导读:本文包含了代价函数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:函数,代价,余弦,相位,步长,脉冲,噪声。
代价函数论文文献综述
王旭光,陈红,褚鼎立[1](2019)在《基于余弦代价函数的双模盲均衡算法》一文中研究指出盲均衡算法不需要训练序列,就能够有效降低码间串扰(ISI),但是在脉冲噪声环境下,现有单滤波器均衡算法不能有效平衡收敛速率与均衡误差,算法收敛后ISI仍然较高。针对上述问题,提出了一种基于余弦代价函数的凸组合双模盲均衡算法。该算法将2个盲均衡器并联使用,其中一个作为快速滤波器以保证收敛速率,另一个作为慢速滤波器以降低均衡误差。为了进一步抑制脉冲噪声,将分数低阶统计量引入到基于余弦代价函数的盲均衡算法和基于判决反馈准则的盲均衡算法中,并分别作为快速滤波器和慢速滤波器的权向量更新算法。仿真实验表明:当噪声设置为25 dB的高斯白噪声时,新算法收敛后ISI会低于常模盲均衡算法CMA和基于余弦代价函数的盲均衡算法CCF,星座图也较为清晰;当噪声环境为28 dB的α稳定分布噪声时,新算法利用分数低阶统计量以抑制脉冲噪声,能够得到较低的ISI和清晰的星座图,而凸组合结构兼顾了稳态误差与收敛速率,在进一步降低稳态误差的同时确保了较快的收敛速率。(本文来源于《空军工程大学学报(自然科学版)》期刊2019年04期)
郭蓬,吴学易,戎辉,唐风敏,李鑫慧[2](2019)在《基于代价函数的无人驾驶汽车局部路径规划算法》一文中研究指出局部路径规划层作为无人驾驶汽车软件层的重要组成分布,如何有效、安全地到达目的地是当前研究的热点。针对结构化道路信息,充分考虑车道线的约束,在使用Frenet坐标系理论的基础上,提出一种考虑到车道线曲率和障碍物模型信息,得到不同车道上其他道路参与者的位置信息,以便计算其他障碍物模型对本车危险程度,综合算法实时性、轨迹平顺性等要素的最小代价局部路径规划算法。在局部路径规划过程中,沿着参考线(Frenet坐标系下X轴上一段路径)选取多个路径分割点,Frenet坐标系下在每个分割点处沿Y轴进行控制点离散,每个路径分割点处选取1个控制点构成路径控制点集合,使用一元叁次方程对每种排列组合路径进行拟合,从而使用代价函数对每种排列组合路径进行评估,代价函数值最小为最优的局部路径。代价函数考虑拟合轨迹到障碍物的危险程度、轨迹平顺性、轨迹到当前参考线(实时在全局路径规划层上根据车速得到一条当前需要跟踪的理想轨迹)的偏离程度、拟合轨迹行驶方向的改变程度、无人驾驶汽车最小转弯半径。研究结果表明:在不同试验场景下,所提出基于代价函数的局部路径规划算法,能规划出一条不与障碍物发生碰撞的最优路径,并能保证无人驾驶汽车行驶轨迹平顺性和路径规划层实时性的要求。(本文来源于《中国公路学报》期刊2019年06期)
史春芬[3](2019)在《自适应滤波算法的代价函数及更新方法》一文中研究指出自适应滤波器(Adaptive Filter,AF)作为统计信号处理的一个重要组成部分,在信号处理与定位等领域得到了广泛的应用与发展。针对平稳数据,AF在信号处理的过程中,系统参数能够随着输入信号的变化进行自适应调整,不需要提前估计噪声与信号的参数。针对非平稳数据,基于状态空间模型,以卡尔曼滤波器为代表的AF对具有良好的状态估计性能。此外,作为一种新兴的机器学习方法,超限学习机(Extreme Learning Machine,ELM)已经被广泛应用于信号处理与机器学习领域。从学习效率的角度来看,ELM具有学习速度快、性能好的特点。关于AF的研究现状,主要包括优化准则,滤波结构及权重更新方式叁个方面。其中,AF的优化准则主要包括最小均方误差准则(Minimum Mean Square Error,MMSE)、最大相关熵准则(Maximum Correntropy Criterion,MCC)及广义最大相关熵准则(Generalized Maximum Correntropy Criterion,GMCC)等。其中,MMSE准则在高斯噪声的干扰下可以取得最佳的滤波性能;而基于高斯核函数的MCC由于包含误差的高阶统计特性,因此可以有效地抑制脉冲等非高斯干扰噪声的影响,具有较好的鲁棒性。然而,在相关熵中,高斯核函数并不总是最好的选择,基于广义高斯密度(Generalized Gaussian Density,GGD)函数,提出了广义相关熵。传统的带有高斯核函数的最大相关熵可以看作广义相关熵的特殊形式。类似于MCC,广义相关熵可以被看作一种新的优化准则而用于解决估计最优问题,从而产生了GMCC。对于滤波结构的研究,主要包括前馈和反馈两种。传统的滤波算法主要采取前馈结构。而针对权重的更新方式,传统的自适应滤波算法主要采用的为牛顿下降法和梯度下降法两种。作为传统微分形式的泛化形式,q微分及分数阶微分在自适应滤波方面得到了越来越多的应用。本文主要基于代价函数及其更新方式两个方面,对自适应滤波器的滤波性能及鲁棒性做了相关的研究。主要工作如下:(1)为了有效地提高滤波器的滤波精度和收敛速度,本文将q微分与仿射投影算法(Affine Projection Algorithm,APA)相结合,推导出了基于q微分的仿射投影算法(q-Affine Projection Algorithm,q-APA)。由于q微分是计算代价函数的割线,而传统的微分是计算代价函数的切线,因此,q微分相比于传统的微分,可以更好地避免代价函数的局部最优解。定q值的滤波算法往往不能同时提高滤波器的滤波精度和收敛速度,为了能够同时提高两者,在q-APA的基础上本文提出了变q值的仿射投影算法(Variable q-Affine Projection Algorithm,V-q-APA)。由于V-q-APA在权重更新的过程中可以自适应调节q值,因此V-q-APA能够同时提高滤波器的滤波精度和收敛速度。(2)由于MCC准则能够有效地抵抗脉冲噪声中的异常值,因此,基于MCC准则的滤波器具有更好的鲁棒性。分数阶微分相比于传统的整数阶微分,其所描述的系统往往更接近实际系统。因此,本文基于MCC准则,提出了分数阶最大相关熵算法(Fractional-order Maximum Correntropy Criterion,FMCC),相比于传统的最大相关熵算法,本文所提FMCC算法可以取得更快的收敛速度和更好的滤波精度。(3)为了使滤波器在非高斯噪声环境中获得更好的鲁棒性和滤波精度,将广义最大相关熵准则应用于在线序贯超限学习机(Online Sequential Extreme Learning Machine,OS-ELM),提出了一种具有更好鲁棒性的基于广义最大相关熵的在线序贯超限学习机(Online Sequential Extreme Learning Machine Based on the Generalized Maximum Correntropy Criterion,OS-ELM-GMCC)。作为MCC的泛化形式,通过选择合适的参数,OS-ELM-GMCC可以取得更好的滤波性能。(本文来源于《西南大学》期刊2019-04-10)
周德强,闫红超,王春燕,王睿[4](2019)在《一种基于代价函数的相位估计算法》一文中研究指出针对BPSK,QPSK,OQPSK信号的相位估计问题,提出了一种基于代价函数的相位估计算法。该算法不依赖符号同步信息,直接使用零中频信号进行相位估计。构造了一个代价函数并从理论上推导了代价函数与信号相位的关系,给出了基于代价函数的相位估计算法的实现方法,分析了算法的性能以及计算的复杂度。仿真结果表明,该算法能有效地估计BPSK,QPSK,OQPSK信号的相位,估计精度受搜索步长、信号长度和信噪比等参数的影响。(本文来源于《无线电工程》期刊2019年04期)
陈耀,宋晓宁,于东军[5](2019)在《迭代化代价函数及超参数可变的生成对抗网络》一文中研究指出为了解决生成对抗网络(Generative adversarial networks,GAN)的训练难问题,该文在Wasserstein GAN(WGAN)方法基础上提出了迭代化代价函数及超参数可变的生成对抗网络。为了对原始WGAN中的惩罚项进行改进,用迭代的方法增加惩罚项代替原始随机选取的方法。针对WGAN中固定代价函数惩罚项的超参数,提出变动超参数策略,其变动的依据是仿分布和真实分布之间的距离。在MNIST手写字体数据集和CELEBA人脸数据集上的实验表明,与传统WGAN方法相比,该文方法在生成器的拟合速度上有了显着提高,充分验证了方法的有效性。(本文来源于《南京理工大学学报》期刊2019年01期)
王旭光,陈红[6](2019)在《α噪声环境下基于余弦代价函数的盲均衡算法》一文中研究指出针对无线通信系统中传统常模盲均衡算法(CMA)在脉冲噪声环境下适应性较差,难以有效收敛的问题,提出了基于余弦代价函数的自适应分数低阶盲均衡算法。该算法将改进的余弦代价函数代替分数低阶常模盲均衡算法(FLOSCMA)中的代价函数,不再需要已知原信号的统计模值,其适用性更广。仿真实验结果表明,与Floscma、CMA算法以及其它变步长算法相比,本文算法在收敛速率和稳态误差方面均有所改进。(本文来源于《探测与控制学报》期刊2019年01期)
石娟,高建,张程宾,费鲜芸[7](2019)在《使用L~0范数代价函数的二维相位快速解缠方法》一文中研究指出针对最小范数解缠方法的代价函数模型以及迭代效率问题,提出一种符合L0范数准则的高效的二维相位全局最优解缠方法。在对最小范数代价函数模型特征进行分析的基础上,给出一种符合L0范数准则的代价函数,满足在相位不连续边界的切方向上相对法方向具有更强的约束作用,保证解缠迭代处理时连续相位按照代价函数的约束条件进行趋近的同时,不连续边界不会被破坏。为了解决线性方程中低频误差收敛慢的问题,根据最小范数方法独立性的特点,采用数据分块处理方法,注重高频信息以提高迭代处理效率,将低频信息处理转移到数据块间偏移量计算中。实验对比分析表明,新解缠方法在可靠性和效率方面都能够达到较好的水平。(本文来源于《大地测量与地球动力学》期刊2019年01期)
关维国,邹林杰,郝德华,焦萌[8](2018)在《基于多属性代价函数的WiFi与蓝牙TLS融合定位算法》一文中研究指出针对室内WiFi和蓝牙单独定位时定位精度较低的问题,提出基于多属性代价函数的WiFi与蓝牙总体最小二乘(TLS)融合定位算法。为减小接收信号强度指示(RSSI)值不稳定的信标节点造成的测距误差,采用WiFi/蓝牙多属性代价函数综合评估信标定位性能,优选出最佳信标节点参与融合定位。在定位解算中,同时考虑测距误差和信标节点部署误差。采用TLS算法对待定位节点进行最优位置估计,进一步提高定位精度。实验仿真结果表明:在RSSI噪声标准差为3 d Bm的条件下,算法定位精度优于1.9 m的概率可达95%,相比单独定位抗噪性能明显提高且定位误差显着降低。(本文来源于《传感器与微系统》期刊2018年11期)
梁珊,刘晓波[9](2018)在《基于交叉熵代价函数的DBN转子系统故障识别分析》一文中研究指出针对传统转子系统故障诊断方法在处理复杂故障数据时存在收敛速度慢和识别精度低问题,提出一种基于交叉熵代价函数的深度置信网络(DBN)故障识别方法。其采用无监督算法初始化限制性玻尔兹曼机(RBM)的参数空间,交叉熵代价函数反向传递误差,优化参数空间,逐层堆迭重置后RBM构建深层模型;利用已有数据建立转子系统智能识别库;在MNISIT手写数字集和转子系统故障数据集上验证,与传统DBN相比,利用交叉熵惩罚函数的深度置信网络可消除由于激活函数本身梯度对参数空间更新速度的影响,能有效地提高分类的精度。(本文来源于《南昌航空大学学报(自然科学版)》期刊2018年03期)
于沛东,彭华,巩克现,陈泽亮[10](2018)在《基于最小二乘代价函数的卷积码盲识别方法》一文中研究指出卷积码的盲识别是级联码、Turbo码等高性能编码盲识别的基础,这要求卷积码盲识别方法具有较高的抗噪能力.使用接收解调的软判决信息是提高抗噪能力的关键.本文首先通过理论分析,从概率分布的角度解释现有软判决方法抗噪能力不足的原因,即汉明重量较小的候选解向量会严重削弱现有方法的识别正确概率.然后,提出一种基于最小二乘代价函数的解决方案,理论证明它能够有效减轻汉明重量对识别性能的影响.最后,通过仿真实验,对理论分析的结论进行验证.理论和实验表明,所提的新方法能将卷积码盲识别的抗噪能力提升约1d B.(本文来源于《电子学报》期刊2018年07期)
代价函数论文开题报告
(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:
局部路径规划层作为无人驾驶汽车软件层的重要组成分布,如何有效、安全地到达目的地是当前研究的热点。针对结构化道路信息,充分考虑车道线的约束,在使用Frenet坐标系理论的基础上,提出一种考虑到车道线曲率和障碍物模型信息,得到不同车道上其他道路参与者的位置信息,以便计算其他障碍物模型对本车危险程度,综合算法实时性、轨迹平顺性等要素的最小代价局部路径规划算法。在局部路径规划过程中,沿着参考线(Frenet坐标系下X轴上一段路径)选取多个路径分割点,Frenet坐标系下在每个分割点处沿Y轴进行控制点离散,每个路径分割点处选取1个控制点构成路径控制点集合,使用一元叁次方程对每种排列组合路径进行拟合,从而使用代价函数对每种排列组合路径进行评估,代价函数值最小为最优的局部路径。代价函数考虑拟合轨迹到障碍物的危险程度、轨迹平顺性、轨迹到当前参考线(实时在全局路径规划层上根据车速得到一条当前需要跟踪的理想轨迹)的偏离程度、拟合轨迹行驶方向的改变程度、无人驾驶汽车最小转弯半径。研究结果表明:在不同试验场景下,所提出基于代价函数的局部路径规划算法,能规划出一条不与障碍物发生碰撞的最优路径,并能保证无人驾驶汽车行驶轨迹平顺性和路径规划层实时性的要求。
(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。
代价函数论文参考文献
[1].王旭光,陈红,褚鼎立.基于余弦代价函数的双模盲均衡算法[J].空军工程大学学报(自然科学版).2019
[2].郭蓬,吴学易,戎辉,唐风敏,李鑫慧.基于代价函数的无人驾驶汽车局部路径规划算法[J].中国公路学报.2019
[3].史春芬.自适应滤波算法的代价函数及更新方法[D].西南大学.2019
[4].周德强,闫红超,王春燕,王睿.一种基于代价函数的相位估计算法[J].无线电工程.2019
[5].陈耀,宋晓宁,于东军.迭代化代价函数及超参数可变的生成对抗网络[J].南京理工大学学报.2019
[6].王旭光,陈红.α噪声环境下基于余弦代价函数的盲均衡算法[J].探测与控制学报.2019
[7].石娟,高建,张程宾,费鲜芸.使用L~0范数代价函数的二维相位快速解缠方法[J].大地测量与地球动力学.2019
[8].关维国,邹林杰,郝德华,焦萌.基于多属性代价函数的WiFi与蓝牙TLS融合定位算法[J].传感器与微系统.2018
[9].梁珊,刘晓波.基于交叉熵代价函数的DBN转子系统故障识别分析[J].南昌航空大学学报(自然科学版).2018
[10].于沛东,彭华,巩克现,陈泽亮.基于最小二乘代价函数的卷积码盲识别方法[J].电子学报.2018