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。

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

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

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

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

本文提出了一种基于维纳滤波的图像去模糊算法。针对相机抖动等因素导致的图像模糊问题，该方法通过建立运动模糊模型，利用维纳滤波在频域对噪声和信号进行权衡处理。算法首先估计点扩散函数(PSF)，计算其傅里叶变换并确定噪信比参数，然后应用维纳滤波器进行图像恢复。实验采用Matlab实现，包含模糊核生成、维纳滤波等核心程序，可有效处理水平/垂直方向抖动造成的模糊。理论分析表明，该方法通过最小化估计误差，实现

摘要： 本文提出一种结合变分模态分解（VMD）、长短期记忆网络（LSTM）和粒子群优化（PSO）的时间序列预测方法。VMD将复杂时序分解为多个平稳模态分量，LSTM建模序列长期依赖关系，PSO优化LSTM关键参数（如隐藏层节点数和学习率）。实验采用Matlab实现，通过适应度函数评估模型性能。结果表明，该VMD-LSTM-PSO框架有效提升了非线性、非平稳序列的预测精度，适用于能源、气象等领域。核

本文介绍了基于加权多模算法（WMMA）的盲信道估计与均衡系统，并与多模算法（MMA）和恒模算法（CMA）进行了对比分析。WMMA通过引入动态权重因子，能够更灵活地适应不同的信号分布，在收敛速度、稳态误差和误码率性能方面均优于CMA和MMA。尽管WMMA的计算复杂度较高，但随着硬件技术的发展，其在高性能通信系统中的应用前景广阔。文章还提供了算法运行效果图预览、软件版本（Matlab2024b）、部分

本文介绍了一种基于MATLAB的多波束LEO卫星通信算法。文章首先展示了算法运行效果图，并提供了运行所需的软件版本（MATLAB 2024b/2022a）。随后，文章详细描述了部分核心程序代码，包括自适应算法的迭代更新过程、波束响应的计算以及三维方向图的绘制。算法理论部分阐述了多波束技术的核心优势，包括频率复用、功率聚焦和灵活调度，并讨论了LEO卫星通信系统的特点和挑战，如卫星切换和链路跟踪技术。

在图像处理领域，图像细化是一项重要的预处理技术，广泛应用于字符识别、指纹识别、医学图像分析等众多领域。通过图像细化，可以将二值图像中的线条或物体轮廓简化为单像素宽度的骨架，从而保留其基本的拓扑结构和形状信息，同时减少数据量，提高后续处理的效率和准确性。Zhang-Suen算法是一种经典的图像细化算法，由Zhang和Suen于1984年提出，该算法具有计算简单、细化效果好、能较好地保持图像的拓扑结构