制提高算法的搜索性能.仿真实验证明：改进的蚁群算法较传统的蚁群算法具有更高搜索速度且容易得到全局最优解.     

基于强化RRT算法的机械臂路径规划

针对快速拓展随机树算法(rapidly-exploring random trees, RRT)存在采样随机、重复搜索、偏离目标点和节点冗余等问题,提出一种强化快速拓展随机树算法(intensity-guide rapidly-exploring random trees, IG-RRT)。采用覆盖剔除机制强化算法搜索能力,将已搜索区域进行覆盖,覆盖后不再进行搜索和产生新节点,避免重复搜索,提高搜索能力和搜索效率。后续加入目标引导概率,根据地图难度对目标引导概率进行调整,强化算法目标趋向性,对末端节点采用贪婪思想,强化算法收敛性。通过简化路径,去除冗余点,利用三次B样条曲线平滑拐点,提高路径质量。仿真试验表明,IG-RRT算法性能优于传统RRT算法及其相关衍生算法。IG-RRT算法可以增强对复杂约束空间的搜索能力,加快算法的收敛速度,提高路径规划的成功率。