基于SVD的双线性非负矩阵集分解

非负矩阵分解（non-negative matrix factorization,NMF）是一种常用的非负多元数据描述方法。处理数据矩阵集时,NMF描述力不强、推广性差。基于双线性型的非负矩阵集分解（bilinear form-based non-negative matrix set factorization,BFBNMSF）是对NMF的扩展,处理数据矩阵集时,BFBNMSF比NMF描述力强、推广性好。但BFBNMSF在初始化时使用随机分布,为使BFBNMSF更快收敛,该文提出一种基于奇异值分解（Singular value decomposition,SVD）初始化的BFBNMSF,即SVD-BFBNMSF,对系数矩阵进行初始化,已达到快速收敛的目的。实验结果表明：与传统BFBNMSF比较,该方法在收敛速度确有所改善。     

UWB的调制技术及其应用前景

UWB(超宽带)技术是继CDMA技术之后迅速发展的一种宽带传输技术,将经过信息调制的基带脉冲进行直接发送,脉冲宽度一般为ns级,因此它的信号能量分布在从DC到几GHz范围。它相对常规窄带传输方式而言有低功率谱、低截获、抗干扰能力强、可高速数据传输、多径分辨能力强和共享频谱等优点。主要介绍了UWB的几种调制技术,包括:TH-PPM、DS-UWB、TH-PAM和TH-OOK。分别阐述了它们的信号调制与解调,并分析比较了它们的性能,得出TH-PPM功率效率最高,是一种最优方案,最后以一种简明方式分析了UWB的应用和未来发展前景。     

基于间接模糊自适应控制的倒立摆系统设计

自适应模糊控制系统对参数变化和环境变化不敏感,能用于非线性和多变量复杂对象,不仅收敛速度快,鲁棒性好,而且可以在运行中不断修正自己的控制规则来改善控制性能,因而受到广泛重视。提出一种间接模糊自适应控制的方法,并将其成功应用于倒立摆系统中,根据Matlab模糊逻辑工具箱仿真得出理想的结果。