阵元缺损下的波达方向估计算法

为解决在均匀线阵中阵元降采样或其他因素引起的阵元损坏导致角度估计精度下降的问题,该文对缺损的采样数据矩阵进行Hankel矩阵变换,利用Hankel矩阵变换的性质以及矩阵填充理论,将不满足矩阵填充理论的接收数据矩阵变换为适用于矩阵填充理论的数据矩阵,通过不定增广拉格朗日乘子法精确重构出完整的接收数据矩阵,实现了精确的波达方向估计。仿真实验验证了该方法在均匀线阵阵元出现损毁的情况下,仍能实现对角度的精确估计,同时给出了算法随阵元缺损程度变化的性能变化趋势。     

理想化最速下降法及其逼近实例

已证明,当最速下降法的步长为系数矩阵特征值的倒数时,任意非奇异矩阵都可以在m步内收敛到精确解,这里m为系数矩阵最小多项式的次数。这是一种理想化的最速下降法。由于特征值的计算并不容易,因此只能用其近似估算值代替。分析了近似特征值获取方法并研究了其误差对迭代的影响,从而给出了逼近理想化的最速下降法的一般方法。作为一个例子,给出了一种高效的自适应循环最速下降法:每当求出最优步长h后,将算法变成定步长最速下降法并用该步长重复M步,当目标函数或梯度模反而变大时则放弃重复。这里,M可根据经验预先确定。该算法保证了目标函数值的单调下降性质。将上述结果推广至一般函数的无约束最优化,并对一些典型测试函数的计算表明:该算法的收敛速度优于共轭方法和变尺度法,内存需求则与共轭方法相当。     

基于最速下降法改进的人工蜂群算法

针对基本人工蜂群算法求解优化问题时存在收敛精度低、搜索盲目性大的缺点,提出一种基于最速下降法改进的人工蜂群算法.算法利用最速下降法简单、计算量小的特点,对基本人工蜂群算法中经过limit次更新后没有得到改善的蜜源进行更新,它结合了基本人工蜂群算法较强的全局搜索能力和最速下降法快速精确的局部搜索能力,能够有效避免基本人工蜂群算法中的某些盲目的无意义迭代.经过9个标准测试问题的仿真试验表明,所得的人工蜂群算法具有比基本人工蜂群算法更快的收敛速度和更高的求解精度.     

时域鲁棒设计Frobenius最小化的优化算法

针对闭环系统矩阵‖·‖Ｆ范数最小化的时域鲁棒设计优化算法精度及速度问题，提出了采用最速下降共轭梯度优化算法，取得了满意的寻优效果     

共轭梯度法和最速下降法的混合算法

将共轭梯度法与最速下降法有机地结合起来,构造了一种共轭梯度法和最速下降法的混合算法,并证明了该算法的全局收敛,混合算法既提高了共轭梯度算法的收敛速度,又解决了目标函数“性态不优”时,最速下降法难以求解的问题。同时也可以看到共轭梯度法与最速下降法仅仅是混合算法的特例。     

一种最速下降的贪婪迭代算法

压缩传感应用于图像压缩重构的算法通常有凸优化算法和贪婪迭代算法两大类.一般而言,凸优化算法重构概率高、速度较慢,贪婪迭代算法具有较快的重构速度,但损失了重构质量.结合凸优化算法中的最速下降法及贪婪迭代算法中的正交匹配算法(OMP),提出了一种新的算法,并应用于一维信号和二维图像信号的压缩重构实验,且深入对比分析了不同降采样矩阵对新算法的影响.结果发现,对同一降采样矩阵,即使图像的纹理不同,新算法在重构质量及重构时间上都优于原始的OMP算法.     

基于最速方向搜索的混合遗传算法

针对目标函数复杂求导困难或目标函数不可导的优化问题,给出了最速方向搜索方法,它在搜索过程不需要导数信息,克服了一些局部搜索算法需要求出导数的缺点.在此基础上提出了基于最速方向搜索的混合遗传算法,将最速方向搜索算法与遗传算法有效结合,增强了遗传算法的搜索能力.数值实验证明,改进后的遗传算法性能优于当前一些较好的优化算法.     

适于相干信号DOA估计的改进矩阵差分方法

提出一种适用于色噪声背景下窄带信号的波达方向估计方法. 假设未知色噪声协方差矩阵具有对称的Toeplitz结构,利用线性变换改变阵列协方差矩阵,并与阵列协方差相减,理论上消除了噪声对算法估计性能的影响. 新差分算法适用于信号不相干或仅有2个信号相干的波达方向估计. 当相干信号多于2个时,通过与空间平滑算法结合,拓展了算法的应用范围. 与传统差分算法相比,新算法避免了“伪”波达方向估计,降低了计算复杂度. 仿真实验结果表明,新算法具有优越的估计性能.     

基于稀疏表示与矩阵填充的多帧超分辨率图像重建

针对现有算法在通用图像分辨率要求较高时重建效果不稳定的问题,提出一种基于稀疏表示与矩阵填充的多帧超分辨率图像重建算法.对自然图像库进行训练建立过完备词典对,并将低分辨率图像分成若干图像块,根据局部先验约束建立稀疏表示模型,通过线性规划的方法求得过完备词典对下图像块的稀疏系数;利用多帧图像序列的相似性,采用非精确增广拉格朗日乘子法对全局约束构建的观测矩阵进行矩阵填充和矩阵恢复,最终获得高分辨率图像.实验结果表明,与其他主流算法相比,重建后的图像保留了更丰富的图像边缘与细节信息,不会过于平滑而导致图像模糊,并且不易受过完备词典选择范围的影响,具有较好的稳定性和更高的峰值信噪比,可应用于遥感图像超分辨率重建等图像应用领域.     

多模盲均衡算法的一种最速下降优化实现方法

盲均衡算法的传统实现方式大都基于随机梯度下降法,随机梯度法实现简单的代价是较慢的收敛速度和较大的稳态误差.文章基于实用性的考虑,采用批数据处理方式,给出了多模盲均衡算法的一种最速下降实现方法,该方法在每次迭代过程中不需要产生均衡器输出,而是直接利用接收数据的统计量和当前均衡器系数来估计代价函数的最速下降方向,具有收敛速度快,稳态误差小的特点;可以实现流水线式的实时处理,适合包长固定或可变的信号传输场合.     

关于实对称带状矩阵逆特征值问题的广义Lanczos算法

针对实对称带状矩阵的逆特征值问题,提出了一种新的能适应重特征值逆问题算法——广义Lanczos算法.它是在块Lanczos算法、拟Lanczos算法的基础上的进一步扩张,通过实际计算验证,该算法简单且数值稳定.     

Newton-PCG算法的数值性态

理论上，Newton-PCG算法适于求解大规模无约束优化问题．并且牛顿-预优最速下降法优于Newton-PCG算法。在实际应用中，Newton-PCG算法是否有效需经过大量数值试验验证。通过数值试验得出：在维数相同的情况下，Newton-PCG算法比牛顿-预优最速下降法求解时间短：表明Newton-PCG算法优于牛顿-预优最速下降法，比率与问题的维数并无太大关系。     

矩阵方程AX+XB+F对称解的递推算法

提出一种求矩阵方程AX＋XB=F对称解的递推算法,该算法不仅能够用于对称解存在性的判断问题,而且能够用于对称解的计算问题.选取特殊的初始矩阵时,该算法能够求出矩阵方程的极小范数对称解,以及对给定的对称矩阵进行最佳逼近的对称解.     

一类Lyapunov矩阵方程对称最小二乘解的迭代算法

基于共轭梯度法,建立了一类Lyapunov矩阵方程的对称最小二乘解的迭代算法.使用该算法不仅可以判断这类矩阵方程的对称解的存在性,而且无论对称解是否存在,都能够在有限步迭代计算之后得到对称最小二乘解.选取特殊的初始矩阵时,可求得极小范数对称最小二乘解,同时也能给出指定矩阵的最佳逼近对称矩阵.最后,利用数值算例对有关结果进行了验证.     

基于新的步长搜索下的记忆梯度法收敛性分析

根据最速下降算法、拟牛顿法、FR共轭梯度法、PRP共轭梯度法等,求解大规模无约束优化问题的有效算法、精确线搜索与Wolfe线搜索等的搜索条件,着重对计算更为有效的适合求解无约束优化问题的记忆梯度算法进行研究。基于Wolfe非精确线搜索提出一种新的步长搜索方法,对记忆梯度算法进行改进。最后证明改进的算法在较弱的条件下是全局收敛的。     

广义Riccati矩阵方程异类约束解的两种迭代算法

针对在时变系统中提出的广义Riccati矩阵方程约束解问题,基于共轭梯度算法原理建立了两种求广义Riccati矩阵方程异类约束解(对称和反对称解)的算法,即非精确牛顿修正共轭梯度算法(In-Newton-MCG算法)和非精确牛顿正交投影算法(In-Newton-OPA算法),并给出了两种算法收敛性结论和两种算法的数值实...     

融合项目属性特征的SVD协同过滤推荐算法研究

针对协同过滤方法中用户-项目评分矩阵的极端稀疏性问题,提出了一种基于层次的混合推荐方法.首先利用TF-IDF提取项目属性特征,并利用余弦相似度对评分矩阵的缺失值进行填充;然后通过对填充的矩阵做SVD,寻找隐性特征,建立隐语义模型;最后将本文的算法分别与众数填充和无填充模型进行对比实验,结果表明本文提出的方法有效提高了推荐的精度.     

无约束多变量问题最优化方法--最佳方向法

根据最速下降法,提出了无约束多变量问题新的最优化方法－－最佳方向法。所为最佳方向法指的是从初始点出发,确定某一搜索方向,沿着这个方向直接找到极值点。本文阐述了此方法的基本原理、计算过程和计算框图。此方法既保持了最速下降法的优点,又消除了其锯齿现象,有效提高了计算速度,与其它有关的这一类算法相比,最佳方向法也显示出计算简单、占用计算机内存窨少和收敛速度快的优点。     

直接正交联合对角化盲分离算法

针对盲源分离问题,利用白化预处理后信号的二阶和高阶累积量矩阵具有正交联合对角化的结构性质,以及多个实对称矩阵具有相同特征向量即可同时正交对角化的实对称矩阵的特征分解的理论,提出一种基于部分累积量矩阵特征分解的直接正交联合对角化算法. 该算法仅需要部分累积量矩阵信息,从而大大降低计算过程中的存储量和计算量. 通过数值模拟,该算法和经典的JADE算法性能接近,可以有效地进行盲分离.     

一种简化的模糊神经网络优化学习算法

提出一种用最速下降-单纯形法,先优化确定FNN的结构和参数．然后在优化确定的网络基础上用最速下降法再进一步学习的简化的优化学习算法．该算法学习效率高,泛化能力好．仿真结果证实了算法的有效性．