一种基于Runge-Kutta积分的UKF跟踪算法

非线性滤波问题通常会面临过程方程和量测方程的双重非线性,利用传统的滤波算法进行处理时,离散化和线性化过程是导致滤波性能降低的根本原因.提出了一种基于Runge-Kutta积分的不敏Kalman滤波(UKF)算法,该算法能够直观、方便地对运动模型为连续非线性常微分方程组的跟踪问题进行处理,避免了复杂的Jacobi矩阵运算和离散化过程,使预测模型更加精确.以弹道目标跟踪为例进行了仿真实验,通过与传统UKF算法和扩展Kalman滤波(EKF)算法比较,结果表明该算法具有更好的性能.     

时变RLC网络瞬态分析的一种新方法

本文基于电路理论和数值积分算法,导出了时变LC元件关于任何隐式积分算法的通用伴随离散电路模型,提出了时变RLC网络瞬态分析的一种新方法.采用这种方法,时变网络的瞬态分析便可简化为定常电阻性网络的直流分析,从而可以直接将定常电阻性网络直流分析的成果应用于时变网络的瞬态分析之中.     

多层媒质中空域格林函数的求解

多层媒质中的空域格林函数的表达式中通常都用sommerfeld积分,本文介绍了一种严格的二级离散复镜像方法,直接运用广义函数束方法把谱域格林函数展开成复指数级数形式,并利用sommerfeld积分定义,得到空域格林函数的解析表达式,从而避免了复杂而费时的数值积分.     

一种新的量子神经网络训练算法

量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络,其主要用于数据分类。由于采用多层激励函数神经元,并且在量子间隔训练中采用了新的目标函数,即同类输入数据的隐层节点输出方差最小,从而使量子神经网络具备了发掘不同类别数据间模糊性的能力。但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数,使迭代过程中两者不可避免的会出现相互冲突,从而导致训练迭代次数的增加和网络性能的下降。本文借鉴约束优化理论,在两个目标函数的梯度下降求解中引入了惩罚函数,提出了一种新的量子神经网络训练算法,消除了两个目标函数间的冲突。实验结果表明,本文提出的训练算法可以显著提升训练的速度和网络的性能。      

均匀介质中基于积分方程的二维电磁成像模拟

开发了一种基于积分方程的模拟均匀介质中二维电磁成像的反演算法。在反演中采用了Born 迭代方法,该算法具有抗噪声能力强、迭代稳定的优点。在正演计算中采用了计算积分方程的稳定型双共轭梯度快速Fourier 变换(BCGS-FFT)算法,将插值函数作为基函数和试探函数对积分方程进行弱化离散,离散后的积分方程采用稳定型双共轭梯度迭代方法进行求解,从而得到异常体内电场的分布,迭代过程中采用快速傅里叶变换(FFT)技术进行加速。反演算例说明了所开发算法的精确性和有效性。     

基于样条权函数神经网络的人脸识别研究

文章对人脸识别技术进行了调查,对比分析了传统识别技术以及基于深度学习识别技术的不同,指出由于深度学习的网络结构较为复杂,在人脸识别过程中容易出现算法过拟合的现象。针对上述过拟合问题,文章对基于权函数神经网络的人脸识别算法进行了研究,此类神经网络结构简单,仅有输入、输出两层结构,将人脸图片作为输入信息,网络训练目标为计算三次样条权函数,仿真实验证明该类网络具有较好的识别准确度和识别效率。     

LUDWIG算法的改进与应用

Ludwig积分在雷达散射截面(RCS)计算中被广泛应用.传统的Ludwig积分针对基于三角形面元的模型剖分技术,因此主要用于平面片积分.三角形面片由于是平面片,因此无法对复杂模型准确建模.本文改进了Ludwig积分,并将其用于基于NURBS(非均匀有理B样条)技术的曲面积分.通过计算实例可以看出改进后的Ludwig积分形式适用于基于曲面建模技术的物理光学(PO)算法.     

一种基于L-M算法的组合神经网络模糊控制器

提出了一种基于L-M算法的神经网络模糊控制器。用两个相同的三层前向神经网络①和②来生成E和EC的隶属度,用三层前向神经网络③来实现模糊控制规则并生成控制输出,经过研究和对比选择了对于这3个网络来说最好的训练算法Levenberg-Marquardt算法。仿真结果表明了该控制器极好的控制性能。     

一种快速多层神经网络训练算法及其在系统辩识中的应用

本文提出了一种新的多层前馈神经网络快速训练方法.该算法是基于指数加权局部最小二乘(EWLLS)目标函数及殴几里得方向集(EDS)方法的,在训练过程中,通过估计局部期望输出,多层神经网络可以被分解成若干个自适应线性神经元(Adaline),而Adaline是通过EDS方法进行训练的.该算法的性能是通过将其应用于系统辩识中加以说明的.     

天线阻抗的快速叠代算法研究

为了降低工作量,介绍了计算微带天线阻抗时采用的三次样条函数法。为了将无穷区间的积分问题变成离散的有限维问题,对于复杂的方程,可以用适当的逐段多项式函数——样条函数来逼近。这样可将某些积分化为逐段多项式函数,因而可以将高维积分变为较低维的积分,产生近似的有限维问题,从而简化了运算过程。     

一种有效计算有耗分层媒质中格林函数的方法

以两层平面分层媒质为例,讨论了不同情况下空域格林函数的计算方法,指出了有耗平面分层媒质情况下传统方法的缺点,提出采用二维离散复像法(2D-DCIM)处理有耗平面分层媒质中的格林函数,并对积分路径做了相关要求,得到了同时包含场点纵坐标z和源点纵坐标z′及场源点横向距离ρ的格林函数的空域闭式表达式。所得结果与数值积分法的结果吻合良好,证实了该文方法的正确性。     

B样条有限元法解矩形域边值问题的高斯积分矩阵传递算法

B样条有限元法是解决二维矩形场域中电磁场问题的一种理想的数值计算方法.该方法计算精度高,并且能保证场量应有的连续性.本文构造了一种能快速实施B样条有限元方法的高斯积分矩阵传递算法(TGIMA).该算法通过矩阵形式积运算将每一个高斯积分点的B样条函数值传递到B样条有限元方程的总体系数矩阵中,避免了B样条子段函数互乘的积分运算,从而极大地降低了计算的复杂度.这种算法易于程序实现,有效地减少了计算量.     

基于递进卷积神经网络的台标识别及其并行化

针对台标的视觉特征,提出一种基于递进卷积神经网络的台标识别算法.该网络不仅有对图像特征进行隐性提取的卷积层和采样层,还包括识别常规台标的泛化模块和识别偏差台标的特异模块.针对串行卷积神经网络训练耗时长的缺点,提出基于Spark的并行递进卷积神经网络算法,采用数据共享及批处理方式对算法模型进行并行化处理.实验证明,递进卷积神经网络算法对台标进行识别能达到98％的正确率,多节点并行化卷积神经网络相比于单节点模型能有效缩短80％以上训练所需的时间.     

求解二重数值积分的混沌布谷鸟优化算法

引入混沌变量作为布谷鸟优化算法的局部算子,提出了一种基于混沌布谷鸟(Chaotic Cuckoo Search,CCS)优化算法求解二重数值积分的方法.该方法初始时在矩形积分区域两个方向的区间内各自任意选取一定的节点,通过CCS算法优化这些节点,并以优化后的节点作为分割点对二重数值积分进行求解.仿真实例结果表明,该算法简单,易实现,收敛速度快,得到的积分值精度高,是一种有效的二重数值积分求解方法.     

三角基函数神经网络算法在数值积分中的应用研究

该文提出了一种基于三角基函数神经网络算法求解数值积分的新方法,提出并证明了神经网络算法的收敛定理和数值积分的求解定理及推论。最后给出了数值积分算例,并与传统计算方法作了比较分析.分析结果表明,该文提出的数值积分方法计算精度高,适应性强,而且不需要知道被积函数,因此该数值积分算法在电子学等工程实际中有较大的应用价值。     

一种基于幅度积分的FSK非相干解调算法

FSK作为一种常用的调制方式,在小型化低功耗数字通信系统中被广泛应用,因此低复杂度的FSK数字解调算法成为研究重点。本文基于传统的功率检测算法,提出了一种基于幅度积分的FSK非相干解调算法（Amplitude-Integration Demodulation Algorithm, AIDA）。在AIDA算法中,接收信号先经过两个频点对应的带通滤波器,然后对滤波信号进行一个符号周期内的幅度积分,再对两个积分值进行相减,从而得到解调信号。由于采用了幅度积分的算法,复杂度被大大降低。仿真结果表明,AIDA可以改善FSK的解调性能。     

RWG 基伽略金矩量法自/ 互阻抗计算中两个关键问题的评述

为了快速获得RWG基伽略金矩量法自/互阻抗精确值,一般采用数值方法与解析技术相结合的求积策略。求积策略中的数值积分方法采用三角形高斯求积,而解析技术则普遍采用奇异值提取技术。针对这两个关键问题在应用过程中容易忽视的几个细节进行了评述,包括三角形高斯求积规则选取、求积公式应用条件以及奇异性积分被积函数改造等。采用新近提出的奇异性积分精确快速算法对自/互阻抗计算涉及的两类积分进行了推导计算,同时给出了场、源三角形完全重合和具有公共边两种情形下,采用常规奇异值提取技术和精确快速算法对这两类积分的计算结果。     

MLFMA/VIE矩量法快速分析介质天线罩的电磁性能

采用体积积分方程矩量法(VIE-MoM)结合多层快速多极子算法(MLFMA)解决任意形状多层非均匀介质天线罩电磁性能的快速精确分析问题.首先借助三维CAD软件几何建模技术及网格离散技术,建立了介质天线罩的实体模型并用四面体单元离散,接着利用MLFMA/VIE-MoM在介质区域内建立矩阵方程,计算出天线罩罩体区域的体极化电流,最终得到在罩体影响下的天线的远场辐射特性和功率传输效率.数值结果表明,采用VIE-MoM结合MLFMA来分析复杂结构介质天线罩电磁性能可明显节省内存需求,提高计算效率和计算精度.     

基于积分投影的图像快速配准算法研究

提出了一种基于积分投影技术的抗噪声实时图像配准算法.该算法通过将图像序列中的每一帧图像分别沿水平和垂直方向进行积分投影形成两个积分投影向量,并应用基于梯度的一维平移估计技术处理,从而精确地获取二维空间上的平移量.实验证明,该算法具有较好的抗噪声性能和较小的计算量,尤其适合硬件实时实现.     

基于非线性控制方法的AQM算法

首先利用非线性控制方法中的积分反步法设计了一种AQM算法,接着使用非线性控制方法中的模糊滑模变结构控制方法进行AQM算法的设计.仿真结果表明,与积分反步法相比,基于模糊滑模变结构控制的AQM算法性能上优于基于积分反步法的AQM算法.与基于线性控制方法的PID控制方法相比,基于积分反步法的AQM算法性能上优于基于PID控制的AQM算法.