二次型极小化问题的迭代算法

在新的控制条件下,证明了二次型极小化问题的迭代算法的有效性,所得结果改进了徐洪坤关于二次型优化的最新结果。     

Lipschitz非线性系统状态观测器设计新方法

针对Lipschitz非线性系统状态观测器,提出了一种以极小化条件数为目标准则的新的设计方法。运用梯度下降法和Slyvester方程,计算极小化条件数,优化增益矩阵和最大允许Lipschitz常数,完成观测器设计。通过同其它文献的算例比较,结果发现按文中方法设计的观测器具有迭代次数少、优化结果好的特点。     

改进的拉格朗日松弛数据关联算法

在多传感器多目标跟踪领域中,当传感器为被动式的,传统的多维分配算法利用拉格朗日松弛算法求解.拉格朗日乘子更新一般用次梯度方法,但每次迭代都要进行多次极小化运算来求对偶解,导致实时性差.针对这个问题,提出了一种改进的基于拉格朗日松弛的数据关联算法,通过代理修正次梯度方法更新拉格朗日乘子,并在允许时间内获得近似解.仿真实验...     

探月飞船跳跃式再入组合制导方法

针对预测-校正制导方法计算量大的问题,提出一种结合预测-校正法和标准轨道法的组合制导方法。在一次再入段采用预测-校正法提高制导方法的鲁棒性能,在二次再入段采用标准轨道法减少计算量。该组合制导方法通过利用标准轨道信息,减少了预测时间;通过设计指令快速迭代算法,减少了迭代次数;并根据飞船二次再入点处的实际状态,修正标准指令剖面,提高二次再入制导性能。仿真结果表明:该组合制导方法能大幅减少预测时间,提高校正速度,并具有较高的鲁棒性和精度。     

关于算子方程Tx=y扰动分析的一些结果

在Banach空间中给出了一种相容算子方程解的误差估计 ,推广了矩阵扰动分析中的相应结果 .此外 ,利用Hilbert空间中算子M -P广义逆与算子的约化极小模之间的关系 ,给出了一些估计式 ,这些估计式对于分析不相容算子方程Tx =y的极小范数最小二乘解的扰动误差是有用的     

带混合误差的Ishikawa迭代格式

将Ishikawa型迭代格式的收敛性问题推广到带混合误差的Ishikawa型迭代格式的情形 ,同时所用的证明方法和技巧有所改进     

一类二阶Hamilton系统周期解的存在性

Hamilton系统是非线性科学中的一个重要领域,很多人在超二次或次二次条件及其他一些条件下对Hamilton系统的周期解进行了研究。此文则研究了非自制二阶Hamilton系统在零点局部环绕及“非二次”条件下周期解的存在性,并利用局部紧性条件(C)条件以及极大极小方法证明了其周期解的存在性。     

多输入多输出雷达恒模稳健波形联合优化算法

针对目标冲激响应及杂波冲激响应分布特性先验知识不准确导致的多输入多输出雷达检测性能下降的问题,提出恒模稳健波形与接收机滤波器联合优化算法。将目标冲激响应及杂波冲激响应分布特性先验知识不准确时的优化问题建模为一个极大极小化问题。运用迭代优化算法将联合优化问题分解为两个子优化步骤:将波形固定时的接收机滤波器权值优化问题建模为广义瑞利商模型,求解得到相应的接收机滤波器权值矢量;利用半正定松弛技术对权值固定时的波形优化问题进行求解,获得对应的波形矩阵,并根据得到的波形矩阵,通过高斯随机化的方法获得所需的恒模波形。对所提算法的收敛性进行了证明,仿真结果表明所提算法有效。     

minimax问题的广义共轭向量法

本文按照共轭向量法的理论,针对非奇异对称矩阵提出了广义共轭向量的概念,并论述了它的三个重要性质(线性独立性、可寻驻点和可扩展性)。在此基础上,构造了极小极大(minimax)问题的广义共轭向量法。理论分析表明,该算法具有二次终止性质,且在每一维搜索时具有确定的寻优特征(求极小或求极大)。该算法为用拉格朗日乘子法求解数学规划提供了一个可能的途径。计算实例表明该算法是有效的。     

一种双参数批更换系统的优化问题

研究了一种在更换时间有限的情况下 ,基于交替更新过程的双参数批更换系统的优化问题 ,这一问题的目标是平均费用率的极小化。给出了一种特殊情况的讨论结果。     

Hilbert空间中次连续拟非扩张映像不动点的迭代方法

首次引用一种迭代算法,用来构造Hilbert空间中次连续拟非扩张映像的不动点;使用新的算法证明了一个强收敛定理,其优点是不要求映像具有次闭性质。     

基于交叉熵最小化的 Turbo 码迭代译码停止准则

根据Turbo码最优译码算法及迭代译码的基本原理 ,在保证迭代收敛的条件下 ,利用交叉熵最小化原则推导出Turbo码译码过程中停止迭代的准则 ,并给出了一种降低计算复杂性和减少存贮空间的简化算法 ,最后通过仿真证明了此迭代停止准则及其简化算法的有效性。     

机载雷达与地面雷达的最大似然配准算法

空、地多雷达配准是空地一体化预警的前提。通过建立空中运动雷达与地面静止雷达的配准模型,以最大似然算法为基础,导出其空间系统误差配准参数及目标运动状态估计的具体公式,并对系统误差估计值的卡拉美-罗界进行了讨论。仿真结果表明,该算法具有较快的迭代收敛速度和较好的配准效果。     

平板翼流体动力边界积分多重网格计算

讨论了平板翼流体动力边界积分法多重网格计算模型,给出了残差计算格式和函数修正值计算公式,推导出与步长无关的环量多重网格计算公式.计算结果表明,利用多重网格方法加快了收敛速度,其数值计算的流体动力与试验值吻合.     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

线性二次型及模型预测控制编队控制研究

多智能体集群作战是未来战场的重要形式.作为集群作战中的关键技术,编队控制有着广泛的应用.以编队控制律为研究目标,选择2种优化控制方法:线性二次型调节器(linear quadratic regulator,LQR)方法和模型预测控制(model predictive control,MPC)方法.针对圆形编队轨迹,采用...     

应用极化聚类中心设计快速自适应极化滤波器

针对传统自适应极化滤波算法存在收敛速度慢、迭代步长因子选取困难等问题,采用极化聚类中心估计理论设计了一种快速自适应极化滤波器,实现了对极化雷达回波中的干扰信号逐脉冲地自适应精确对消。滤波器通过距离单元选通获取干扰信号样本,对样本极化聚类中心的直接计算能够快速估计干扰信号在当前脉冲内极化状态,依据干扰输出功率最小原则最终实现快速滤波过程,相比于传统极化滤波算法有更快的收敛速度和更稳定的干扰抑制性能。仿真对比实验结果验证了该方法的快速有效性。     

发射波束域MIMO-STAP雷达发射接收联合设计方法

研究了信号相关杂波背景下机载多输入多输出(multiple-input multiple-output,MIMO)雷达发射波束形成和接收滤波器的联合设计问题,建立了机载MIMO雷达发射波束域空时自适应处理(space-time adaptive processing, STAP)信号模型。为了提升杂波环境下目标的检测性能,通过最大化输出信干噪比构建了发射波束形成和接收滤波器的联合设计问题;然后,设计了一种新的基于优化最小化(majorization-minimization,MM)框架的迭代优化算法来解决联合设计问题。该算法通过合理寻找目标函数的下界可以有效提升算法的收敛速度并降低算法的运行时间。此外,与传统的相控阵雷达和MIMO雷达相比,优化后的发射波束形成和接收滤波器可以显著提升输出信干噪比,仿真实验验证了所提方法的有效性。