基于干扰因子的QPSO算法改进

具有量子行为的粒子群优化算法(Quantum-Behaved Particle Swarm Optimization,QPSO)是一种新的基于群体智能的优化方法.与粒子群算法(Particle Swarm Optimization,PSO)相比,QPSO的全局收敛性能更好.但与其他进化算法一样,QPSO仍然不可避免地遇到早熟收敛的问题.因此在QPSO算法的基础上,引入干扰因子以避免算法的早熟现象.实验结果表明,改进后的QPSO算法具有更好的收敛性能.     

基于量子粒子群优化算法的图像分割方法

利用量子粒子群优化算法(QPSO)对二维Fisher准则图像分割评价函数进行了全局优化,提高了分割阈值的求解速度。并针对量子粒子群优化算法存在收敛性差、易早熟的问题,提出了量子粒子群优化算法和邻域搜索双重寻优的改进算法。实验结果表明,改进后的分割方法具有良好的分割效果和求解速度。寻找到的最佳阈值与二维Fisher准则函数算法完全相同,而阈值求解时间只有二维Fisher准则函数算法的1/3。     

QPSO算法在天线阵列波形优化中的应用研究

基于优化天线阵列波形的目的,本文采用QPSO算法,对建立的九天线圆阵列模型进行波束赋形优化。本文通过九天线圆阵列模型进行MATLAB仿真实验,结果表明,经过QPSO算法进行优化后,主瓣方向还是保持一致,主瓣增益增大了6 dB;而采用QPSO算法对本文提出的九天线圆阵列与八天线圆阵列进行波形优化的仿真实验表明,主瓣方向还是保持一致,主瓣增益增大了19 dB,并且降低旁瓣个数,验证了模型的可行性。     

量子粒子群优化算法在各向异性含水层参数中的应用

基于抽水实验数据,利用泰斯公式建立模型,将量子粒子群优化算法（QPSO）应用到各向异性含水层参数求解中。实验结果表明,QPSO算法所得结果有一定的可靠性和稳定性,为各向异性含水层参数的确定提供了一种新方法。     

基于QPSO-WNN和模糊理论的电力系统短期负荷预测方法

电力系统的短期负荷预测是电力系统管理的一项重要方法,准确的负荷预测可以保证用户得到安全、经济的供电.针对负荷预测方法的多样性,在小波神经网络用于负荷预测的基础上,提出基于量子粒子群优化算法( QPSO)优化神经网络权值,并运用模糊理论进行修正.某电网负荷的拟合数据表明QPSO优化算法训练的神经网络不仅收敛速度明显加快,...     

云模型优化的QPSO算法在大数据云存储平台业务调度中的应用

QPSO算法作为最优秀的群体智能算法之一,有着较强的寻优能力,将QPSO算法用于云计算平台资源调度策略的寻优,有着明显的优势。通过对QPSO算法在云计算中的应用研究,为云计算平台效率的提升提供有效方法。文章对云模型优化的QPSO算法在大数据云存储平台业务调度中的应用进行分析与研究。     

基于QPSO-WNN和模糊理论的电力系统短期负荷预测方法

电力系统的短期负荷预测是电力系统管理的一项重要方法,准确的负荷预测可以保证用户得到安全、经济的供电。针对负荷预测方法的多样性,在小波神经网络用于负荷预测的基础上,提出基于量子粒子群优化算法（QPSO）优化神经网络权值,并运用模糊理论进行修正。某电网负荷的拟合数据表明QPSO优化算法训练的神经网络不仅收敛速度明显加快,而且其预报精度也比较高。     

QPSO与K-Medoids相结合的带障碍空间聚类新算法

分析了现有的带障碍约束空间聚类算法,针对基于PSO优化的带障碍约束的K-Me足,提出了QPSO与K-Medoids算法结合的带障碍空间聚类新算法(QKSCO).在带障碍约束的空间条件下,该算法依据蚁群格网障碍距离作为聚类依据,引入了QPSO的快速全局收敛的特性,使之与K-Medoids算法的局部收敛特性相得益彰.实验结...     

基才一种QPSO算法的阵列天线方向图综合

方向图综合技术是智能天线中的一项关键技术。由于采用普通粒子群算法存在着易于早熟和局部寻优能力不足等缺点．为此本文提出一种基于量子位概率幅编码QPSO算法的阵列天线方向图综合技术,即在方向图综合中,QPSO算法采用量子位对粒子当前位置进行编码,用量子旋转门实现对粒子最优位置的搜索,用量子非门实现粒子位置的变异以避免早熟。实际应用表明基于量子位概率福编码QPSO的方向图综合技术是切实可行的,在多零点和低旁瓣约束情况下均可以取得良好的优化效果,具有很好的推广能力。     

基于量子粒子群优化的BP神经网络的汽轮机振动故障诊断研究

为了提高汽轮机诊断系统的诊断速度与精度,提出了将量子粒子群算法和BP神经网络相结合的故障诊断方法。用量子粒子群算法来训练网络的权值和阈值,再将优化后的权值和阈值代入BP网络,进行故障诊断。实例证明,它是一种高效,可靠的诊断方法。     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012 a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

小波去噪在超声多普勒信号处理中的应用

在超声多普勒流量计的研制过程中,由于多普勒信号属于微弱信号,超声波回波信号的去噪处理这一步是十分必要的。通常采用小波阈值去噪的方法对此信号进行预处理,本文所采用的方法是在小波阈值去噪方法的基础上,利用一种改进的阈值函数,此阈值函数克服了硬阈值函数不连续的不足,继承了软阈值函数的连续性特点,并且解决了软阈值函数中存在的小波系数与分解小波系数之间存在着恒定偏差的缺陷,与此同时,它具有软硬阈值函数不可比拟的灵活性。对实验所获得的超声波回波信号进行去噪,仿真结果表明,采用新的阈值函数去噪能有效抑制在信号奇异点附近产生的Pseudo-Gibbs现象,并且从信噪比增益和均方误差意义上分析看出改进型阈值函数对于超声回波信号的去噪效果均优于传统的软、硬阈值方法。     

基于小波理论的异步电动机故障信号的消噪方法

通过对异步电动机早期故障诊断,分析了基于小波变换的信号消噪方法,根据不同频带将信号展开,并选择浮动阈值对小波变换系数进行量化,结果表明,这种方法可消除大部分噪音并保留原信号尖锐变化的曲线轮廓,对异步电动机突发故障信号诊断准确,并能达到更好的降噪效果。     

一种改进的小波阈值函数去噪方法

针对传统小波阈值去噪算法中软阈值函数和硬阈值函数的不足,在现有文献设计的阈值函数的基础上,构造一个新的阈值函数,它不仅能克服软、硬阈值函数的缺点,同时对噪声的处理更具有灵活性。通过Matlab仿真,对软、硬阈值函数以及本文构造阈值函数的去噪效果,在信噪比(SNR)和均方根误差(RMSE)两个方面进行对比。结果表明,本文提出的阈值函数在信号去噪处理中,能获得更高的信噪比以及更小的均方根误差,具有很好的降噪效果。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

自适应阈值函数小波算法的电机振动信号去噪

通常采集的电机振动信号中都含有噪声成分,一般采用小波阈值去噪处理可以达到理想的效果,但是传统软、硬阈值函数存在恒定偏差或不连续等缺点,不能很好的保留有用信息。针对这一问题,文中提出了随分解层数自适应且具有调整参数的阈值函数。改进的小波阈值函数连续、可微且具有渐进性,通过遗传算法做调整参数寻优,在保留大部分原始信号的基础上进行去噪,使得新的小波去噪算法在保留有用信息与去除噪声之间有较好的平衡性。实验中将该方法应用于所采集的电机振动信号,结果显示,该方法具有更高的信噪比与较低的均方根误差,能够更好的滤除噪声,保留原信号的有用信息。     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

一种基于CEEMDAN-改进小波阈值的OTDR信号去噪算法

为了解决光时域反射仪(optical time domain reflectometer,OTDR)中背向散射信号受 噪声干扰严重问题,本文提出了一种 基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN) 和改进小波阈值的OTDR信号去噪算法,利用CEEMDAN分解算法具有的抗模态 混叠现象和降低重构误差等优点,将信号分解为若干IMF分量,根据相关系数的分析方法, 找到噪声占主导的本征模态函数(intrinsic mode function,IMF)分量和信号占主导的IMF 分量的临界点,去除噪声占主导的IMF分量, 并将改进的小波阈值去噪方法对信号占主导的IMF分量进行去噪,最后重构信号。结果表明 , 本文提出的方法与传统的硬阈值方法、CEEMDAN-硬阈值方法和改进的小波阈值方法相比, 能 更好地抑制噪声,并达到更好的去噪效果,突显OTDR事件特征,更易于事件的检测。     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

小波变换在心电信号处理中的应用

在心脏病诊断过程中,心电信号的检测是重要的环节,然而心电信号的噪声很强,为了能够较好地滤除信号中的噪声,对信号的特点进行准确标定,利用基于小波变换的阈值去噪算法和基于小波的模极大值-极小值的算法进行心电信号的处理.采用MIT/BIH中的数据进行仿真调试验证,实验结果表明,被引入的几种噪声能被很好地去除,而且心电信号能较完整地保留下来,特征点能被准确地检测到,从而提高了诊断心脏等疾病的诊断效率.