基于MDL原理的快速在线信号分选算法

研究了一种基于最小描述长度(MDL)原理的快速在线雷达脉冲信号聚类分选算法,该方法利用幅度或相位差异特征,实现对雷达脉冲数据向量的聚类分选处理。设计了基于MDL原理的在线信号分选算法流程,在每接收到一定数量雷达脉冲信号后,执行一次聚类分选处理;对算法流程中的每个处理模块进行了完备的运算量分析,为工程设计提供有效的理论指导;并对比分析了离线和在线算法的性能。仿真结果表明:在线算法的信号分选正确率与离线方法基本一致,具有很强的工程应用前景。     

基于DFT的OFDM系统信道估计改进算法

基于DFT的信道估计算法计算复杂度比MMSE算法低,性能比LS算法好.但是传统的基于DFT的信道估计只消除了信道冲击响应估计中循环前缀长度之外的噪声,循环前缀长度内的噪声并没有得到抑制,因此算法性能还有提高的空间.本文提出了一种改进的基于DFT的信道估计算法.算法首先估计出噪声方差,然后利用噪声方差设定一个门限,通过此门限对循环前缀内的信道时域冲击响应值进行阈值,进一步消除噪声的干扰.仿真证明,本文的改进信道估计算法性能优于原算法.     

一种DOA估计的T差分平滑快速算法

针对未知非平稳噪声背景下相干信源的波达方向估计问题,提出了一种T差分平滑快速(TDSF)算法,算法根据非平稳噪声对角占优的特性,通过构造一个T矩阵,对协方差矩阵进行T变差分平滑运算,可同时分辨相干和非相干信源.算法采用幂迭代法直接获得噪声子空间,无需特征值分解,运算量较小,可有效地消除非平稳复噪声的影响,且不存在伪峰问题,适用于广泛的未知非平稳噪声和低信噪比环境.计算机仿真实验证实了算法的有效性.     

改进的参考独立分量分析算法

针对参考独立分量分析收敛速度较慢的问题,提出了两种基于改进的快速收敛牛顿迭代方法的参考独立分量分析方法。该方法首先对观测信号进行白化预处理,避免观测信号矩阵求逆运算,减少了算法的计算量;然后采用修正的具有三阶收敛速度的牛顿迭代方法对参考独立分量分析的代价函数进行优化,推导出快速收敛的参考独立分量分析算法。仿真实验结果表明,改进后的算法是有效的,算法收敛速度相对原算法提高了1.7倍,相对现有算法提高了1倍,而且误差更小。     

频控阵MIMO雷达的目标数与方位参数联合估计方法

针对频控阵MIMO雷达定位多个目标时,需要目标数先验信息,且多维参数估计计算量大的问题,提出了一种联合估计方法。该方法利用频控阵MIMO的角度与距离依赖性,将目标数与方位参数估计转化为空间谱上的多峰优化问题;设计了一种基于密度的多峰差分进化算法对其进行求解,降低了计算量且不需要单独的目标数估计算法。仿真结果表明,所提方法的目标数和方位参数估计性能均优于已有方法,突破了已有方位参数估计方法的应用局限,可以无量化误差地得到最优方位估计结果。     

一种基于子空间分析的快速信源个数估计方法

针对阵列信号处理中传统信源个数估计方法如基于Akaike信息论准则方法(AIC)、最小描述长度准则方法(MDL)等特征值分解类算法计算量大,且在小快拍数、低信噪比时性能下降甚至无法正确估计的问题,提出了一种基于子空间分析的快速信源个数估计方法。该算法首先利用多级维纳滤波器(MWF)对信号进行快速的子空间估计,然后计算阵列信号协方差在子空间匹配滤波器中的投影值,通过分析其正交性来估计信源个数。研究结果表明,该算法不但在小快拍数、低信噪比时相较于传统特征值分解类算法具有更优异的性能,并且计算量大大降低。     

改进的循环谱估计快速算法与性能分析

该文提出了一种改进的循环谱估计快速算法,在估计性能不降低的条件下,减小了原有数字化频域平滑谱估计算法对数据量的要求。算法将时域平滑算法中数据加窗、重叠等处理方法引入频域算法,有效降低了估计方差,改善循环谱的估计效果。论文对改进算法渐进性均值、方差、谱分辨率的表达式进行推导。理论与实验结果分析表明：在相同数据量和谱估计分辨率的条件下,改进方法估计性能优于原算法,可用于实际低信噪比、小数据量、高分辨率要求下循环谱估计。     

独立分量分析算法的改进研究

独立分量分析是信号处理技术的新发展,本文对独立分量分析快速算法进行了研究,在分析FastICA算法的核心迭代过程的基础上,提出了改进算法M-FastICA,以改善了算法的收敛性能,减少算法的迭代次数.针对M-FastICA算法的收敛依赖于初始权值的问题,在算法过程中加入松弛因子,提出LM-FastICA算法,改善了算法对初始权值的依赖性.     

基于独立分量分析的快速定点算法

独立分量分析(ICA)近年来应用于盲信号分离中的最常用的方法。基于独立分量分析引入了快速定点ICA算法。定点ICA算法是一种离线的算法,既可以分离一个信号,也可以分离多个信号,并且该算法收敛速度很快,一般经过3～10次迭代即可有效地分离源信号。该算法与其它算法相比较,收敛速度比较快,需要迭代的步骤少。     

基于区域质心算法的改进算法

帧内预测是H.264中提高编码效率的重要部分,文中主要是根据色度块的预测模式在整个帧内预测算法中对算法性能的影响,质心算法在4×4块的预测模式的不准确性的基础上提出的新的算法。通过实验证明此新方法在编码率和比特率方面都有改善。     

一种基于贪婪算法的CORDIC改进算法

针对传统串行坐标旋转数字计算方法(CORDIC)耗时且占用较多资源的缺点,提出了一种旋转模式下CORDIC算法的新型改进算法,该改进算法可用来代替直接数字频率合成器(DDS)查找表进行正余弦的计算。通过采用贪婪算法实现对CORDIC旋转方向与旋转角度的优化,从而可以达到串行转并行和减少迭代次数、节约资源的目的。该算法可以应用于三角函数的复杂函数的硬件实现中。仿真结果表明,在迭代次数相同的情况下,改进算法较传统算法可以获得更高的精度。最后,在Xilinx FPGA的Spartan-3E芯片上实现了改进的CORDIC结构。与传统CORDIC算法相比,在运算精度为10-5时,可以节省Slices、LUTs(Look Up Tables)资源分别为28%和25%。     

基于Harris的多基元检测改进算法

为了解决传统三维重建研究中光滑物体表面特征提取较难,重建效果不理想等问题,提出了一种对角点、边缘点同时进行特征提取的Harris改进算法,该算法通过一阶微分来实现图像二维信息的多基元检测,从而增强之后的三维重建效果.最后通过仿真实验证明文中提出的Harris的改进算法能够有效的进行多基元提取并最终得到理想的重建结果.     

基于改进遗传算法的无线网络覆盖算法

考虑到传统的遗传算法在对无线传感网络覆盖进行优化时,存在起始阶段计算速度快,后期局部寻找最优解能力弱,不能充分使用系统反馈路径信息,使得算法会因冗余迭代而导致陷入局部最优解,影响优化效率和覆盖率等问题,将蚁群算法融合到遗传算法中,对遗传算法进行改进。通过不同覆盖范围和节点的三个实例进行优化效果分析,可知在小面积的覆盖范围内,以及节点个数较少时,该文研究的改进方法与传统优化方法的覆盖率和完成时间差别不大,但是随着覆盖范围的增大,节点个数的增加,该文研究的改进方法完成时间明显缩短,覆盖率明显增大,相比传统优化方法具有更大的优势。     

一种基于Aho-Corasick算法改进的多模式匹配算法

目前互联网中以文本存在的数据非常庞大,针对在如此庞大的文本中如何准确、快速地找到多个不同的目标字符串的问题,在介绍常见的模式匹配算法的优点和缺点基础上,结合Trie速多模式匹配算法。根据对比性实验的结果分析得出,改进AC且匹配速度大约是AC算法的5倍,说明改进AC     

一种基于码谱数值算法的改进算法

码谱是一种分析分布式算术码的编码性能和解码复杂度的工具,能有效提高编码性能。码谱的计算一般采用数值算法,该方法是一个迭代计算的过程,时间复杂度很高。针对时间复杂度高这个问题,通过去掉多余的函数精简数值算法,提出一种基于码谱数值算法的改进算法,进而降低时间复杂度。从理论上证明改进数值算法的正确性,实验结果表明,改进后的数值算法能有效提高码谱的计算效率,拓宽码谱的实际应用范围。     

一种基于矩阵的Apriori改进算法

Apriori算法是经典的关联规则挖掘算法之一。该算法可以很好地挖掘关联规则,通过连接步和剪枝步从频繁项集中获取候选项集,但产生大量的候选项集,这就需要重复扫描数据库,大大增加算法运行时间。文中提出一种基于矩阵的改进算法,通过事务矩阵和候选项集项目矩阵相乘的矩阵操作来改进频繁扫描数据库的问题。事务数组的建立可以删除不能生成下一频繁项集的事务,删除不必要的项,针对频繁项集的产生过程优化Apriori算法的连接步和修剪步。在不同的数据集下通过实验验证改进算法不仅能准确地挖掘出频繁项集而且大大地缩短挖掘时间。     

基于改进SRS-RANSAC图像配准算法

针对目前图像配准算法存在的配准时间较长、配准正确率低等问题,本文提出一种基于改进分层随机选择一致性(Stratified Random Selection Random Sample Consensus,SRS-RANSA)的图像配准算法.首先,通过ORB(Oriented FAST and Rotated BRIEF)算法对参考图像进行特征点提取;其次,采用最小距离法初步过滤匹配中存在的误匹配数量;最后,随机抽样一致性(RANSAC)框架中通过分层随机选择(SRS)提取分布相对分散且均匀的特征点,进一步过滤掉初始匹配中存在的不匹配特征点,实现提高配准正确率的同时缩短运行时间.通过本文算法与其他算法在Oxford标准图集和现实中拍摄的图像进行实验对比,结果表明,本文算法在匹配正确率与运行效率上有所提高.     

基于改进遗传算法的多约束QoS路由算法研究

遗传算法良好的全局搜索能力使其被广泛地应用于网络中多约束QoS路由寻址,并取得了较好的成果。然而大部分应用于多约束QoS寻址的改进遗传算法存在无法有效利用网络资源使得网络拥塞、网络过早收敛陷入局部最优解,以及过慢结束的缺点。针对上述问题,对传统遗传算法中的适应度函数和遗传算子做出相应的改进,并通过实验验证提出改进遗传算法。最终,仿真实验表明该算法是可行的,并能在一定程度上克服传统遗传算法的缺点,提高收敛速度,有效避免过早收敛,提高QoS满意率。