快速收敛算法论文_翟兴峰,李明齐,王潮

导读:本文包含了快速收敛算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:算法,粒子,光栅,步长,失配,译码器,偏振。

快速收敛算法论文文献综述

翟兴峰,李明齐,王潮[1](2019)在《快速收敛QC-LDPC译码算法》一文中研究指出为了提高基于FPGA与ASIC的准循环低密度奇偶校验码(QC-LDPC)部分并行结构译码器译码效率和吞吐量,提出了一种节点延时并行(NDPA)算法。与标准的LDPC译码算法相比,该算法根据校验矩阵的结构特点,利用已经更新的一部分校验节点的信息直接更新变量节点,使得新信息可以更及时地进入迭代更新过程,从而提高译码效率。同时,与现有分层译码算法(LDA)相比,基于所提算法实现的译码器可通过校验节点和变量节点的并行计算操作,压缩单次迭代所需时间,进而可有效提升译码器的吞吐量。(本文来源于《工业控制计算机》期刊2019年07期)

刘颜颜,计成超[2](2019)在《基于拓扑区域一体化成型映射机制的物联网快速收敛算法》一文中研究指出为解决物联网快速收敛算法存在的收敛性能较差、网络稳定时间较短的不足,提出了基于拓扑区域一体化成型映射机制的物联网快速收敛算法。首先,根据物联网节点分布具有的随机分布特性及泊松分布特性,通过聚类方式来构建聚合度-权重值裁决模型,以实现路由的稳定收敛,消除因簇头节点失效而导致的区域上传缓慢的现象;随后,采用退避机制来提升簇头节点的传输性能,有效降低因能量受限而导致的网络传输缓慢的现象,优化路由收敛性能,降低因路由抖动而导致的网络瘫痪概率。仿真实验结果表明:与常见的时间度一体化物联网收敛算法(Convergence Algorithm for Time-Integrated Internet of Things,TI-IOT算法)、路由集中度快速收敛算法(A Fast Convergence Algorithm for Routing Concentration Degree,RCD算法)相比,所提算法具有更高的网络稳定工作时间及较快的收敛速度,以及更小的路由冗余度。(本文来源于《井冈山大学学报(自然科学版)》期刊2019年04期)

朱春霖,焦庆斌,谭鑫,王玮,巴音贺希格[3](2019)在《应用于亚波长角向偏振金属光栅设计的快速收敛粒子群算法优化》一文中研究指出提出了分步寻优的基于粒子位置调整惯性权重的粒子群算法(PDW-PSO),通过调用严格耦合波方法(RCWA)计算衍射效率,进行了光栅结构参数的优化。将PDW-PSO与惯性权重不变的粒子群算法(PSO)和基于迭代次数调整惯性权重的粒子群算法(IDW-PSO)进行对比,结果表明PDW-PSO具有更快的收敛速度,相比于PSO和IDW-PSO,PDW-PSO的平均迭代次数分别从89.83和74减少至21.2,调用RCWA的次数分别从3144.05和2590下降至224。分析了波段匹配数对算法的影响, PSO和IDW-PSO的RCWA调用次数与波段匹配数呈等倍率增加,而PDW-PSO的RCWA调用次数的增加倍率小于波段匹配数的增加倍率。进行了算法准确度实验,在30次运行中,PDW-PSO与PSO、IDW-PSO正确收敛到最优值的次数相近,误差值不超过6.6%;随着粒子数的增加,叁种方法的准确度都有所提高,粒子数达到27后基本都可以保证收敛到最优。(本文来源于《光学学报》期刊2019年07期)

王剑[4](2019)在《大规模MIMO系统中基于SOR改进的快速收敛检测算法研究》一文中研究指出大规模MIMO通过在基站端配置大规模天线阵列,能够大幅度地提升信道容量、频谱效率,成为5G的核心技术之一。但是信号处理的复杂度也随着基站端天线数和用户数的增长而剧增。最小均方误差(Minimum Mean Square Error,MMSE)算法在实现较好的检测性能的同时保持比较低的计算复杂度,但是也存着高维矩阵求逆的问题,针对如何降低复杂度,专家学者对此提出了很多简化算法,如级数展开算法和迭代近似求逆算法,但是有些算法还存在收敛速度慢和复杂度高的问题。因此本文深入研究了连续超松弛(Successive Over Relaxation,SOR)迭代算法的加速收敛问题和Neumann级数展开项数时算法复杂度高的问题。首先针对SOR算法收速度慢的问题,本文结合最速下降(Steepest Descent SD)算法和SOR算法提出了一种低复杂度混合迭代算法SDSOR。SD算法在迭代开始就有很好的收敛方向,但是在极值点附近收敛比较慢,SOR算法初始收敛性差,因此结合SD和SOR算法,利用SD算法为复杂度相对较低的SOR算法提供有效的搜索方向,以加快SOR算法收敛速度,从而提高算法检测性能。仿真结果表明,SDSOR快速收敛,以较少的迭代次数即可接近MMSE检测性能,并将算法复杂度降低了一个数量级。其次,针对SOR算法的收敛速度慢和Neumann展开项数算法复杂度高的问题,本文结合SOR算法和Neumann级数展开提出了一种低复杂度混合算法NESOR。NESOR算法避免了高维矩阵精确求逆的问题,由于二阶展开项算法复杂度比较低,于是将其作为SOR算法迭代初始值,以加速SOR算法收敛速度。仿真结果表明,NESOR 比传统的Neumann级数展开算法实现更好的检测性能,并且在任意迭代次数下比MMSE算法复杂度低一个数量级,同时NESOR算法比SOR算法收敛速度更快,以更少的迭代次数即可接近MMSE检测性能。最后针对信号检测符号软判决的对数似然比(Log-Likelihood Ratio,LLR)软信息计算复杂度高的问题,本文介绍了两种近似对数似然比的计算方法,以进一步降低算法实现的计算复杂度。(本文来源于《安徽大学》期刊2019-03-01)

胡栋挺,申文,马文超,刘新宇,苏宙平[5](2019)在《一种快速收敛的随机并行梯度下降算法》一文中研究指出理论模拟仿真了基于变形镜与随机并行梯度下降(SPGD)算法的无波前探测自适应光学系统(AOS)。为提高基于SPGD算法的无波前探测AOS的收敛速度,在不降低精度的前提下,对SPGD算法中关键参数随机扰动幅值和增益系数的关系进行了优化。实验发现,AOS存在参数优选区域,且与初始畸变大小有关。进行了理论验证并与模拟退火算法进行了比较,结果表明,SPGD算法收敛精度比模拟退火算法高6.32%,具有更好的收敛速度。(本文来源于《激光与光电子学进展》期刊2019年12期)

李娟[6](2018)在《基于ICA和波束形成的快速收敛的BSS算法》一文中研究指出独立分量分析(Independent Component Analysis,ICA)的BSS算法是一种分离信号的有效方法,但是该方法在进行非线性优化时收敛速度较慢.针对这一问题,本文介绍了一种新的BSS算法,即基于ICA和波束形成的混合算法,该算法比通用的基于ICA的BSS算法具有更好的分离性能,并且由于在ICA中利用了零波束形成,因而有效地改善了算法的分离性能和收敛性能.实验结果表明,该算法适用于混响情况.(本文来源于《山西师范大学学报(自然科学版)》期刊2018年04期)

刘兆广,纪秀花,刘云霞[7](2018)在《一种快速收敛的非参数粒子群优化算法及其收敛性分析》一文中研究指出如何调整粒子群算法的参数引起了大量研究人员的关注.本文提出了一种快速收敛的非参数粒子群优化算法.为了平衡全局搜索和局部搜索,本文算法融合了基于exemplar的学习策略和多交叉操作.根据进一步的稳定性分析,粒子群收敛于搜索空间中的一个固定位置,同时粒子群的位置方差收敛于零点.本文收集了常用的24个准则函数,与7个类似的粒子群算法进行了比较.实验结果表明,本文搜索算法在大部分准则函数上的搜索性能均优于同类算法.同时本文算法在收敛速度上要远优于同类算法.(本文来源于《电子学报》期刊2018年07期)

杨力,刘蕴,魏德宾,蔡睿妍[8](2019)在《应用于卫星网络拓扑生成的快速收敛蚁群算法》一文中研究指出针对蚁群算法生成卫星网络拓扑时存在收敛速度慢、易陷入局部最优解的问题,从卫星网络高动态以及大时空尺度的特性出发,提出一种新算法SNTG-ACA。在满足卫星节点的可见性、星间链路长度以及链路连接时间的条件下建立潜在链路,提高信息素浓度的增量使蚁群算法快速收敛,并采用归一化思想求解全局最优解。仿真结果表明,与传统蚁群算法和引入遗传因子的蚁群算法相比,该算法具有更快的收敛速度,与链路长度最短策略和链路连接时间最长策略相比,生成的卫星网络拓扑更稳定。(本文来源于《计算机工程》期刊2019年05期)

孙威,陈焱明,尚晓丽[9](2018)在《基于快速收敛牛顿算法的城市最短路径分析》一文中研究指出以城市道路交通网络为研究对象,采用快速收敛牛顿(RCN)算法获得城市道路网络最短路径,按照更快速度及均衡接近原则,得到迭代方向和优化步长.以叁种不同类型的道路交通网络为案例,利用GP(梯度投影)算法和RCN算法的收敛速度来验证.结果表明,RCN算法在Nguyen网络下的运行时间为10 s,GP算法的运行时间为90 s;RCN算法在成都市网络下的运行时间为10 s,GP算法的运行时间为16 s.RCN算法精度较高,收敛速度更快.(本文来源于《哈尔滨商业大学学报(自然科学版)》期刊2018年02期)

王朝驰[10](2018)在《快速收敛全频带采样时间失配校正算法的研究与实现》一文中研究指出模数转换器(ADC)作为连接模拟世界和数字世界的桥梁,在现代电子系统中发挥着重要的作用,然而随着技术的发展,数字系统对于模数转换器的要求越来越高,传统的ADC架构已难以满足高速高精度的要求,而时间交织ADC的出现则使得高速高精度ADC的设计难度大大降低。通过多通道并行交替工作,使得采样率成倍的提升,理论上精度与单通道相同。然而通道间存在的失配却使得精度大大降低,尤其是采样时间失配,不仅表现复杂,而且校正也很有难度,成为了研究的热点内容,但是大部分的研究都集中在第一奈奎斯特区,能够全频带适用并且快速收敛的算法研究较少。基于以上不足,本文提出了一种可适用于全频带快速收敛的采样时间失配校正算法,该算法基于方向判定和二分查找,采用数字域和模拟域相结合的方式实现,算法流程主要分为误差检测和误差校正阶段。在误差检测阶段,基于方向判定算法,该算法完全采用数字电路,能够在全频带范围准确判定采样时间失配的方向,为误差校正提供方向信息。在误差校正阶段,基于二分查找算法,该算法采用数字电路,逐步迭代计算出反馈延时链的延迟值,提供给模拟电路通过电容阵列调节各通道采样时钟的延迟,仅仅需要十个校正周期左右就能收敛,达到了全频带快速校正采样时间失配的目的。并且该算法由于大量采用数字电路实现,算法中也仅仅包含加法操作,没有复杂的乘法,调节采样时钟相位的反馈延时链只由数个电容和开关MOS管组成的电容阵列构成,所以实现简单,硬件复杂度低。通过Verilog语言可以方便的对算法进行数字电路设计,并进行了算法的仿真验证,对12位双通道时间交织ADC的模型仿真可得,当采样时间失配为13.35ps,输入信号频率为133.79MHz时,经过校正后,SFDR从45.03dB提高到了87.8dB,有效位从7.19比特提高到了11.81比特;在同样的失配情况下,当输入信号频率为1276.4MHz,校正后SFDR和有效位分别为74.08dB和11.45比特,分别提高了48.66dB和7.52比特。(本文来源于《电子科技大学》期刊2018-03-01)

快速收敛算法论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

为解决物联网快速收敛算法存在的收敛性能较差、网络稳定时间较短的不足,提出了基于拓扑区域一体化成型映射机制的物联网快速收敛算法。首先,根据物联网节点分布具有的随机分布特性及泊松分布特性,通过聚类方式来构建聚合度-权重值裁决模型,以实现路由的稳定收敛,消除因簇头节点失效而导致的区域上传缓慢的现象;随后,采用退避机制来提升簇头节点的传输性能,有效降低因能量受限而导致的网络传输缓慢的现象,优化路由收敛性能,降低因路由抖动而导致的网络瘫痪概率。仿真实验结果表明:与常见的时间度一体化物联网收敛算法(Convergence Algorithm for Time-Integrated Internet of Things,TI-IOT算法)、路由集中度快速收敛算法(A Fast Convergence Algorithm for Routing Concentration Degree,RCD算法)相比,所提算法具有更高的网络稳定工作时间及较快的收敛速度,以及更小的路由冗余度。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

快速收敛算法论文参考文献

[1].翟兴峰,李明齐,王潮.快速收敛QC-LDPC译码算法[J].工业控制计算机.2019

[2].刘颜颜,计成超.基于拓扑区域一体化成型映射机制的物联网快速收敛算法[J].井冈山大学学报(自然科学版).2019

[3].朱春霖,焦庆斌,谭鑫,王玮,巴音贺希格.应用于亚波长角向偏振金属光栅设计的快速收敛粒子群算法优化[J].光学学报.2019

[4].王剑.大规模MIMO系统中基于SOR改进的快速收敛检测算法研究[D].安徽大学.2019

[5].胡栋挺,申文,马文超,刘新宇,苏宙平.一种快速收敛的随机并行梯度下降算法[J].激光与光电子学进展.2019

[6].李娟.基于ICA和波束形成的快速收敛的BSS算法[J].山西师范大学学报(自然科学版).2018

[7].刘兆广,纪秀花,刘云霞.一种快速收敛的非参数粒子群优化算法及其收敛性分析[J].电子学报.2018

[8].杨力,刘蕴,魏德宾,蔡睿妍.应用于卫星网络拓扑生成的快速收敛蚁群算法[J].计算机工程.2019

[9].孙威,陈焱明,尚晓丽.基于快速收敛牛顿算法的城市最短路径分析[J].哈尔滨商业大学学报(自然科学版).2018

[10].王朝驰.快速收敛全频带采样时间失配校正算法的研究与实现[D].电子科技大学.2018

论文知识图

不同算法下MSE值随迭代代数和时间的变...基于遗传算法的人工神经网络程序流程...D-BIA算法IF性能随样本数变化变频、变幅值时两改进算法的滤波效果...粒子群算法伪代码快速收敛算法得到的结果

标签:;  ;  ;  ;  ;  ;  ;  

快速收敛算法论文_翟兴峰,李明齐,王潮
下载Doc文档

猜你喜欢