<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[MATLAB,verilog,python,opencv,tensorflow,caffe,C,C++]]></title><description><![CDATA[人工智能，机器学习，机器视觉，图像处理，信号通信]]></description><link>https://blog.csdn.net/aycd1234</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; aycd1234]]></copyright><item><title><![CDATA[基于kalman滤波的间歇状态监测下缓慢退化系统剩余寿命预测算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/166738895</link><guid>https://blog.csdn.net/aycd1234/article/details/166738895</guid><author>aycd1234</author><pubDate>Sun, 27 Sep 2026 18:47:23 +0800</pubDate><description><![CDATA[本文针对工业设备间歇监测下的缓慢退化状态估计与剩余寿命（RUL）预测问题，提出基于Kalman滤波的优化算法。该方法在非连续、含噪声观测条件下，融合线性状态空间模型与递推估计算法，实现退化状态的实时更新与不确定性量化。通过建模退化演化过程，分阶段执行时间更新与量测校正，有效抑制观测噪声影响，提升RUL预测精度。实验结果表明，相比传统插值或最小二乘法，该方法能更准确捕捉退化趋势，输出RUL概率分布，为预防性维护提供可靠依据。]]></description><category></category></item><item><title><![CDATA[基于灰狼算法和贝叶斯联合优化的BiLSTM(GWO-BO-BiLSTM)一维时间序列预测算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/165755422</link><guid>https://blog.csdn.net/aycd1234/article/details/165755422</guid><author>aycd1234</author><pubDate>Thu, 17 Sep 2026 19:08:49 +0800</pubDate><description><![CDATA[本文提出GWO-BO-BiLSTM联合优化模型，用于一维时间序列预测。通过灰狼优化（GWO）进行全局搜索，缩小超参数空间；再利用贝叶斯优化（BO）在局部精细寻优，克服单一算法易陷局部最优、收敛慢的问题。BiLSTM结合双向时序特征提取能力，显著提升预测精度与稳定性。实验验证了该模型在训练集与测试集上的优异表现，均方根误差低，回归效果良好，有效提升了时间序列预测性能。]]></description><category></category></item><item><title><![CDATA[基于鲸鱼算法和贝叶斯联合优化的BiLSTM(WOA-BO-BiLSTM)一维时间序列预测算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/165004772</link><guid>https://blog.csdn.net/aycd1234/article/details/165004772</guid><author>aycd1234</author><pubDate>Fri, 11 Sep 2026 18:30:39 +0800</pubDate><description><![CDATA[本文提出WOA-BO-BiLSTM联合优化模型，用于一维时间序列预测。通过鲸鱼优化算法（WOA）进行全局粗搜，缩小超参数空间；再利用贝叶斯优化（BO）在压缩空间内精细寻优，克服单一算法易局部收敛、效率低的问题。结合BiLSTM的双向时序建模能力，显著提升预测精度与稳定性。实验表明，该模型在训练与测试集上均表现出更低误差、更优拟合度及更高的相关系数，尤其在突变点捕捉方面优势明显。]]></description><category></category></item><item><title><![CDATA[基于粒子群算法和贝叶斯联合优化的BiLSTM(PSO-BO-BiLSTM)一维时间序列预测算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/164337567</link><guid>https://blog.csdn.net/aycd1234/article/details/164337567</guid><author>aycd1234</author><pubDate>Thu, 03 Sep 2026 17:50:39 +0800</pubDate><description><![CDATA[&lt;think&gt;我们根据要求，生成≤150字的文章摘要。用户给的内容是一篇技术文章的目录和描述。摘要应概括文章主要内容。注意字数限制。需要简洁。&lt;/think&gt;本文提出PSO-BO联合优化BiLSTM的一维时间序列预测模型。针对BiLSTM超参数依赖人工调参、易局部收敛问题，先由粒子群全局搜索压缩参数空间，再由贝叶斯优化精细寻优，兼顾全局与局部性能。实验对比BO-BiLSTM，该模型在峰值突变处拟合更好，误差更低，预测精度和稳定性提升。附Matlab实现。]]></description><category></category></item><item><title><![CDATA[基于遗传算法和贝叶斯联合优化的BiLSTM(GA-BO-BiLSTM)一维时间序列预测算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/163979960</link><guid>https://blog.csdn.net/aycd1234/article/details/163979960</guid><author>aycd1234</author><pubDate>Sat, 22 Aug 2026 22:28:40 +0800</pubDate><description><![CDATA[一维时间序列预测依靠历史时序数据挖掘内在演化规律，完成未来数值推演。BiLSTM双向长短期记忆网络凭借双向时序信息捕捉能力，在时间序列预测领域应用广泛，但网络超参数依赖人工调参，极易陷入局部最优，直接影响模型泛化与预测精度。遗传算法（GA）具备全局并行搜索能力，贝叶斯优化（BO）擅长高效局部寻优，将二者联合对BiLSTM超参数进行优化，构建 GA‑BO‑BiLSTM预测模型，先依靠遗传算法完成大范围全局搜索，缩小超参数寻优空间，再利用贝叶斯优化在压缩后的参数空间内精细搜索最优超参数组合，兼顾全局勘探与局部开]]></description><category></category></item><item><title><![CDATA[基于贝叶斯优化的BiLSTM(BO-BiLSTM)一维时间序列预测算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/163778870</link><guid>https://blog.csdn.net/aycd1234/article/details/163778870</guid><author>aycd1234</author><pubDate>Sat, 15 Aug 2026 14:00:10 +0800</pubDate><description><![CDATA[本文提出了一种基于贝叶斯优化(BO)和双向长短期记忆网络(BiLSTM)组合的时间序列预测方法BO-BiLSTM。该方法通过贝叶斯优化自动搜索BiLSTM的关键超参数（如学习率、神经元数量、窗口长度等），以提升模型预测精度。文章详细阐述了BiLSTM原理、贝叶斯优化的高斯过程代理模型和采集函数机制，并给出了完整的实现步骤：包括数据预处理、超参数空间定义、目标函数构建、贝叶斯优化迭代等流程。实验结果表明，该方法能有效降低预测误差，附带的MATLAB程序工程展示了训练集/测试集的预测效果对比图和误差分析图。该集]]></description><category></category></item><item><title><![CDATA[基于GMM-HMRF-EM(高斯混合模型,隐马尔可夫随机场,期望最大化)算法的图像分割matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/163560970</link><guid>https://blog.csdn.net/aycd1234/article/details/163560970</guid><author>aycd1234</author><pubDate>Fri, 07 Aug 2026 12:39:48 +0800</pubDate><description><![CDATA[摘要：本文提出一种基于高斯混合模型-隐马尔可夫随机场（GMM-HMRF）与EM算法的无监督图像分割方法。该方法通过马尔可夫随机场建模空间相关性，利用高斯混合模型描述多模态灰度分布，结合EM算法迭代优化标签配置和模型参数。实验在MATLAB 2024b环境下验证，结果表明该方法能有效实现复杂图像的自动分割，兼具数据拟合精度和空间平滑性优势，无需人工标注即可处理纹理丰富、颜色分布不均的图像。完整工程代码可通过指定方式获取。]]></description><category></category></item><item><title><![CDATA[基于图像MSER分割和HOG特征提取的SVM交通标志识别算法Matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/163043070</link><guid>https://blog.csdn.net/aycd1234/article/details/163043070</guid><author>aycd1234</author><pubDate>Mon, 20 Jul 2026 14:35:24 +0800</pubDate><description><![CDATA[本文提出了一种基于MSER-HOG-SVM的多级交通标志识别算法。算法采用三层架构：首先利用MSER提取稳定极值区域定位交通标志候选框，通过几何约束过滤干扰；然后对候选区域提取HOG特征，获得具有光照不变性的梯度方向直方图；最后训练线性SVM分类器实现多类别识别。实验结果表明，该算法在复杂道路场景下能有效克服光照、遮挡等干扰，实现交通标志的精准定位和分类。完整代码可通过指定方式获取。]]></description><category></category></item><item><title><![CDATA[基于线性预测算法的PON系统资源调度优化matlab性能仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/162878495</link><guid>https://blog.csdn.net/aycd1234/article/details/162878495</guid><author>aycd1234</author><pubDate>Tue, 14 Jul 2026 17:53:17 +0800</pubDate><description><![CDATA[本文提出了一种基于线性预测(LP)的无源光网络(PON)动态带宽分配算法。该算法通过OLT采集各ONU的实时带宽请求数据，采用滑动窗口机制更新历史流量样本，并利用线性预测技术预测下一周期带宽需求，最后融合预测值完成动态资源分配。仿真结果表明，相较于传统静态DBA方法，该预测算法能有效降低请求-授权时延，提升带宽利用率，减少数据包排队时延。算法在MATLAB 2024B环境下实现，通过蒙特卡洛仿真验证了其性能优势。]]></description><category></category></item><item><title><![CDATA[基于PD-NOMA和turbo编译码的智能反射面系统matlab性能仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/162727382</link><guid>https://blog.csdn.net/aycd1234/article/details/162727382</guid><author>aycd1234</author><pubDate>Thu, 09 Jul 2026 13:22:58 +0800</pubDate><description><![CDATA[本文提出了一种智能反射面(IRS)辅助的单天线功率域非正交多址(PD-NOMA)下行传输系统。该系统通过IRS重构无线信道，结合PD-NOMA的多用户功率复用和Turbo码的强纠错能力，显著提升频谱效率和传输可靠性。仿真结果表明：在相同信噪比下，多天线配置优于单天线，高斯信道性能优于瑞利多径信道。系统采用OFDM多载波传输，配置20×20 IRS单元和8个PD-NOMA用户，通过串行干扰消除(SIC)和迭代译码实现多用户信号分离。相比传统正交多址系统，该方案具有硬件成本低、频谱效率高、抗干扰能力强等优势，为]]></description><category></category></item><item><title><![CDATA[基于圆投影和伪Zernike的图像亚像素匹配算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/162610898</link><guid>https://blog.csdn.net/aycd1234/article/details/162610898</guid><author>aycd1234</author><pubDate>Sun, 05 Jul 2026 22:17:16 +0800</pubDate><description><![CDATA[本文提出一种基于圆投影和伪Zernike矩的亚像素图像匹配算法。该算法首先通过圆投影变换将二维图像转换为一维投影序列，实现旋转不变性；然后利用伪Zernike矩提取具有旋转、平移和缩放不变性的高阶特征；最后结合两步匹配策略（像素级粗匹配+亚像素精定位）实现高精度匹配。Matlab仿真表明，该方法在保证精度的同时具有较强抗噪性和旋转鲁棒性。核心代码展示了圆投影变换、伪Zernike矩计算及亚像素定位的实现过程，适用于机器视觉、工业检测等需要高精度定位的场景。]]></description><category></category></item><item><title><![CDATA[基于传输熵理论的通信网络拓扑结构推理算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/162373427</link><guid>https://blog.csdn.net/aycd1234/article/details/162373427</guid><author>aycd1234</author><pubDate>Sat, 27 Jun 2026 19:41:07 +0800</pubDate><description><![CDATA[本文提出了一种基于传输熵的非协作通信网络拓扑推理算法。在无法获取先验信息的情况下，该算法通过分析节点通信时序数据，计算传输熵量化节点间的有向信息流，结合置换检验和多元条件传输熵方法，有效剔除随机噪声和间接链路干扰，最终构建准确的有向加权网络拓扑。算法支持4-26个节点的网络规模，采用MATLAB实现，包含数据预处理、状态重构、传输熵计算、统计检验等核心模块，可精确还原非线性、时滞性通信网络的拓扑结构。完整程序工程可通过指定方式获取。]]></description><category></category></item><item><title><![CDATA[基于WOA优化和Stackelberg博弈的频谱共享算法matlab仿真,对比PSO优化和GA优化]]></title><link>https://blog.csdn.net/aycd1234/article/details/162130148</link><guid>https://blog.csdn.net/aycd1234/article/details/162130148</guid><author>aycd1234</author><pubDate>Fri, 19 Jun 2026 23:49:54 +0800</pubDate><description><![CDATA[本文提出了一种基于鲸鱼优化算法（WOA）的Stackelberg博弈模型，用于解决认知无线电中的频谱共享问题。该模型将主用户（PU）作为领导者设定频谱价格，次用户（SU）作为跟随者优化功率分配。通过WOA算法在外层搜索最优定价策略，内层采用解析方法求解SU的最佳响应。仿真结果表明，该方法能有效平衡PU收益与干扰约束，相比PSO和GA算法具有更快的收敛速度和更高的效用值。研究还分析了SU数量、干扰门限和信道增益对系统性能的影响，为动态频谱管理提供了理论依据和实现方案。]]></description><category></category></item><item><title><![CDATA[基于LEO卫星的多波束通信技术matlab性能仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/162005852</link><guid>https://blog.csdn.net/aycd1234/article/details/162005852</guid><author>aycd1234</author><pubDate>Mon, 15 Jun 2026 14:35:37 +0800</pubDate><description><![CDATA[本文研究了低地球轨道（LEO）卫星多波束通信技术，重点介绍了数字波束成形算法及其MATLAB实现。LEO卫星通过相控阵天线形成多个定向窄波束，实现频谱复用和容量提升。文章展示了算法测试效果图，提供了MATLAB 2024B环境下的部分核心程序代码，详细阐述了多波束形成的理论基础，包括均匀线阵的波束成形原理、加权系数计算和空间辐射场分析。该技术能有效解决单波束卫星覆盖范围小、容量低的问题，通过动态波束跟踪适应LEO卫星的高速运动特性。完整程序工程可通过指定方式获取。]]></description><category></category></item><item><title><![CDATA[基于OFDM的车联网雷达通信一体化感知算法matlab性能仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/161935364</link><guid>https://blog.csdn.net/aycd1234/article/details/161935364</guid><author>aycd1234</author><pubDate>Fri, 12 Jun 2026 21:12:42 +0800</pubDate><description><![CDATA[本文提出了一种基于OFDM的车联网雷达通信一体化算法，通过同一套车载硬件和OFDM时域波形同时实现高速无线通信和雷达感知功能。该算法利用OFDM的正交子载波特性，在帧结构中插入导频子载波，兼顾信道均衡和雷达相位提取。通过构建OFDM基带发射信号模型，分析雷达回波耦合机理，并采用频域解耦技术分离通信数据与雷达参数。雷达感知部分通过逆傅里叶变换估计目标距离，利用符号间相位差计算径向速度。实验结果表明，该算法能有效解决高速多普勒扩展和多径干扰问题，适用于城市道路和高速车流等复杂场景，显著降低了车载终端的体积、功耗]]></description><category></category></item><item><title><![CDATA[基于DNA算法的遥感图像加解密matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/161778966</link><guid>https://blog.csdn.net/aycd1234/article/details/161778966</guid><author>aycd1234</author><pubDate>Sun, 07 Jun 2026 23:26:12 +0800</pubDate><description><![CDATA[摘要： 本文提出一种基于DNA算法的遥感图像加解密技术，结合生物DNA碱基编码规则与混沌系统，实现高安全性图像加密。算法将像素数据转换为DNA四碱基序列（A/T/C/G），通过模4代数运算（加、减、异或）和Arnold置乱完成像素混淆与扩散，并利用Logistic混沌映射动态生成随机密钥，显著提升密钥空间。测试基于MATLAB 2024B，核心程序包括DNA编码/解码、混沌序列生成及像素置乱模块，加密效果显示图像信息被有效扰乱，解密后PSNR验证了无损恢复。该技术通过多通道并行处理适配遥感图像大数据量特性，]]></description><category></category></item><item><title><![CDATA[基于混沌加密的遥感图像加密算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/161603385</link><guid>https://blog.csdn.net/aycd1234/article/details/161603385</guid><author>aycd1234</author><pubDate>Tue, 02 Jun 2026 00:39:03 +0800</pubDate><description><![CDATA[本文提出了一种基于混沌映射的高分遥感图像加密算法，通过像素位置置乱和灰度值扩散双重机制提升安全性。算法采用一维Logistic混沌映射生成密钥，结合Baker映射扰动初值，实现像素空间位置随机置换；并通过链式异或运算进行灰度扩散，使单个像素变化影响全图。针对高分遥感数据量大的特点，引入双Logistic耦合混沌改善长序列退化问题。实验表明，该算法能有效破坏图像统计特征，密钥敏感性高，微小偏差即导致解密失败。MATLAB 2024b环境测试验证了算法的可行性，加密图像直方图均匀分布，具备抗统计攻击能力。完整代]]></description><category></category></item><item><title><![CDATA[基于Logistic-Map混沌序列的数字信息加解密算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/161603202</link><guid>https://blog.csdn.net/aycd1234/article/details/161603202</guid><author>aycd1234</author><pubDate>Tue, 02 Jun 2026 00:13:34 +0800</pubDate><description><![CDATA[本文介绍了一种基于Logistic混沌映射的数字加密算法。该算法利用Logistic映射的初值敏感性、类随机性和确定性演化特性生成伪随机序列，通过量化变换将混沌序列转换为整数密钥流，与明文进行逐位异或运算实现加密。解密时使用相同密钥复现混沌序列进行逆运算即可还原明文。测试结果表明，该算法在MATLAB 2024B环境下运行良好，具有密钥空间大、运算简单等优势，能够有效抵御统计分析攻击。核心程序包括混沌序列生成、密钥量化和异或加密等模块，适用于各类数字信息的轻量级加密需求。]]></description><category></category></item><item><title><![CDATA[基于AES的图像加解密算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/161483807</link><guid>https://blog.csdn.net/aycd1234/article/details/161483807</guid><author>aycd1234</author><pubDate>Thu, 28 May 2026 13:28:28 +0800</pubDate><description><![CDATA[本文摘要：基于AES-128标准实现图像加解密算法，将图像数据转换为字节流后按16字节分组进行加密处理。算法包含密钥扩展、10轮加密变换（含字节代换、行移位、列混合等操作），所有运算基于GF(2⁸)有限域。程序采用Matlab实现，包含S盒生成、密钥扩展等核心模块。加密后的图像呈现随机噪点特征，解密过程为加密的逆运算。完整工程展示了AES算法在图像加密中的完整实现流程，包括数据预处理、分组加密和密文重构等关键步骤。]]></description><category></category></item><item><title><![CDATA[基于模糊神经网络的一维时间序列预测算法matlab仿真]]></title><link>https://blog.csdn.net/aycd1234/article/details/161324816</link><guid>https://blog.csdn.net/aycd1234/article/details/161324816</guid><author>aycd1234</author><pubDate>Fri, 22 May 2026 23:41:57 +0800</pubDate><description><![CDATA[本文提出了一种基于模糊神经网络(FNN)的一维时间序列预测算法。该算法融合模糊逻辑处理不确定性的优势和神经网络自主学习的特点，通过四层网络结构实现：1)模糊化层使用高斯隶属函数处理输入；2)模糊规则层计算规则适用度；3)归一化层进行激励强度归一；4)输出层加权求和得到预测值。算法在MATLAB 2024B环境下实现，核心程序展示了多指标(MACD、RSI等)的预测流程。相比传统BP网络，FNN能更好处理时序数据的模糊性和非线性特征，通过自适应学习优化隶属度函数和连接权重，有效提升预测精度。完整工程代码可通过]]></description><category></category></item></channel></rss>