矩阵幂级数收敛的一种判定方法

本文指出文献（１）中关于矩阵幂级数ΣＫ＝０ Ａ＾Ｋ收敛的一个错误命题,给出ΣＫ＝０ Ａ＾Ｋ收敛的一个有重要理论与实用价值的定理,并讨论一般矩阵幂级数ΣＫ＝０ ａｋＡ＾ｋ收敛的必要以及充分条件。     

针对KMC局部最优问题的飞蛾捕焰优化方法

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题.实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好.     

基于组合牛顿迭代法的改进IEKF及其在UNGM中的应用

从高斯-牛顿迭代的角度对迭代扩展卡尔曼滤波(IEKF)进行分析,提出了一种基于组合牛顿迭代法的改进IEKF算法。该算法通过实时判断每次迭代对状态的逼近程度,采用加权平均的方法确定新的迭代值,继而采用卡尔曼滤波框架对状态进行量测更新。新算法较传统的IEKF具有精度高以及对初值不敏感的优点。实例仿真验证了该算法的有效性。     

连续情形的窃贼问题

讨论了连续时间上的窃贼问题。Ｊｔ是［０,ｔ］上窃贼作案的次数,｛Ｊｔ｝ｔ≥０是Ｐｏｉｓ－ｓｏｎ过程;收获过程与风险过程都是独立同分布的时间序列。利用弱无穷小算子,我们找出了最优停时规则。     

极区格网导航在大圆航行中的应用

为了克服因极区地理经线快速收敛而产生的惯导系统无法准确定位的难题,对极区格网导航在大圆航行中的应用进行了研究,提出将过大圆顶点的子午线作为格网北的极区格网导航方法,根据格网北进行了航向推算,分别对大圆顶点相对于大圆端点对称的特殊情况以及大圆顶点相对于大圆端点非对称的常规情况进行了航向推算,并分析了航向误差产生的原因。理论分析证明该方法能够为船舶高纬度航行提供准确的位置信息。     

弱通信条件下基于MPC与融合状态估计的多UUV编队控制方法

多无人水下航行器(UUV)编队控制在实际复杂海洋环境中面临着水声通信时延大、多中断和丢包等弱通信难题,如何提高其对通信的鲁棒性是重点研究方向之一。首先,建立了多UUV编队模型;其次,将多UUV编队航行分为有无参考路径两种状态,针对已知编队期望路径条件,将编队问题分解为路径跟踪与速度同步问题,设计了基于模型预测控制的路径跟踪控制和速度误差同步机制;再次,针对编队处于机动过程而缺乏参考路径的条件,提出了基于最小二乘的融合状态估计及其一致性编队控制方法;最后,在仿真环境最大队形误差0.6 m,验证了算法的有效性。与单积分器系统一致性编队控制算法对比分析表明,所提方法在队形控制精度、队形恢复时间以及编队的稳定性方面均具有一定优势,研究结果对多UUV编队应用具有重要的指导意义。     

基于LMS谱预测和小波分解的弱GPS信号捕获算法

弱GPS信号的捕获算法是高灵敏度GPS接收机的关键技术,首先介绍了传统的GPS捕获原理,在此基础上,参考小波分解对GPS捕获信号进行降噪处理的方法,并结合LMS谱预测降噪法,提出了LMS谱预测和小波分解混合弱GPS信号捕获算法。考虑到小波分解和LMS谱预测的降噪原理不同,对3种方法对GPS捕获信号的降噪效果进行了仿真和对比。仿真实验结果表明本文所提出的降噪算法与仅用小波分解和LMS谱预测相比最大输出信噪比分别提高4.29 dB和2.93 dB。有效地提升了GPS捕获信号的信噪比和接收机的灵敏度。     

基于峰度-小波包分析的雷达信号去噪方法

对雷达回波弱信号的检测能力是体现雷达侦察性能的重要指标.根据高斯分布信号的峰度为零的特性,以及结合小波包的多分辨率分析原理,提出利用峰度-小波包分析的弱信号去嗓方法.通过仿真表明,方法对于雷达回波弱信号具有良好的去噪能力,并保证原信号的特征.     

一种加速收敛的LDPC码译码算法

对高斯信道下LDPC(Low-Density Parity-Check)码的传统的译码算法进行分析,指出影响收敛速度的原因,并提出了一种基于整数运算的加速收敛的LDPC码译码算法。该算法融合分层译码(Layered Belief Propagation)算法、带偏移量的最小和算法(Offset Min-Sum)以及量化的优势。仿真验证表明该算法有效地减少了译码复杂度,加速了译码收敛,且性能上同传统的量化最小和算法相比没有下降。     

关于非线性方程的迭代法的一个注记

对于非线性方程 f(x)=0求近似根的问题,迭代法是逐次逼近的基本方法。现行的教材中对迭代函数的选择已有比较完善的结论,同时提出了迭代函数的不唯一性,选择适当的迭代函数则迭代序列收敛,如果迭代函数选择不当则迭代序列发散。本文就非线性方程给出了产生任一迭代函数都可采用适当的方法,使迭代序列收敛。扩大了迭代函数的选择范围。