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，使算法在上得到了进一步的改善。     

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。     

用共轭梯度法进行自适应频谱估计

本文提出了一种新的自适应频谱估计技术,该技术把共轭梯度法应用于自适应频谱分析问题,即用共轭梯度法迭代地求出半定埃尔米持矩阵的相应于最小广义特征值之广义特征矢量。通过计算机仿真把这种新的方法与现有的方法进行了比较。从本文所提供的有限的例子中可看出新方法在计算上更高效,但占用更多的存储空间。此外,本方法可有效地对短的数据记录进行频谱分析;而且如能得到噪声的协方差矩阵估计,则还能进行噪声修正,从而得到无偏的频谱估计。本技术对窄带和宽带信号的分析效果都很好。     

折线模糊神经网络的共轭梯度算法

 为了近似实现模糊数的非线性运算及提高神经网络的逼近精度,引入折线模糊数和折线模糊神经网络,并依据折线模糊数的扩展运算对经典共轭梯度算法进行改进,使该算法在迭代过程中通过一维非精确Armijo-Goldstein线性搜索方法获得优化学习常数,进而在折线模糊神经网络环境下设计了折线模糊共轭梯度算法.最后,通过模拟实例说明了该算法具有计算复杂度低、收敛速度快等特性.     

基于共轭梯度法的低复杂度信道估计

考虑在大规模MIMO系统中基于导频的信道估计,基站端配置有数百根天线,传统的MMSE估计器虽然在估计精度上有着良好的性能,但是由于在利用MMSE方法进行信道估计时,存在对协方差矩阵求逆的运算,导致其计算复杂度为OM3,其中M为信道协方差矩阵的维度。在基站天线数很大的时候,这将是一个极其复杂的过程。为解决这个问题,将通过将求逆过程转化为解线性方程组的问题,利用共轭梯度法,使整个计算过程的计算复杂度降为ONM2,其中N为共轭梯度法的迭代次数,而且N<相似文献   

时变混合共轭梯度盲提取算法

针对传统独立分量分析(ICA)方法对时变信道跟踪能力较差的问题,提出了一种时变混合共轭梯度盲提取算法。该算法有效利用了各源信号的时序结构差异,仅利用其二阶统计量解决了具有不同功率谱密度的信号的分离,而无须估计信号的概率密度和计算高阶累积量,减少了运算的复杂度并可用于杂系信号混合的盲分离问题;同时,算法利用仅具有一个全局最优解的凸代价函数,采用计算简单并具有较好数值表现的自适应共轭梯度算法进行迭代,获得了更快的收敛速度和更好的稳定性能。仿真结果表明,该算法与传统ICA算法相比,具有对时变系统更好的跟踪能力。      

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。     

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。     

一种用于视频编码的运动估计新算法

提出一种新的改进三步搜索法(NITSS),该方法充分利用视频序列运动矢量在空间分布上的中心偏置特性,在三步搜索算法的基础上引入了以"×"字型分布的5个点构成的搜索点群,并通过同一帧相邻宏块的运动矢量之间存在的空间相关性来预测初始运动矢量,用来加强中心偏置特性.仿真结果表明,同TSS算法相比,NITSS算法降低了搜索运算量,提高了搜索精度.     

用于信号波达方向估计的共轭ESPRIT算法及其性能分析

针对阵列天线的波达方向估计问题,给出了一种新颖的ESPRIT算法--共轭ESPRIT算法(C-ESPRIT).此算法利用阵列单元输出信号的共轭信息,得到整个阵列输出的协方差矩阵,通过对此矩阵的特征分解,并构造运算矩阵,最终求得信号的波达方向.仿真实验表明,C-ESPRIT算法不仅克服了传统ESPRIT算法在阵列单元数与信源数相同时不能可靠测向的不足,并且对信号波达方向的分辨能力和测角精度也显著高于传统的ESPRIT算法,因此,C-ESPRIT算法具有更广泛的适应性和更优越的测向性能.     

运动估计算法分析

对常用的运动补偿图像算法（如全搜索法、三步法、共轭方向搜索法、两维对数下降法等）从各个方面进行了比较,最终选出最快、最准确的算法-两步搜索法。     

一种用于H.264的快速运动估计算法

针对H.264多预测块模式的运动估计特点,提出一种选择预测块模式的方法,逐步减少预测块搜索,提高运动估计的搜索速度。结果表明,此方法与全预测块模式搜索相比较,平均搜索速度可显著提高。     

基于共轭梯度法的空间谱估计算法的实现

针对子空间算法在空间谱估计过程中运算量大、工程实现困难的问题,文中利用共轭梯度算法的快速收敛性进行特征分解,自适应更新信号子空间和噪声子空间,之后使用到ESPRIT算法中,计算出两个子阵的信号空间,利用旋转不变性完成对信号源的跟踪。通过与一般的特征分解算法进行分析和仿真对比后,表明算法不但有快速收敛的特点,而且能够降低算法的计算复杂度。将共轭算法与DOA算法结合,具体分析后,给出算法在FPGA上的实现方案,最后对算法进行了多方面的仿真实验,证明了算法不但可以完成精确的DOA估计,而且能改善子空间算法在实时性和跟踪性上的问题。     

F-R共轭梯度算法在自适应滤波器中的应用

在自适应滤波器设计过程中,采用传统的LMS算法,具有计算简单、易于实现等优点,但是该算法的缺点是收敛速度较慢。文章中根据共轭梯度算法的收敛特性,在设计自适应滤波器时,对求取滤波器的均方误差函数最小值的计算过程进行优化设计,并通过计算机仿真验证了该算法可以使均方误差函数以较快的速度收敛到极小值点,从而得到滤波器权系数的最佳状态。     

共轭梯度BP算法在Matlab 7.0中的实现

应用Matlab 7.0中神经网络工具箱建立BP神经网络的最优化求解方法,采用共轭梯度法对网络的权值和阚值进行优化计算,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件.对BP神经网络的传统梯度下降法与共轭梯度算法进行了仿真.这里通过对算法的训练速度,容错泛化能力等方面加以讨论,多方面印证共轭梯度算法的优越性,仿真结果凸显了训练速度的大幅提高,尤其对训练后网络受损情况下的泛化能力,采用线性回归的方法进行了仿真验证,同样得到满意结果,从新的角度支持了共轭梯度BP算法.     

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。     

基于共轭梯度算法的降低OFDM系统PAR研究

正交频分复用(OFDM)技术可以提高整个系统的频率的使用效率。但是同时会带来信号峰值平均功率比(PARP)较高的问题。利用一般障碍函数(内点法)可以能够有效地抑制OFDM信号的PARP。可是如果运用不当将会带来误码率高,运算量大的问题。提出用共轭梯度法算法来处理PARP的全局最优化问题,由共轭梯度法算法的特点和OFDM系统的PARP问题的条件限制,来建立相应的障碍函数,避开了一般内点法带来矩阵求逆的算法复杂度,保证算法的收敛性。通过仿真实验结果表明,这种算法不仅可以有效地降低系统的PARP,而且能在一定程度上减少运算量。     

一种用于MPEG-4形状编码的快速运动估计算法

该文提出了一种用于MPEG-4形状编码的快速运动估计算法。该算法利用了形状编码及形状信息的固有特性,即基于上下文的运动估计特性、相邻二值alpha块的运动矢量相关性以及形状信息的二值特性。模拟结果表明,该算法具有运算量少、处理速度快的特点,适用于MPEG-4形状编码的实时软件实现。     

基于自适应共轭梯度参数估计的顽健卡尔曼滤波语音增强算法

对于加性噪声影响下的语音信号，利用双通道输入建立起来的增广卡尔曼滤波器模型，采用自适应共轭梯度方法对纯净语音和有色噪声干扰模型分别进行参数估计，提出了一种有效的语音增强算法。由于该方法对模型参数的估计精确性较高，而且估计速度快，同卡尔曼滤波类的其它语音增强方法相比，其语音增强效果良好，且具有一定的顽健性。仿真实验表明在环境噪声很复杂的情况下，该方法仍然有效。