2000, 22(1): 68-72.
刊出日期：2000-01-19
本文给出一种de Bruijn序列的升元算法。该算法每步运算可生成一列元素而不是一个元素,因而减少了运算次数,加快了生成速度。
1993, 15(2): 204-207.
刊出日期：1993-03-19
De Bruijn序列是一类最重要的非线性移位寄存器序列。本文定义并研究了n级De Bruijn序列的k次齐次复杂度Ck(s),给出了Ck(s)的一个上界。k=1及k=2时,Ck(s)分别为人们所熟知的线性复杂度及二次齐次复杂度。
1995, 17(6): 618-622.
刊出日期：1995-11-19
De Bruijn序列是一类最重要的非线性移位寄存器序列。本文通过并置所有循环圈的周期约化,提出了一个新的生成k元de Bruijn序列的算法。该算法每步运算可生成一列元素而不是一个元素,因此减少了运算次数,加快了生成速度。
1990, 12(6): 584-592.
刊出日期：1990-11-19
关键词:
正交变换; 离散哈脱莱变换; 分离基算法
Soo-Chang Pei,Ja-Ling wu(1986)和茅一民(1987)提出了长度为2m的分离基2/4哈脱莱变换算法。本文将分离基算法推广到长度为pm的哈脱莱变换,并证明基p2算法实乘次数比基p算法少,而基p/p2算法实乘次数比前两者都少。作为例子,给出了长度为N=3m的基3/9哈脱莱变换快速算法和流图。
2019, 41(5): 1047-1054.
doi: 10.11999/JEIT180569
刊出日期：2019-05-01
频谱弥散(SMSP)干扰与线性调频雷达信号之间存在大量的时频域耦合，干扰效能突出。该文提出一种信息域的抗SMSP干扰的信号处理算法，根据SMSP干扰信号的形式与特点，通过自适应改变压缩感知的干扰基字典，同时匹配雷达信号与干扰信号的调频率，构建压缩感知求解模型并基于凸优化算法完成信号重构，最终实现干扰信号的识别及雷达信号的提取。该算法中冗余字典的构造采用了Pei型分数阶傅里叶快速分解方法，不需要反复对信号进行时频域解耦，并且迭代次数较少，运算效率较高。
2011, 33(7): 1639-1643.
doi: 10.3724/SP.J.1146.2010.01212
刊出日期：2011-07-19
针对粒子滤波(Particle Filter, PF)存在的粒子退化和贫化问题，该文提出一种基于差分演化(Differential Evolution, DE)的PF算法。首先，为了充分利用最新的观测信息，采用无迹卡尔曼滤波(Unscented Kalman Filter, UKF)来产生重要性分布，对重要性分布产生的采样粒子不再做传统重采样操作，而是直接把采样粒子当作DE中的种群样本，粒子权重作为样本的适应函数，对粒子做差分变异、交叉、选择等迭代优化，最后得到最优的粒子点集。试验结果表明，该算法有效缓解了传统PF算法中的粒子退化和贫化，提高了粒子的利用率，具有较好的估计精度。
2007, 29(12): 2848-2852.
doi: 10.3724/SP.J.1146.2006.00516
刊出日期：2007-12-19
实际条件下，在对基于衰减指数(DE)和模型的雷达目标散射中心参数估计和特征提取时，其噪声背景往往是非高斯的，分布密度函数表现出长拖尾性质。利用基于高斯假设条件下的估计方法进行参数估计时，往往不能得到较好的结果。针对这种情况，该文利用M估计方法来实现对长拖尾杂波下DE模型参数的稳健估计。首先分析了基于PRONY模型的M估计实现方法存在的不足，其次提出了两种较为有效的DE模型散射中心参数M估计的实现方法，并对这两种方法进行了分析和比较。仿真实验结果表明，在一类长拖尾K分布杂波条件下，与ESPRIT方法以及扩展PRONY估计方法相比，该文所提的两种方法均能得到较好的估计结果。
2008, 30(7): 1640-1643.
doi: 10.3724/SP.J.1146.2006.02002
刊出日期：2008-07-19
在准循环LDPC码的构造中，校验矩阵拥有尽可能好的girth分布对于改善码的性能有着重要的意义。该文提出了构造准循环LDPC码的GirthOpt-DE算法，优化设计以获得具有好girth分布的移位参数矩阵为目标。仿真结果表明，该文方法得到的准循环LDPC码在BER性能和最小距离上均要优于固定生成函数的准循环LDPC码，Arrary码和Tanner码，并且使用上更为灵活，可以指定码长，码率及尽可能好的girth分布。
2016, 38(11): 2715-2723.
doi: 10.11999/JEIT160052
刊出日期：2016-11-19
高光谱遥感影像由于其巨大的波段数直接导致信息的高冗余和数据处理的复杂，这不仅带来庞大的计算量，而且会损害分类精度。因此，在对高光谱影像进行处理、分析之前进行降维变得非常必要。神经网络敏感性分析可以用于对模型的简化降维，该文将该方法运用于高光谱遥感影像降维中，通过子空间划分弱化波段之间的相关性，利用差分进化算法(DE)优化神经网络结构，采用Ruck敏感性分析方法剔除掉对分类贡献较小的波段，从而实现降维。最后，采用AVIRIS影像进行实验，所提算法相比其他相近的降维与分类方法能获得更高的分类精度，达到85.83%，比其他相近方法中最优方法高出0.31%。
2019, 41(6): 1488-1495.
doi: 10.11999/JEIT180670
刊出日期：2019-06-01
种群多样性与交叉算子在差分进化(DE)算法求解全局优化问题中具有重要作用，该文提出一种多种群协方差学习差分进化(MCDE)算法。首先，采用多种群机制的种群结构，利用每一子种群结合相应的变异策略保证进化过程个体多样性。然后，通过种群间的协方差学习，为交叉操作建立一个适当旋转的坐标系统；同时，使用自适应控制参数来平衡种群的勘测与收敛能力。最后，在单峰函数、多峰函数、偏移函数和高维函数的25个基准测试函数上进行测试，并同其他先进的进化算法对比，实验结果表明该文算法相较于其他算法在求解全局优化问题上达到最优效果。
- 首页
- 上一页
- 1
- 2
- 下一页
- 末页
- 共:2页
