在算法研究过程中如何进行算法创新

置顶 fpga和matlab

已于 2022-11-12 00:11:30 修改

阅读量10w+

点赞数 20

分类专栏：其他 MATLAB FPGA 文章标签：算法创新

于 2019-07-13 04:03:29 首次发布

本文链接：https://blog.csdn.net/ccsss22/article/details/95700141

版权

MATLAB 同时被 3 个专栏收录

1616 篇文章 1675 订阅

订阅专栏

FPGA

265 篇文章 448 订阅

订阅专栏

其他

218 篇文章 55 订阅

订阅专栏

FPGA教程目录

MATLAB教程目录

-----------------------------------------------------------------------

创新一直是一个令人纠结的话题，研究生毕业设计多数需要算法的创新，而博士生毕业更需要大量的创新才行。另外一方面，一些前沿的课题，更是对算法的创新有着较高的要求。这里，我就十几年来的工作经验，谈谈如何进行合理的算法创新。

一、创新角度

通常，我们使用一个算法，这里举个简单的粒子，PSO粒子群优化算法，我们通过仿真，会得到该算法的收敛速度，仿真精度等一些参数指标。如果我们需要对该算法进行创新，一般就需要从原算法的性能指标角度考虑，比如收敛速度和精度的提高，对于一些低要求，可以在保证收敛速度不变的情况下，提高精度，或者在精度不变的情况下，加快收敛速度，如果要求较高，则同时考虑如何提高收敛速度和精度。一般情况下，针对这种情况，我们需要考虑别的类似算法，而这些算法必须具备快速收敛和高精度中的某些特性，这样我们就可以将多种算法的优势进行整合，从而实现算法的创新并提高原算法的性能。

再比如在通信领域，虽然目前技术非常成熟了，包括信道编译码，调制解调，各种同步，信道估计均衡等等。但是随着这些年深度学习的兴趣，通信领域的创新又有了新的方向。目前应用比较多的有基于深度学习的信道估计均衡方面，例如通过CNN对LTE进行信道估计等等。

此外，人工智能领域，创新更是层出不穷，目前，几乎每年都会有新的网络被提出，但是几乎所有的网络都源于CNN。基于CNN，后来就有了RCNN,fast RCNN等等一些列网络。学者通过改进网络卷积层结构，或者加入一些其他算法，产生新的网络模型。

因此，创新的首要前提，就是要有足够多的理论储备，同时对算法本身有着非常深入的理解，包括其优缺点，然后针对缺点，提出改进。

二、创新依据

什么是创新依据？所谓创新依据，就是我们使用的创新算法，所考虑的角度是有理论依据的，我们不能凭空修改原来的算法，这样即使获得了布局的更优解，但也无法证明全局的更优。因此，正如一所说，我们需要选择某些性能比原算法更好的其他现成算法，进行算法的整合。

我这里举2个例子，比如，我们要对一个通信中的载波同步做改进，那么初学者会想到，载波同步里面有个鉴相器，对鉴相器的结构进行改进。例如经典的costas环，他的鉴相器是个乘法模块，通过这个过程，我们可以从理论上推导出最后的锁定相位值。那么说明这个乘法模块还是有效的，那么你改进他的时候，需要按原来的推导方式，也可以得到一个锁定的相位，同时这个相位最后的表达式，要比经典的costas换的相位表达式，抖动更新，收敛更快。那么改进才算有效。如果无法推导出一个合理的结果，或者推导的结果反而比原来的差，那么不算改进，只能算是算法的“奇思妙想”了。

再举个例子，比如深度学习，我们比较常用的CNN，如何改进？我们自然就想到，他的卷积层提取图像特征，是否可以改进卷积层，增强其特征提取效果，或者加入多尺度的思想，或者调试最优的卷积层参数等等。