一种正交多项式混沌全局建模方法

本文研究了一种正交多项式混沌全局建模方法 ,所用正交多项式集以吸引子不变测度为核 .通过对H啨ｎｏｎ映射数据和电离层参数实测数据的分析 ,表明在待建模系统不很复杂时 (其内在机理可用较低阶多项式表达 ) ,这种全局建模方法能得到系统动力学特性 .在低噪声情况下模型还能充分精确地重构系统方程式 .在噪声较大或系统内在机理很复杂时建模结果仍可用于一步预测 ,且具有较好效果     

非圆孔径离散采样点正交多项式波前拟合

Zernike多项式拟合是一种在光学领域中广泛应用的分析技术.由于现代光学工程中采集数据的离散性和非圆孔径系统的大量使用,Zernike多项式拟合不能完全满足分析需要.提出了一种基于Zernike多项式的非圆孔径离散采样点的正交多项式.通过矩阵的QR分解方法得到在离散采样点上的正交多项式基底.分别使用Zernike多项式和正交多项式对150 mm90 mm的矩形光栅反射波前进行拟合,结果表明两种方法残差波前的PV和RMS值分别相差0.013波长和小于0.001波长.对比不同项数拟合的正交多项式和Zernike多项式系数表明,正交多项式系数之间彼此独立,并由正交多项式系数计算得到了对应的Seidel像差.正交多项式各项系数可以逐项求解,该方法可以显著提高求解速度.     

功率放大器及预失真器模型的设计

传统多项式常用在功率放大器模型和预失真器模型的设计里。然而,随着多项式阶数逐次增加时,传统多项式模型表现出数据的不稳定性。详细介绍了一种用于功率放大器以及预失真器模型的正交多项式。从理论上讲,传统多项式与正交多项式模型是等效的,但实践表明,在有限精度范围内,这两种方法对数据进行了不同的处理。MATLAB仿真结果表明,正交多项式可以减轻数值不稳定的问题,建立高精度的功率放大器和预失真器模型,进而改善系统的线性化指标。     

基于遗传算法的多项式非线性系统静态输出反馈H_∞控制

针对非线性静态输出反馈H_∞控制设计过程复杂、难以得到全局最优解等问题,提出了一种新的控制器设计方法。采用平方和(SOS)方法分析多项式非线性系统H_∞性能;以系统L_2性能指标为目标函数,用遗传算法优化控制参数。仿真结果表明,该方法设计的控制器实现了多项式非线性系统L_2性能指标最优。     

利用遗传优化算法的混沌时间序列建模

提出一种利用遗传算法对混沌数据序列建模的全局建模方法，可获得接近原始混沌系统的映射。该方法利用遗传算法同时进行函数拟和与参数优化。实验结果表明该方法有较好的建模效果，对用于短波通信的有关电离层参数预测显示了满意的结果。     

基于压缩感知追踪算法的低计算量分组稀疏均衡方案

在广义频分复用(Generalized Frequency Division Multiplexing, GFDM)系统中,为了应对复杂的信道带来的符号间干扰,基于信道的稀疏特性,使用广义记忆多项式(Generalized Memory Polynomial, GMP)模型对均衡器输入信号进行非线性建模,进而提出了一种基于压缩感知追踪算法和分组数据模式的低计算量分组稀疏均衡方案。该方案中,为了适应复杂变化的信道,均衡过程中采用了分组数据模式,此外,利用分块矩阵求逆的原理,摒弃了复杂的矩阵求逆运算,在每步的循环中使用矩阵乘法进行迭代计算的方式对正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法及双正交匹配追踪(Double OMP,DOMP)算法进行了改进。仿真结果表明,此分组数据模式有效地改善了均衡效果,同时提出的改进算法在保证误符号率性能的前提下明显地降低了计算量,提升了运算速度。     

多维类正交伪随机矩阵多项式的组合特性研究

研究用于产生多维类正交伪随机矩阵的生成多项式,这既可以由同组的多项式按照顺序的方式组合而成,也可以由不同阶的多项式按照任意的顺序组合而成,同时还可以由多项式的逆组合而成。由不同方法组合而成的生成多项式,经过群变换和数值转换之后得到的多维类正交伪随机矩阵也不同。所以,生成多项式组合方法的多样化,也使其对应产生的多维类正交伪随机矩阵更为丰富,从而得到更多的能应用于码分多址（Code division multiple access,CDMA）等通信系统中的类正交序列。     

用方形区域内的标准正交多项式重构波前

提供了一种方形区域上归一化Zernike正交基的生成方法。它采用线性无关组Gram-Schimdt正交组构造方法,根据线性代数内积、欧氏空间及其正交性和范数的相关概念,对标准Zernike多项式进行正交处理,得到了一组新的正交多项式Z-square多项式。采用该正交基实现了方形区域内波前模式的拟合,它不仅可由Z-square模式的集合直接对波前进行表示,而且也可以通过线性反变换,将Z-square多项式表示成标准的Zernike模式的线性组合,使被分解的波前模式与像差之间有明确的对应关系。实验表明,它不仅可以对透镜设计中的波前像差函数进行有效的拟合,而且也能对Hartmann-Shack波前传感器测试得到的实际相位数据进行拟合。     

机载SAR图像方位向几何畸变研究

由于大气干扰等原因,SAR平台很难按照理想航迹飞行,造成了SAR图像的散焦和几何畸变。这些几何畸变主要发生在方位向上,因此SAR图像方位向几何畸变校正对于SAR图像应用具有很重要的意义。本文分析了非理想轨迹对SAR图像方位向几何畸变的影响,对常见的视线误差进行了建模。根据距离建模方法,将视线误差建模为加速模型和正弦模型,并对正弦模型进行了重点分析,推导了它的正交多项式展开,得到了正弦变化模型下方位向几何畸变的预测表达式及校正相位。最后通过仿真试验和实测数据处理结果验证了文中算法的有效性。      

基于多方法集成的复杂工艺优化

介绍了基于模式识别、神经网络、遗传算法、非线性回归等多种智能技术集成的复杂工艺过程优化系统的设计思想、体系结构、关键技术和实现方法,主要解决多因子、高噪声、非线性、非高斯分布和非均匀的复杂工艺系统难题。采用Agent技术设计系统的体系结构,用偏最小二乘法和Chelyshev多项式建立领域模型,通过演化计算进行最优问题求解,并用正交实验取得模型学习的样本数。实际应用证明,利用这些方法可以在很少的实验情况下,使建立的模型能在较大误差范围内指导生产实践。     

基于OMP的SRAM成品率分析的分组建模方法

静态随机存取存储器(SRAM)电路的失效是极小概率事件,并且不同电路条件下的失效区域边界可能相距很远。因此,为了更高效地获得更精准的SRAM成品率预测结果,提出一种基于正交匹配追踪(OMP)算法的SRAM性能分组建模方法,并应用于典型SRAM电路成品率的预测。此方法主要根据不同SRAM电路条件下失效区域边界距离的差异将仿真数据划分为多组,之后利用OMP算法对不同组的数据分别建立多项式模型,该模型可用于对SRAM电路的成品率进行快速分析预测。与标准蒙特卡洛统计算法及基于OMP的单一建模方法相比,基于OMP的分组建模方法不仅可以缩短建模时间,提高建模准确度,还能够获得更加精确的SRAM成品率预测结果。     

改进的多项式图像配准方法

针对多项式方法进行图像配准的一些缺点,本文将正交多项式应用到图像配准方法中,并提出一种加权的正交多项式方法,然后对这些方法进行了讨论和比较。结果表明:正交多项式方法进行图像配准具有很强的灵活性;加权的正交多项式方法具有很好的局域性。最后利用实验结果对这些方法进行了验证和比较。     

面向高维数据的Takagi-Sugeno模糊系统建模新方法

对高维数据进行建模是Takagi-Sugeno(T-S)模糊系统建模面临的一个重大挑战。为此,该文提出一种特征选择与组稀疏编码相结合的模糊系统建模新方法WOMP-GS-FIS。首先,运用一种新型的加权正交匹配追踪算法对原始样本进行特征选择,在此基础上提取出模糊规则前件并产生模糊系统字典;然后,基于组稀疏正则化构造关于后件参数的组稀疏优化问题,在优化问题求解的同时得到重要的模糊规则。实验结果表明,在保证模型泛化性能的前提下,该方法不仅能对所获得的模糊规则结构进行精简还可以进一步减少模糊规则数,进而解决高维数据环境下模糊规则可解释性差的问题。     

用离散傅立叶-切比雪夫正交矩描述图像

提出了一种基于离散Fourier正交函数系与离散Chebyshev正交多项式的图像正交矩。分析了连续正交矩与离散正交矩的原理与重构方法,提出Fourier-Chebyshev正交矩的构造原理与图像重构方法。对Legendre矩与Zernike矩两种经典的图像矩与离散Fourier-Chebyshev正交矩做了对比实验。实验结果表明,在复杂图像的处理中,该矩具有比传统连续函数矩更好的特征表达能力。     

基于特征符号化和Transformer的无参考图像质量评价方法

基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题，为此，本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征；然后将语义特征映射成视觉特征符号，并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模，提取图像的全局特征，同时使用浅层神经网络提取底层局部图像特征，捕捉图像低级失真信息；最后结合全局图像信息与局部图像信息，对图像质量进行预测。为了验证模型的精度和鲁棒性，以相关系数PLCC和SROCC作为评价指标，在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验，并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明，本文方法以较少的参数量（大约1.56 MB）在各类数据集上均取得了优越的性能，尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958，证明在复杂的失真情况下仍能准确评估图像质量，本文网络结构能满足实际应用场景。     

一个完整的雷达系统模型的开发

本文描述了合成孔径雷达(SAR)以及地面移动目标识别(GMTI)模式的建模方法，这种方法对单基地方式和双基地方式都是适用的。我们描述了一种用于大而复杂的雷达系统可扩展的建模方法，它通常被用于对平台和目标运动，模拟和数字电子元器件以及复杂的信号处理算法的建模。这种方法的关键在于一种通用的数据文件格式，这种格式要能够允许仿真数据和真实飞行试验数据进行交换，或者能够允许两者在不对建模环境进行任何修改或重编译的情况下进行组合。     

满足原子事务与QoS端对端约束的服务优化选择方法

提出了一种基于层次服务候选图(SCG)模型优化选择方法,该方法首先利用提出的构造规则和规约规则来构造SCG模型,以建模候选服务之间的事务约束关系,并且该模型关于事务约束的正确性得以证明;其次,提出一种基于广度优先搜索(BFS)的全局QoS感知近优选择算法,该算法基于每个任务的事务属性进行放松剪枝,以控制算法的搜索规模在多项式时间内完成。最后,以网络在线发布的实际Web服务QoS数据和随机产生数据为测试集做模拟实验,结果表明本文提出方法在全局QoS效用和选择成功率方面优于其他相关方法,同时实验通过实现事务约束自动机从实践上也验证了该方法的正确性。     

基于定性符号有向图模型的故障诊断方法研究

为克服复杂系统定量模型诊断过程中存在的计算复杂、实时性和鲁棒性不强等缺陷,提出了基于定性符号有向图模型的故障诊断方法。研究了定性符号有向图模型的建模机理和诊断推理方法,并将研究成果应用于某电路图进行实例分析。结果表明,该方法诊断快速,建模方便,可以有效地提高复杂系统的诊断能力。     

基于输入输出数据的一体化多模型建模与控制

针对复杂非线性系统,提出了一种完全基于输入输出数据的一体化多模型建模与预测控制设计方法.首先,利用模糊空间划分对输入数据进行在线聚类;然后,采用最小二乘法在每一个聚类点处建立一个局部模型,并将模糊空间划分与多模型建模相结合,利用即时输入输出数据对局部模型的数量以及每一个局部模型的参数进行在线更新,从而实现对复杂非线性系统的在线建模;最后,在此基础上进行预测控制器的设计,将系统建模与控制器的设计包含在一个控制系统设计框架以内,对模型不确定性具有更好的鲁棒性.仿真实验的结果表明了该方法的有效性.     

基于参数选择的数字预失真处理

数字预失真系统中,高精度预失真通常需求高阶多项式,而高阶多项式会导致预失真计算量的急剧上升。针对记忆多项式级数与预失真精度的矛盾,提出了一种基于参数选择的数字预失真结构,使用低阶多项式实现了对复杂度高的功率放大器高精度预失真处理,同时避免了计算量的上升。基于一组功率放大器的实测数据进行仿真,验证了参数选择方法相比于传统方法在同计算量的条件下精度的提升;并以正交频分复用信号作为输入信号进行仿真,得到了21 dB的邻近信道功率比抑制效果,相比于传统方法有6 dB的提升。