基于神经网络的面波迭代反演应用研究

根据滩浅海近地表结构特征,尝试利用地震记录中的面波进行近地表结构研究,以便了解滩浅海地区的近地表地层介质结构变化,为深层油气勘探提供准确的低降速带资料.针对面波频散反演已有方法存在的不足,引入一种基于BP神经网络的迭代反演方法对面波的频散曲线进行拟合迭代,用于反演预测滩浅海低降速带地层参数.由于神经网络具有很强的自学习、自适应、自组织和容错能力,它的反演预测能力非常强大,能够较精确地预测出所要求解的目标数据,同时结合传统迭代反演方法的优点,增强了该方法的反演预测能力.通过对滩浅海近地表结构模型试算,获得好的效果,同时进一步对实际记录进行了计算,也取得了比较满意的结果.     

双反对称的线性方程组的迭代算法

充分利用双反对称矩阵的性质,研究了双反对称的线性方程组Ax=b的迭代算法,给出求方程解的迭代算法.通过2个数值例子说明算法是可行有效的。     

基于并行预测控制的Turbo码译码结构

提出一种基于并行预测控制的Turbo码译码结构. 通过建立预测控制模块(PCA)来预测分量译码器第n+1次的译码外部信息值. 相比于传统的并行译码方案,基于PCA模块的PPC-Turbo结构可以降低译码算法的复杂度,并减少译码时延. 通过对单次外部信息值预测（6～9次）及复次外部信息值预测（6+8、7+9次）,对比了外部信息预测的变化趋势及不同帧长（1?024、512、256、128、64帧）情况下的译码时延,验证了译码时延的减少. 在帧长为1?024、信噪比为0～2?dB时,对译码器2第6～8次的外部信息进行了单次预测,比较了PPC-Turbo与Turbo的误比特率(BER)性能,结果表明,两者的BER非常接近,预测控制模块可以代替分量译码器的一次译码迭代.     

Research on phaseless near-field antenna measurement

A method of phaseless near-field measurement is studied which can reconstruct the far-field characteristics of the antenna by analyzing the near-field amplitude-only data. The method includes a dual-plane scanning strategy which lets the linear polarization probe collect the amplitude-only data on the two scanning planes respectively. The phase of each sampling points at one of the scanning planes can be retrieved using the iterative fourier transform algorithm. Then the far-field properties of the antenna are obtained by applying the near-field/far-field transformation technique. Theoretical research and simulations show that the phaseless near-field measurement strategy can reconstruct the far-field pattern effectively and that a better choice of the initial iterate phase can help to improve the convergence rate and the convergence precision of the method.     

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。     

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.     

深空通信系统中高阶LDPC码的软定时同步算法

深空通信具有信号衰减严重,接收机信噪比低的特点,针对深空通信系统中高阶LDPC码定时同步实现困难的问题,提出一种码辅助定时同步算法．首先使用高阶LDPC码的译码软信息构造一种代价函数,进行大定时偏移的粗同步,其次基于最大似然准则,使用EM算法进行定时偏移的细同步．该算法将定时同步器、解调器与译码器联合迭代,利用高阶LDPC译码器输出的软信息辅助定时同步,并通过数字插值方式对过采样信号进行补偿,从而得到接近修正克拉美罗限的定时估计．仿真结果表明,在低信噪比条件下,算法能够在较大定时偏移范围内实现有效的定时同步,并以较低的复杂度获得近似理想的系统误码率性能．     

Composite iterative learning controller design for gradually varying references with applications in an AFM system简

Learning control for gradually varying references in iteration domain was considered in this research, and a composite iterative learning control strategy was proposed to enable a plant to track unknown iteration-dependent trajectories. Specifically, by decoupling the current reference into the desired trajectory of the last trial and a disturbance signal with small magnitude, the learning and feedback parts were designed respectively to ensure fine tracking performance. After some theoretical analysis, the judging condition on whether the composite iterative learning control approach achieves better control results than pure feedback contro! was obtained for varying references. The convergence property of the closed-loop system was rigorously studied and the saturation problem was also addressed in the controller. The designed composite iterative learning control strategy is successfully employed in an atomic force microscope system, with both simulation and experimental results clearly demonstrating its superior performance.     

一类矩阵方程的算法研究

研究了矩阵方程X+A*X-1A+B*X-tB=I的正定解,通过构造单调有界迭代序列求得方程正定解.提出的新算法收敛速度有所提高.并通过算例进行算法比较.     

鞍点问题的HSS-GS迭代法与收敛理论

为了更好地求解鞍点问题,提出了埃尔米特和反埃尔米特分裂-类高斯赛德尔(HSS-GS)交替迭代法,并分析了其收敛性质。由于鞍点问题是二阶分块矩阵,且最后一块是零矩阵,通过引入新的矩阵,可以得到求解鞍点问题的类高斯赛德尔(GS-like)方法,并给出了相应的收敛性质。进一步,在GS-like方法和HSS迭代法的基础上,给出了HSS-GS交替迭代方法,并分析了这类算法的收敛性质。数值算例表明,GS-like方法和HSS-GS迭代法都可行,且后者更加有效。