基于局部变分贝叶斯推断的分布式交互式多模型估计

针对目前部分多模型算法预先设定运动模型转移概率矩阵对状态估计精度的不利影响,本文提出了一种基于局部变分贝叶斯推断的分布式交互式多模型估计算法.不同于传统交互式多模型估计中运动模型转移概率矩阵为先验已知的假设条件,在分布融合估计框架下,首先基于最小化Kullback-Leibler散度准则的递归优化策略实现对运动模型转移概率矩阵的预测与更新;在此基础上,结合变分贝叶斯推断实现对当前时刻目标状态与模型概率的联合估计;最后依据协方差交叉融合策略完成对局部状态估计融合.仿真结果表明:新算法通过对运动模型转移概率矩阵以及模型概率自适应在线估计,有效提升了机动目标的状态估计精度.     

一种双机动频率自适应算法研究

基于当前统计模型,研究机动目标跟踪过程中机动频率的自适应调整方法,使其值更加符合目标的实际机动状况。根据机动频率在噪声方差及状态转移矩阵中对增益的影响不同,设计一种双机动频率自适应算法。仿真表明,该自适应算法能快速跟踪加速度跳跃的机动目标,跟踪机动目标位置精度上有较大的改进。     

基于聚类与时间耦合执行序列的任务分解方法

本文针对复杂任务分析中的高度耦合任务不易分解且需重构排序的问题,提出了一种基于聚类分析与改进时间-耦合执行序列的自适应任务分解方法。在矩阵最值遴选模型和任务序列转移策略相结合的基础上,设计了基于中间任务序列的任务矩阵分割算法;并进一步采用粒度自主循环调整机制,最终实现了复杂任务的自适应解耦分析。仿真验证结果表明,该方法能够有效实现复杂任务的解耦及序列重构,在作战任务分析领域具有很好的推广应用前景。     

基于概率模型的实时修正IMM目标跟踪算法

针对传统的IMM算法采用固定测量噪声协方差矩阵和Markov转移概率矩阵导致模型切换缓慢,跟踪精度下降的问题,提出了一种具有模型概率实时修正的IMM机动目标跟踪算法。该算法在监控区域上建立无线电指纹库,利用支持向量回归算法训练得到观测模型。引入模糊神经网络,在模型交互输出阶段自适应地调整测量误差协方差矩阵。根据IMM子模型中连续时间点之间的模型概率的比值,对Markov转移概率进行修正。仿真结果表明,提出的方法在实时性、跟踪精度方面具有良好的性能。     

一致性引导的自适应加权多视图聚类

随着获取多模态或多视图数据的日益容易,多视图聚类研究受到广泛关注.然而,很多方法直接从原始数据中学习邻接矩阵,忽视了数据中噪声的影响.此外,还有一些方法将各个视图同等对待,而实际上各视图在聚类过程中所发挥的作用是不同的.为解决上述问题,提出了一种基于Markov链的聚类算法,名为一致性引导的自适应加权多视图聚类(consensus guided auto-weighted multi-view clustering, CAMC).首先为每个视图构造转移概率矩阵;然后,以自适应加权的方式获得一致性转移概率矩阵,并对一致性转移概率矩阵的拉普拉斯矩阵进行了秩约束,确保拉普拉斯图中连通分量的数目正好等于簇的数目.此外,基于交替方向乘子法(alternating direction method of multipliers, ADMM)优化策略对问题进行求解.在1个人造数据集和7个真实数据集上的实验结果证明了该算法的有效性,其聚类性能优于现有的8种基准算法.     

知识辅助的多模型机动目标跟踪算法

多模型机动目标跟踪技术是一种先进的目标跟踪算法。由于目标类型越来越多、运动环境越来越复杂,仅使用位置量测进行目标跟踪变得越来越难以满足应用要求。除位置量测之外,引入目标和环境相关的知识,对多模型算法中的模型集、转移概率矩阵和模型概率这3个关键因素进行自适应调整,可以有效提高机动目标跟踪性能。本文对知识辅助多模型机动目标跟踪算法的原理和方法等进行了分析。按照知识作用的对象（模型集、转移概率矩阵和模型概率）和作用方式（智能法和非智能法）分别介绍了该类算法的原理及其特点,最后对该类算法下一步的研究方向和发展趋势进行了展望。     

机务段整备区股道安排的算法研究

该文研究了采用基于矩阵编码的自适应遗传算法求解机务段外勤整备区股道安排的问题。通过对各种约束条件和多目标优化模型的分析,提出了基于N×M二维矩阵的染色体编码设计,并构造了基于矩阵操作的新的遗传算子,采用了自适应变换等技术。相对于传统的遗传算法而言,基于矩阵编码与自适应策略的遗传算法具有易操作性、不过早收敛、有很好的收敛精度等特点。此算法的实施克服了人工操作的主观性与繁琐性,为整备区股道安排提供了准确的决策支持。采用遗传算法求解整备区股道安排问题,具有适用广泛和计算稳定等特性。仿真试验结果表明了该算法的可行性和有效性。     

基于参数辨识的自适应解耦控制算法的研究

多变量模型的复杂结构、强耦合性、被控对象参数的未知、慢时变等问题要求控制器必须具有良好的自适应性,针对以上问题提出了一种基于改进的广义最小方差闭环自适应解耦控制器实现更好的自适应,其由参数可调的控制器和自适应控制律组成,此控制器通过将闭环系统方程的传递函数矩阵等于期望的对角矩阵来实现解耦,同时改进的辨识算法可进行在线辨识控制器的参数实现同步自适应解耦。通过以CARMA为多变量控制模型,采用该方法进行仿真有效的解决了多变量之间的耦合性。结果表明该方法能够适应相应的变化,跟踪性能较好,且具备良好的解耦能力,进而保证了闭环系统的稳定性,从而验证了此方法能够效提高控制系统的稳定性和鲁棒性。     

基于自适应LASSO先验的稀疏贝叶斯学习算法

为了提高稀疏信号恢复的准确性, 开展了基于自适应套索算子(Least absolute shrinkage and selection operator, LASSO)先验的稀疏贝叶斯学习(Sparse Bayesian learning, SBL)算法研究. 1) 在稀疏贝叶斯模型构建阶段, 构造了一种新的多层贝叶斯框架, 赋予信号中元素独立的LASSO先验. 该先验比现有稀疏先验更有效地鼓励稀疏并且该模型中所有参数更新存在闭合解. 然后在该多层贝叶斯框架的基础上提出了一种基于自适应LASSO先验的SBL算法. 2) 为降低提出的算法的计算复杂度, 在贝叶斯推断阶段利用空间轮换变元方法对提出的算法进行改进, 避免了矩阵求逆运算, 使参数更新快速高效, 从而提出了一种基于自适应LASSO先验的快速SBL算法. 本文提出的算法的稀疏恢复性能通过实验进行了验证, 分别针对不同大小测量矩阵的稀疏信号恢复以及单快拍波达方向(Direction of arrival, DOA)估计开展了实验. 实验结果表明: 提出基于自适应LASSO先验的SBL算法比现有算法具有更高的稀疏恢复准确度; 提出的快速算法的准确度略低于提出的基于自适应LASSO先验的SBL算法, 但计算复杂度明显降低.     

基于RFID技术的煤矿井下人员跟踪定位系统防碰撞算法研究

为了防止井下人员跟踪定位系统中多个射频标签同时向基站发送识别信息时产生的碰撞问题,提出了一种基于搜索矩阵的自适应防碰撞算法.该算法有效利用碰撞信息,通过构造搜索矩阵进行读取,通过引入碰撞栈,并根据时隙状态自适应调整搜索路径的方法,使碰撞概率大大降低.理论和仿真实验证明,该算法能够有效解决多目标识别的防碰撞问题.     

GARUKF算法在无人船对准中的应用

针对无人船在恶劣海况下不仅做大幅摇摆运动,还会遭受海浪的周期性瞬时冲击以及阵发性短时强干扰等影响,提出一种GARUKF算法来提高对准精度,利用投影统计(PS)算法对滑动窗口内的新息向量重新赋权,实现对量测噪声方差阵的实时估计,并利用遗传(GA)算法求解自适应因子阵,最优化地调整量测噪声方差阵。与常规自适应鲁棒UKF算法(ARUKF)算法相比,该算法实现了自适应调节能力的最优化。仿真试验表明,本文提出的GARUKF算法在系统遭受短时强干扰以及瞬间冲击等影响时,水平方向对准精度达4′,方位对准精度可达5′。结合半实物实验结果,验证了该算法可有效提高滤波精度和稳定性,满足恶劣海况下无人船对准的要求。     

基于状态预测自适应一致滤波器的分布式估计融合算法

应用自适应滤波算法改进了基于一致滤波器的估计融合算法以加快节点估计的一致收敛速度,提出了 一种基于状态预测的自适应一致滤波器．在此算法中,节点采用状态预测值作为自适应滤波器的参考信号,应用自 适应算法修正一致滤波器的加权矩阵．仿真结果表明,本文提出的算法不仅能够加快节点估计的一致收敛速度,还 能减小收敛过程中节点的估计误差．     

一种基于自适应关系矩阵的带边信息水印算法

数字水印技术已成为多媒体信息安全领域的一个研究热点.本文对宿主图像和水印图像DCT系数的幅值分布情况和相互关系进行了理论上的分析,得出二者的分布可以通过一个自适应关系矩阵进行拟合的理论结果,并给出了计算自适应关系矩阵的快速算法.在此基础上,以自适应关系矩阵为边信息,提出了一种基于宿主图像和水印图像DCT系数分布的自适应边信息水印算法.该算法将灰度图像作为水印信息,利用自适应关系矩阵调节水印图像DCT系数的样本值,并用调节后的样本值替换伪随机选择出的宿主图像中嵌入位置的DCT系数,实现水印嵌入.自适应边信息的引入,使水印算法获得了尽可能多的优化.与同类方法比较,所提出的算法透明性好,鲁棒性强,安全性高,对常见的几何、滤波、噪音、压缩等多类攻击性能很好,水印提取不需要原始宿主图像.实验结果验证了方法的有效性.另外,本文所提出的自适应矩阵及其快速计算方法,还可应用于其它类似的分布拟合过程.     

一种基于酉变换的修正ESB波束形成算法仿真

为了减小基于特征空间（ESB）自适应波束形成算法的运算量并提高小快拍数条件下的自适应波束形成性能,该文提出了一种基于酉变换的修正ESB自适应波束形成算法。该算法利用酉变换将复协方差矩阵转换为实矩阵,然后对其求逆和特征分解进行自适应波束形成,因此其运算量比ESB自适应波束形成算法小得多。由于计算变换后的矩阵的过程具有前后向平均的效果,相当于快拍数加倍,从而可提高小快拍数时波束形成的性能,增大输出信干噪比。算法在智能天线中的仿真结果表明,该算法具有比ESB算法更优的性能。     

不同尺寸工件批调度问题的自适应蚁群退火算法*

研究不同尺寸工件单机批调度问题,将蚁群算法与模拟退火算法相结合,引入自适应状态转移概率,提出了一种自适应蚁群退火算法AACSA(adaptive ant colony simulated annealing)。该算法利用模拟退火算法实现了一种新的混合信息素更新策略,此外根据停滞次数,动态改变状态转移概率,有效地避免算法陷入停滞以及局部最优,提高算法的性能。仿真实验结果表明,AACSA与蚁群优化算法BACO、模拟退火算法SA、启发式规则BFLPT相比,算法求解的性能更好。     

非均匀杂波中的直接变换域STAP算法研究

降维空时自适应处理和降秩空时自适应处理均需要已知杂波协方差矩阵,或者通过参考单元对杂波协方差矩阵进行估计,在非均匀杂波环境中无法获取足够多的有效样本,使得算法性能急剧下降。提出一种直接变换域空时自适应处理算法,不需要对杂波协方差矩阵估计,在角度-多普勒域中的通道之间进行自适应处理,采用最小均方准则求解,能够适用于非均匀杂波环境中目标检测。仿真结果表明,提出的算法相比于直接数据域算法,抑制杂波能力更强,对于目标角度偏差更具稳健性。     

一种新的MIMO-OFDM通信系统比特分配方案

从MIMO-OFDM系统模型出发,首先对理想信道传输矩阵进行奇异值分解,在子信道自适应调制设计中应用信道矩阵特征值把空分复用信道转化为并行子信道,将用于多载波自适应比特分配算法应用于MIMO-OFDM系统。然后以实现系统发射功率最小为原则,以降低系统比特分配算法复杂度为目标,提出了一种可变步长的子信道比特分配优化算法。仿真结果表明,这种算法不但可以实现和Campello方法相当的比特分配性能,还可以较大地降低系统的计算复杂度。     

Blind extraction of singularly mixed source signals

This paper introduces a novel technique for sequential blind extraction of singularly mixed sources. First, a neural-network model and an adaptive algorithm for single-source blind extraction are introduced. Next, an extractability analysis is presented for singular mixing matrix, and two sets of necessary and sufficient extractability conditions are derived. The adaptive algorithm and neural-network model for sequential blind extraction are then presented. The stability of the algorithm is discussed. Simulation results are presented to illustrate the validity of the adaptive algorithm and the stability analysis. The proposed algorithm is suitable for the case of nonsingular mixing matrix as well as for singular mixing matrix.     

一种新的DFA状态最小化算法

提出了一种基于状态转换矩阵的适合计算机实现的DFA状态最小化算法,在计算等价状态过程中,通过记录扫描过程中发现的具有相同输入字符和相同转换状态的状态判定链表,算法可以用一遍扫描和与传统算法相近的存储空间实现DFA状态的最小化。与传统的DFA状态最小化算法相比,该算法具有较好的时间复杂度和相同的空间复杂度。