基于角度信息的结构总体最小二乘无源定位算法

在基于角度信息的约束总体最小二乘无源定位算法的基础上,文中基于角度信息的无源定位问题转化为结构总体最小二乘问题,并通过逆迭代法求出定位问题的解.文中还阐述了在一定条件下结构总体最小二乘算法与约束总体最小二乘算法具有相同的定位均方误差.最后还将结构总体最小二乘算法与Kalman滤波相结合,给出了一种对运动目标进行定位跟踪的新算法.计算机仿真结果验证了文中新算法的有效性和优越性.     

大规模最小二乘奇异值分解的并行处理方法

大规模最小二乘问题求解中,直接进行奇异值分解会产生巨大的内存需求以及漫长的计算时间。为解决该问题,提出了一种基于迭代的并行处理方法。该方法利用奇异值分解降维的特性,通过迭代不断减小矩阵规模,直到可以直接使用奇异值分解求解。在迭代过程中,将矩阵分解为许多足够小的子矩阵,并行处理其奇异值分解过程,从而提升运行速度。实验结果表明,该方法即使是串行处理,也使得大规模最小二乘奇异值分解的时间成本及空间成本大大降低;而并行处理在双机条件下加速比接近200％。     

总体最小二乘波达方向估计方法

在到达时间差定位技术中,当传感器位置坐标存在误差时,最小二乘法(LS)所得估计值不再具有最优无偏性,导致测向精度下降。针对该问题,提出基于总体最小二乘的测向方法。将非线性的观测方程转化为伪线性方程,构成增广矩阵并对其进行奇异值分解,从而得到目标位置。理论分析和仿真结果表明,与经典的LS法和LS-Tylar法相比,该方法的定位精度较高。     

基于Newton迭代法的最小二乘渐进迭代逼近

最小二乘渐进迭代逼近(LSPIA)是一种有效的大规模数据拟合方法.针对LSPIA的加速问题,基于Newton迭代法,本文提出曲线曲面的两类最小二乘渐进迭代逼近格式.首先构造一个以控制顶点为变量的多元函数,其Hessian矩阵为正定矩阵,多元函数存在极小值,且其极小值所对应的控制顶点与LSPIA的收敛结果一致.对多元函数...     

Hamilton矩阵反问题的最小二乘解

本文讨论了Hamilton矩阵反问题最小二乘解,得到解的通式．考虑了解集合对给定矩 阵的最佳逼近问题,给出了唯一最佳逼近解的表达式．最后,我们给出了相应的数值算法及 数值实例．     

基于最小二乘自适应迭代的宽带波束形成算法

大部分时域恒定束宽宽带波束形成算法的权值拟合运算量较大,导致实用性大大降低.本文给出一种基于最小二来自适应迭代的恒定束宽波束形成器设计方法,同时将RLS迭代算法应用于滤波器组设计中.本文方法易于实现,不受阵形及阵元指向性限制,不受迭代步长影响,且能快速收敛.理论推导及仿真实验验证了本文方法的有效性.     

一种最小二乘／奇异值分解算法

针对预失真技术中存在记忆非线性放大器预失真的问题,分析数字预失真器的结构和常用预失真器的识别算法,对经典最小二乘／奇异值分解（LS／SVD）算法进行改进,以较少资源获得较高性能。仿真结果表明,改进的LS／SVD算法能实现记忆非线性放大器的快速、高效线性化,提高记忆非线性放大器的性能。     

线性矩阵方程异类约束最小二乘解的迭代算法

多矩阵变量线性矩阵方程(LME)约束解的计算问题在参数识别、结构设计、振动理论、自动控制理论等领域都有广泛应用。本文借鉴求线性矩阵方程(LME)同类约束最小二乘解的迭代算法,通过构造等价的线性矩阵方程组,建立了求多矩阵变量LME的一种异类约束最小二乘解的迭代算法,并证明了该算法的收敛性。在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LME的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LME的极小范数异类约束最小二乘解。另外,还可求得指定矩阵在该LME的异类约束最小二乘解集合中的最佳逼近解。算例表明,该算法是有效的。     

一种鲁棒的总体最小二乘自适应辨识算法

针对输入输出观测数据均含有噪声的系统辨识问题，提出了一种鲁棒的总体最小二乘自适应辨识算法．该算法在对总体最小二乘问题与向量的瑞利商及其性质研究的基础上，以被辨识系统的增广权向量的瑞利商(RQ)作为损失函数，利用梯度最陡下降原理导出权向量的自适应迭代算法，并利用随机离散学习规律对权向量模的分析修正了算法梯度，提高了算法的噪声鲁棒性，构成了一种噪声鲁棒的总体最小二乘自适应辨识算法．文中研究了该算法的收敛性能．仿真实验结果表明该算法的鲁棒抗噪性能和稳态收敛精度明显高于其它同类方法，而且可使用较大的学习因子，在较高的噪声环境下仍然保持良好的收敛性．     

NURBS曲线拟合的最小二乘渐进迭代逼近优化算法

为了使NURBS曲线更精确地拟合散乱数据点,提出了一种基于最小二乘渐进迭代逼近(least square progressive and iterative approximation,LSPIA)的NURBS曲线拟合优化算法.首先,确定一条初始NURBS曲线,利用LSPIA算法优化控制顶点;然后,分别优化数据点参数,拟合曲线的节点和权因子,每优化好一个变量,重新优化控制顶点;最后,经多次优化迭代得到高精度的NURBS拟合曲线.在优化每类变量时,为了避免被其他变量影响,保持其他变量不变.基于LSPIA的NURBS曲线拟合优化算法充分利用了LSPIA算法的优点,在迭代过程中,可以重复使用前一迭代步骤得到的控制顶点等数据,从而节省了运算时间.算法实例表明,该算法能获得一定保形效果.     

基于DFT的时域LS信道估计算法

基于IEEE 802.16d/e标准的OFDMA系统中存在保护子载波和导频非2n等间隔插入,针对该问题,提出一种基于DFT的时域LS信道估计算法。该算法对相比信道自相关矩阵R容易获得的矩阵T进行奇异值分解(SVD),得到基于DFT的低阶近似。仿真结果表明,该算法的信道估计性能和运算复杂度介于LMMSE-SVD算法、IFFT/FFT算法之间,对导频要求更宽松,应用更广泛。     

一种改进的基于W-SVD的水印算法

在水印算法中用奇异值分解可以提高图像的抗几何失真性,但它对椒盐、高斯、滤波等攻击的抵抗能力却很弱.对原有的基于SVD的水印算法进行改进,提出基于W-SVD的水印算法,即在小波分解的基础上进行奇异值分解.实验证明,改进后的水印算法在保持强的抗几何失真性的同时对椒盐、高斯、滤波等攻击的鲁棒性也有提高.     

室内可见光多用户MIMO系统改进BD预编码算法

块对角化(block diagonalization, BD)算法是一种多输入多输出的传统线性预编码算法,其核心思想是通过奇异值分解(singular value decomposition, SVD)找到干扰矩阵零空间的正交基,从而完全消除多用户干扰(multiuser interference, MUI),但是随着收发端数目的增多, BD预编码算法所需的计算复杂也大大增加,成为了制约其发展的关键因素之一.为此,本文提出了一种改进的低复杂度BD算法——基于正交分解中的施密特正交化求逆与格基规约操作的组合算法,对传统BD算法两次高复杂度操作的奇异值分解用施密特正交化和格基规约操作进行替换,从而降低算法复杂度.结果表明,本文改进算法的计算复杂度上降低了46.7%,系统和容量上得到了2–10 bits/Hz的提高,同时误码率上得到了2个量级的优化.     

迭代再权q范数正则化LS SVM分类算法

提出一种迭代再权q范数正则化最小二乘支持向量机(LS SVM)分类算法。该算法通过交叉校验过程选择正则化范数的阶次q (0相似文献   

对极几何估计的鲁棒性新算法

以８参数模型的Ｆ矩阵为基础,深入研究的Ｆ阵的稳定性求解中的若干问题,将求解对极点的问题归结为求解二元六次非线性方程的最优解问题,并将所求最优解作为进上步计算的最佳修造对极点,最后以余差最小准则获得Ｆ阵的全局最优解,实验结果表明,该方法不但使对极点的稳定性有较大提高,也能高精度地估计祟Ｆ阵。     

基于SVD的灰度水印单色通道嵌入算法

为了更有效地进行多媒体数据的版权保护,提出了一种在真彩色宿主图像中利用奇异值分解实现的灰度水印嵌入的鲁棒算法。该算法首先利用奇异值的特征来对灰度水印图像进行编码预处理,编码后的水印信息存储为二值数字序列,并选择视觉掩蔽性高的宿主图像区域进行隐藏。为了保证水印的不可察觉性,该水印算法先提取宿主图像RGB彩色空间中的蓝色通道分量,然后选择其中具有高活动因子的图像分块作为水印的嵌入区域。用该算法对灰度水印图像进行处理,不仅实现了水印的盲提取,而且在保证隐藏灰度水印大容量生动信息的同时,对宿主图像的视觉效果影响很小。实验结果表明,该水印算法不仅较传统方法有更高的鲁棒性,而且灰度水印图像的提取结果受常见的图像处理攻击操作的影响非常小。     

一种基于奇异值分解的动态多传感器数据融合算法

在工业应用中常用一组传感器对同一个被测量目标在一个过程的不同位置进行测量.由于每个传感器位于过程的不同位置,它们将不同程度的受到噪声的干扰.为了从被噪声干扰的测量值中获得更准确的测量结果,本文提出了一种基于奇异值分解(SVD)的动态多传感器数据融合算法.由该算法得到的传感器测量结果值最优估计的方差不仅低于传感器组中每一个传感器测量结果的方差,而且低于由基于最小均方误差(MMSE)多传感器数据融合算法得到的估计结果的方差.仿真的结果表明,该算法是有效的.     

一种新颖的复合型盲水印算法

针对很多数字水印设计方案都是单水印嵌入的状况,提出了一种新的复合型图像水印技术。在图像作品里同时嵌入鲁棒水印和脆弱水印。这样,既对图像作品进行了版权保护,又能知道作品内容是否被篡改,实现了版权保护和内容认证的双重功能。两种水印的提取和检测工作都不需要原始图像就可以完成,是一种盲水印算法。仿真实验表明,该算法比较有效,具有很好的应用前景。     

Coupled Cross-correlation Neural Network Algorithm for Principal Singular Triplet Extraction of a Cross-covariance Matrix

This paper proposes a novel coupled neural network learning algorithm to extract the principal singular triplet (PST) of a cross-correlation matrix between two high-dimensional data streams. We firstly introduce a novel information criterion (NIC), in which the stationary points are singular triplet of the crosscorrelation matrix. Then, based on Newton's method, we obtain a coupled system of ordinary differential equations (ODEs) from the NIC. The ODEs have the same equilibria as the gradient of NIC, however, only the first PST of the system is stable (which is also the desired solution), and all others are (unstable) saddle points. Based on the system, we finally obtain a fast and stable algorithm for PST extraction. The proposed algorithm can solve the speed-stability problem that plagues most noncoupled learning rules. Moreover, the proposed algorithm can also be used to extract multiple PSTs effectively by using sequential method.      

一种新颖的宽带短波探测系统音频干扰抑制算法

短波信道音频干扰分布密集,导致宽带短波探测系统接收信噪比严重恶化.针对传统奇异值分解(Singular value decomposition,SVD)滤波方法损失了干扰频率处的有用功率,对信道参数的高精度提取造成了不利影响.本文深入分析了SVD滤波内部机理,推导得到SVD滤波的解析表达式,并由信号加噪声子空间得出有用功率的鲁棒估计,进而提出了一种新颖的基于功率补偿的音频干扰抑制算法.仿真与实测数据处理结果表明,该算法不仅实现了干扰抑制,而且有效减小了抑制产生的信号损伤,对于短波电离层信道参数的高精度提取具有特殊意义.