Tikhonov迭代正则化向下延拓应用探讨

重磁位场延拓广泛应用于地质勘探、能源勘探、军事导航等领域的重磁资料数据处理中。Tikhonov迭代正则化向下延拓方法实现快速高精度向下延拓,能够有效压制高频振荡,实现过场源体而不奇异。但该方法对地质体的响应程度及对于地质体物性的反映尚需研究,为了探讨该方法对不同地质体的响应情况,以Tikhonov迭代正则化向下延拓算法为基础,深入讨论该方法对于不同地质体向下延拓的结果。并以多个不同深度的球体以及板状体等模型模拟不同地质条件,借此来讨论延拓结果对地质体的响应情况。理论场和实测资料的向下延拓成果表明,该方法能够有效反映地质体埋深,也能校准确区分水平和垂直叠加异常体。     

基于高阶内模的非线性离散系统迭代学习控制

针对一类工作于重复条件下的一阶非正则离散时间非线性系统追踪迭代域非严格重复的参考轨迹问题,提出基于高阶内模(HOIM)的迭代学习控制方法.利用高阶内模,描述系统输出追踪参考轨迹的迭代域变化规律问题.在针对非线性系统的迭代学习控制律设计过程中,根据内模原理,将高阶内模与D型迭代学习控制律相结合,设计合适的学习增益.从理论上严格证明,在所提出的基于高阶内模的迭代学习控制律的作用下,系统跟踪误差的迭代域收敛性.对机械手离散时间模型的仿真结果表明了该迭代学习控制方法的有效性.     

基于熵权模糊迭代法的生态友好型水库调度控泄方案模糊集对综合评价（研究生论坛）

以天然径流模式为理想状态,构建了用以评估不同水库控泄方案下的调度出流与天然径流过程接近程度的评价指标体系,提出了基于熵权模糊迭代法的模糊集对综合评价模型,并对二滩电站的6种控泄方案进行了实例分析。结果表明,相比复合模糊物元法,新方法不仅可以直接确定所有评价方案公平竞争下的指标权重,而且还能同时从外部整体与内部关系结构上分析评价方案与评价等级间的不确定性关系,使得评估结论更加合理可靠,说明该方法切实可行、可操作性强。     

基于双迭代与二阶锥规划的机载雷达稳健降维STAP方法

针对机载雷达空时自适应处理（STAP）中期望目标导向矢量的失配问题,提出一种基于双迭代与二阶锥规划的稳健降维STAP方法。该方法首先将权矢量分解为空域与时域两个低维权矢量的Kronecker积,然后分别限定实际空域、时域导向矢量与假定导向矢量之间的误差范数边界,并通过对各自最差性能进行优化,转化为相应的SOCP形式,进而利用双迭代算法实现了对两个低维权矢量的分别求解,最终合成全维STAP权矢量。该方法在保证稳健STAP性能的同时,通过双迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。仿真结果验证了算法的有效性。     

一种适用于高阶QAM信号的均衡与载波恢复联合实现算法

针对高阶QAM信号接收解调中的均衡和载波恢复问题,提出了一种基于超指数迭代的均衡与载波恢复联合处理算法,在存在载波频偏情况下,联合实现盲均衡和载波恢复。利用超指数迭代算法对载波相位"盲"的性质及其快速收敛特性,与极性判决锁相环联合实现多径信道条件下的载波频偏捕获及初步均衡,之后切换到判决引导方式完成载波的相位跟踪和最终均衡。仿真结果证明了算法的有效性。     

多约束条件下矩阵方程AXA~T=B的最小二乘解

为了求解大型矩阵方程的多约束优化问题,基于Dykstra交替投影算法和相关的矩阵分解理论,提出了求解矩阵方程AXAT=B的多约束条件下的最小二乘解的迭代算法,并讨论了算法的收敛性。数值实验验证了算法的有效性。     

一类非线性矩阵方程对称解的双迭代算法

为求解一类非线性矩阵方程的对称解,提出一种双迭代算法。运用牛顿迭代解法求解一类非线性矩阵方程的对称解,应用修正共轭梯度法求解由牛顿法每一步迭代所得到的线性矩阵方程的对称解或最小二乘对称解。数值实例表明,该双迭代算法是有效的。     

基于迭代学习控制的混合误差轮廓控制

针对永磁直线同步电动机直接驱动XY平台系统中存在不确定扰动的问题,单轴上设计了基于干扰观测器的迭代学习控制器.迭代学习控制器可以抑制重复扰动,干扰观测器可以消除非重复扰动的影响,两者结合起来可增强系统对重复和非重复扰动的抑制能力.由于轮廓误差计算模型要求跟踪误差远小于期望轮廓曲率半径,所以设计了混合误差轮廓控制器,跟踪误差较大时只控制各轴位置,跟踪误差足够小时进行轮廓控制.仿真结果表明,该控制方法使直接驱动XY平台具有较强的鲁棒性和较高的轮廓精度.     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

自适应惯性权重的改进粒子群算法

针对标准PSO算法求解高维非线性问题时存在的大量无效迭代(经过一轮迭代后全局最优位置保持不变),提出了一种自适应惯性权重的改进粒子群算法。基于单次迭代中单粒子运动状态的分析,提出并证明了论点:上一轮迭代适应度值变差的粒子,当前迭代中其惯性分量将引导粒子往适应度值变差的方向运动,导致粒子群体无效迭代次数增加。设计了标准PSO算法改进方案,将上一轮迭代中适应度值变差的全体粒子的惯性权重置为零,消除当前迭代中不利惯性分量对算法收敛的不良影响。采用6个标准测试函数,将该算法与标准PSO算法、固定惯性权重PSO算法和具有领袖的PSO算法进行性能对比分析。试验表明,该改进算法无效迭代次数更少,在收敛率、收敛速度和收敛稳定性上均具有明显的优势。