采用人工免疫算法的加速寿命试验分析方法

极大似然估计是加速寿命试验统计分析中常用的分析方法,但似然函数的优化问题是该方法广泛运用的主要障碍,常用的似然函数优化算法对初值要求高,而且容易陷入局部最优解.为了有效地解决上述问题,在似然函数的优化中引入了人工免疫算法,提出了一种采用人工免疫算法的步降应力加速寿命试验分析方法.利用人工免疫算法在解决多维复杂函数优化问题时强大的全局寻优能力,有效地解决了似然函数的优化问题.最后通过实例验证表明,采用人工免疫算法的步降应力加速寿命试验分析方法是有效的,而且在统计分析中避免了查统计用表,能够很方便的实现计算机编程计算,有较大的工程应用价值.     

引入蝙蝠算法的最大似然DOA估计

DOA估计理论的传统算法中,最大似然DOA估计方法能准确地估计出目标方向角度,性能优良,并且具有很好的稳定性。与MUSIC及其他的子空间分解类算法相比,在信噪比较低、小快拍信号时,最大似然DOA估计算法优势更为突出。但是由于其自身算法复杂度较高的缺陷而碍于工程上的应用。针对这一问题,将蝙蝠算法与最大似然算法相结合,应用于信号的DOA估计,利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,快速搜索到似然函数的全局最优值,优化多维非线性的估计谱函数。仿真结果表明,蝙蝠搜索算法有效地克服最大似然DOA估计中存在的运算量大,计算复杂度高等问题,通过与其他经典的仿生智能优化算法相比较,该方法体现出更好的收敛性。     

用于最大似然2-DOA估计的裂变粒子群算法

最大似然2-DOA估计是一种抗干扰能力强、精确度高的测向算法。对其目标函数求解时容易收敛到局部最优解,最终影响最大似然2-DOA估计的性能。考虑到粒子群（PSO）算法具有全局化寻优能力及计算量巨大的特点,本文提出了一种裂变粒子群(FPSO)算法,在保证全局化寻优能力的同时大大降低计算量。但当2-DOA估计环境恶劣时FPSO算法仍然需要较大的迭代次数才能达到一定的2-DOA估计精度。为了进一步降低计算量,提出了改进的FPSO算法。其采用AP算法初始化全局最优粒子,精确了初始化精度从而降低精确2-DOA估计所需的迭代次数。仿真证明,FPSO算法和改进的FPSO算法能够分别在AWGN信道和短波信道下以较低的计算量实现精确的2-DOA估计,其均方根误差逼近其CRB。      

飞行器参数辨识的一种演化计算方法

将混合遗传算法应用于飞行器气动参数辨识。该方法结合了遗传算法的全局寻优能力和极大似然法的局部寻优能力,使得混合遗传算法不受极大似然法初值选取的影响,同时也解决了遗传算法收敛速度慢和收敛精度较低的问题。在混合遗传算法寻优过程中,仅对最优个体和变异后的个体执行局部寻优操作,从而使得混合遗传算法的计算量维持在一个适当的水平。最后,一个飞行器纵向模型气动参数的辨识仿真表明：混合遗传算法的收敛性和精度都远高于没有采用局部寻优策略的遗传算法。     

基于V-结构&对数似然函数定向与禁忌爬山的贝叶斯网络结构算法

针对爬山算法搜索空间过大和易陷入局部最优的问题,该文提出基于V-结构&对数似然函数定向与禁忌爬山的贝叶斯网络结构算法(VTH)。该算法利用定向最大支撑树约束搜索空间,在最大支撑树定向过程中,提出V-结构与对数似然函数(VLL)结合的定向策略;在评分搜索过程中,提出禁忌爬山(VTH)评分搜索策略,该策略将禁忌表清空机制与爬山搜索的局部择优准则结合,在提高全局寻优能力的同时也能保证搜索效率。该算法与其他算法在Asia, Car, Child和Alarm 4种标准网络中进行仿真实验,对比汉明距离、F1值、平衡评分函数(BSF)值、运行时间4个指标,验证了该算法的有效性。     

基于多层信念空间的文化算法研究

针对标准文化算法中影响函数仅通过单层信念空间来指导种群进化,易导致双演化文化算法结构失效及全局寻优能力差、不稳定等问题,提出一种基于多层信念空间的文化算法。算法通过对多层信念空间实行分层管理,在提高知识有效性的同时为主群体空间的进化提供最优模式。根据种群分散度自适应调整多层信念空间的融合机制,从而在进化前期维持种群的多样性,在进化后期加速种群收敛。基于典型复杂函数的数值仿真研究表明,该算法在解的精度、稳定性及全局寻优能力等方面较其它同类算法有明显的优势。     

基于V-结构&对数似然函数定向与禁忌爬山的贝叶斯网络结构算法

针对爬山算法搜索空间过大和易陷入局部最优的问题,该文提出基于V-结构&对数似然函数定向与禁忌爬山的贝叶斯网络结构算法(VTH).该算法利用定向最大支撑树约束搜索空间,在最大支撑树定向过程中,提出V-结构与对数似然函数(VLL)结合的定向策略;在评分搜索过程中,提出禁忌爬山(VTH)评分搜索策略,该策略将禁忌表清空机制与爬山搜索的局部择优准则结合,在提高全局寻优能力的同时也能保证搜索效率.该算法与其他算法在Asia,Car,Child和Alarm 4种标准网络中进行仿真实验,对比汉明距离、F1值、平衡评分函数(BSF)值、运行时间4个指标,验证了该算法的有效性.     

一种基于连续蚁群算法的快速最大似然DOA估计

针对传统最大似然估计计算量大的问题,将连续空间蚁群算法与最大似然估计算法相结合,在ACOML算法的基础上,提出了一种用混沌序列初始化状态空间的改进蚁群算法MACOML(Muddleheaded ACO)。该方法使用混沌映射产生的初始状态空间来代替ACOML算法中的随机序列产生的初始状态空间,增加了初始解的遍历性,同时在寻优过程中增加了局部搜索。仿真结果表明:MACOML能保持最大似然估计方法的高分辨性能,而计算复杂度只是最大似然方法的1/20。     

进化规划用于自适应IIR滤波器的优化设计

针对自适应ＩＲ滤波器（ＡＩＲＦ）潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题，本文将进化规划用于直接、并联、级联和格型结构的ＡＩＩＲＦ的优化设计。基于进化规划的自适应滤波算法不依赖于梯度信息，能够有效地实现ＡＩＩＲＦ参数的全局寻优。大量的仿真实验结果表明不同结构的ＡＩＲＦ用进化规划进行参数寻优，不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题，亦解决了ＡＩＲＦ的稳定性问题。     

基于网格爬山法的最大似然DOA估计算法

最大似然波达方向（DOA）估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足“预估分布”的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。      

Maximum likelihood estimation of direction-of-arrival and detectionfor broad-band sources via dynamic programming

An analysis is presented to estimate the number of broadband sources by sensor arrays and to compute the maximum likelihood estimator (MLE) of their direction-of-arrival (DOA) based on the dynamic programming algorithm. The approach is devised in the frequency domain. With proper selection of the number of elements, the distance between elements, and the step size, the global maximum for the log-likelihood function can be obtained. Otherwise, the global maximum is not guaranteed. Simulation results for broadband sources that demonstrate the performance of the proposed method are presented and compared with that of the MUSIC algorithm which employs coherent signal-subspace processing     

采用DIRECT算法的外辐射源雷达高效直接定位方法

针对直接定位目标函数为非凸函数,传统凸优化方法难以获得全局最优解,而常用网格遍历搜索方法运算量大的问题,提出采用DIRECT (Dividing rectangles)算法进行高效求解的方法。首先建立外辐射源雷达接收信号模型,在此基础上推导最大似然直接定位目标函数,为解决该目标函数非凸难以快速获得全局最优解的问题,将DIRECT算法用于目标位置的快速估计, 并理论分析其计算复杂度。数值仿真表明新方法计算速度快且定位精度高,相比网格遍历法,计算时间降低2个数量级,相比遗传算法降低1个数量级。      

Maximum likelihood parameter estimation of F-ARIMA processes using the genetic algorithm in the frequency domain

This work aims to treat the parameter estimation problem for fractional-integrated autoregressive moving average (F-ARIMA) processes under external noise. Unlike the conventional approaches from the perspective of the time domain, a maximum likelihood (ML) method is developed in the frequency domain since the power spectrum of an F-ARIMA process is in a very explicit and more simple form. However, maximization of the likelihood function is a highly nonlinear estimation problem. Conventional searching algorithms are likely to converge to local maxima under this situation. Since the genetic algorithm (GA) tends to find the globally optimal solution without being trapped at local maxima, an estimation scheme based on the GA is therefore developed to solve the ML parameter estimation problem for F-ARIMA processes from the frequency domain perspective. In the parameter estimation procedure, stability of the F-ARIMA model is ensured, and convergence to the global optimum of the likelihood function is also guaranteed. Finally, several simulation examples are presented to illustrate the proposed estimation algorithm and exhibit its performance.     

基于先验信息和正则化技术的图像复原算法的研究

在湍流退化图像复原研究中,为了消除大气湍流的影响,提出了一种基于先验信息和正则化技术的盲解卷积图像复原算法.该算法是以极大似然估计为基本原理,将目标图像和点扩展函数的先验信息以惩罚项的形式引入到极大似然函数中,同时利用正则化技术优化目标图像和点扩展函数的估计过程,以增加极大似然估计算法的收敛性和稳定性.通过退化图像的复原实验结果表明,该算法在退化模型完全未知的情况下,可以有效的实现对湍流退化图像的盲复原.     

Dual information hiding algorithm based on the regularity of 3D mesh model

An adaptive thresholds algorithm is proposed in this letter, which is used to determine the global optimal thresholds for multi-bit quanta image sensor (MB-QIS). Firstly, the senor model of MB-QIS is set up. Then global optimal thresholds theory is analyzed and a thresholds optimization algorithm based on the binary search is designed to determine the optimal global thresholds. Finally, the high dynamic range (HDR) images are reconstructed by the non-iterative maximum likelihood estimation (MLE) image reconstruction method. The results of simulation prove that HDR imaging of MB-QIS is realized by the proposed method effectively.     

High dynamic range image reconstruction for multi-bit quanta image sensor

An adaptive thresholds algorithm is proposed in this letter, which is used to determine the global optimal thresholds for multi-bit quanta image sensor (MB-QIS). Firstly, the senor model of MB-QIS is set up. Then global optimal thresholds theory is analyzed and a thresholds optimization algorithm based on the binary search is designed to determine the optimal global thresholds. Finally, the high dynamic range (HDR) images are reconstructed by the non-iterative maximum likelihood estimation (MLE) image reconstruction method. The results of simulation prove that HDR imaging of MB-QIS is realized by the proposed method effectively.     

Estimation in a Pareto Distribution: Theory & Computation

This paper treats the theoretical and computational problems of maximum likelihood parameter estimation in a Pareto distribution. Logarithmic likelihood estimating equations and the associated conditional log-likelihood function are derived, and expressions for the asymptotic variances and covariances of the parameters are given. Discussions pertinent to tests of hypotheses and the construction of simultaneous s-confidence contours are provided. The computations required for estimation are illustrated by an example in which the parameters are estimated by numerically maximizing the conditional log-likelihood function and by using an algorithm for global optimization which exploits the mathematical structure of this function. The parameter estimates obtained in this way are guaranteed to be those at which the likelihood function is globally maximum over the space of permissible parameter values. A Fortran program exists for performing these calculations.     

改进的分布式粒子滤波盲均衡算法

针对多节点合作接收系统中的盲均衡问题,提出了一种基于一致优化的分布式粒子滤波盲均衡改进算法。该算法采用多个接收机组成无融合中心的分布式网络,使用分布式粒子滤波合作估计共同的发送符号序列,克服了单接收节点受信道影响大、误码率高的问题。为了保证粒子滤波中每个节点产生共同的粒子集和粒子权重,采用基于交替方向乘子法的一致优化算法获得联合似然函数,并与最大一致协议相结合,从而使每个节点获得相同的最佳重要性函数和粒子权重。理论分析与仿真结果表明,该算法只需经过有限次的一致迭代就可以达到集中式合作盲均衡的性能。全分布式的多节点合作获得了空间分集增益,降低了系统误码率。      

最小误码率准则盲源分离算法

针对通信混合信号的盲分离问题,结合通信系统中的误码率性能指标,本文提出一种基于最小误码率准则的盲源分离算法。本算法基本原理是,将推导的最小误码率准则结合最大似然原则建立盲源分离代价函数,形成一种最小误码率约束的代价函数,接着借助于自然梯度下降搜索,最小化代价函数实现盲源分离。仿真实验分析表明提出的最小误码率约束代价函数得到的盲源分离算法,比原有的最大似然原则代价函数得到的盲源分离算法,具有更好的收敛性能和分离精度。      

一种码片内多径参数的最大似然估计算法

针对码分多址卫星移动通信中码片内两径参数估计问题,该文提出了基于最大似然的2维搜索算法。算法对两径时延进行2维搜索,同时对多径复振幅分别采用解相关和线性最小均方误差(LMMSE)算法进行估计,最后通过使似然函数最大化而找出最优的一组时延、复振幅估计值。仿真证明两径时延2维搜索结合采用近似的LMMSE算法进行多径复振幅估计具有良好的性能。