基于人工蜂群算法的线性调频信号参数估计

针对多分量线性调频(LFM)信号的初始频率和调频斜率估计问题,提出了基于人工蜂群算法的LFM信号最大似然函数估计方法。首先,利用最大似然方法对LFM信号的初始频率和调频斜率进行联合估计;然后,用人工蜂群算法对似然函数进行优化求解;接着,针对人工蜂群算法收敛速度慢、易早熟等问题采用多维并行搜索结合交叉全局引导的方式对算法进行改进,实现了高效的多分量LFM信号参数估计。仿真实验证明,本文算法具有最大似然估计的有效性,兼具快速性和实时性。     

相干/同向信号波达方向与多普勒频率的联合估计

针对相干/同向信号波达方向(DOA)与多普勒频率的联合估计问题,提出了一种基于特征空间的修正二维MUSIC联合估计算法。首先,建立包含DOA和多普勒频率信息的广义阵列信号模型,通过共轭重构对阵列接收信号的协方差矩阵进行修正,使其有效适用于相干/同向信号下DOA与多普勒频率的联合估计。同时,在二维MUSIC算法的基础上,提出了一种基于特征空间的DOA与多普勒频率联合估计算法,该算法充分利用了信号子空间和噪声子空间的信息,并且可以对源信号功率进行估计。对该算法加以修正后同样可以应用于相干/同向信号的DOA与多普勒频率联合估计,且可以得到比修正二维MUSIC算法更好的估计效果。最后,通过仿真试验验证了本文算法的有效性。     

基于状态空间模型的指数衰减正弦信号参数估计

针对多分量指数衰减正弦信号的衰减因子和频率估计问题,提出了一种基于状态空间模型的参数估计算法。首先,建立一个状态空间模型,将待估计的衰减因子和频率信息包含进状态空间模型的系统矩阵当中。然后,对状态空间模型进行求解,得到广义可观测矩阵的估计值。最后,由广义可观测矩阵得到系统矩阵的估计值,进而得到衰减因子和频率的估计。该算法计算量较小,参数可以自动配对。仿真结果表明:本文算法在低信噪比下的估计性能优于ESPRIT方法。     

非均匀噪声环境下基于矩阵补全的DOA估计方法

针对传统的信号波达方向（DOA）估计算法无法适用于实际应用中非均匀噪声、数据不完整等情况的问题,提出了一种结合矩阵补全理论和最大似然交替投影算法的DOA估计方法。在背景噪声为非均匀噪声的情况下,该方法通过对只有部分元素已知的阵列协方差矩阵进行矩阵补全,将稀疏矩阵重构为无噪声协方差矩阵,然后利用最大似然交替投影算法实现对DOA的估计。实验仿真表明:该DOA估计方法能够有效恢复不完整数据并抑制非均匀噪声的影响,而且在低信噪比条件下,仍具有较好的DOA估计性能。     

时变遗忘因子动态DOA跟踪算法

针对目标信号源波达方向(DOA)实时变化的情况,提出了一种时变遗忘因子的自适应样本协方差矩阵更新方法。时变遗忘因子根据DOA变化的快慢自适应调节自身的大小,从而合理地调整历史数据及当前采样数据在协方差矩阵更新过程中所占的权重。在更新协方差矩阵后,对其直接应用最大似然估计方法,并将序列二次规划(SQP)应用于似然函数的优化求解上,最终实现了DOA的动态跟踪。仿真结果表明:该算法具有解相干的能力和良好的跟踪精度,并且在小样本、低信噪比下仍能达到比较满意的跟踪效果。     

基于矩阵填充的互质阵列欠定DOA估计方法

为了解决现有基于互质阵列的DOA估计方法舍弃差联合阵列中非均匀虚拟阵元而导致最大可估计信号数损失的问题,提出了一种基于矩阵填充的DOA估计方法。首先,根据差联合阵列与波程差一一对应的特性,构造一个部分元素缺失的Toeplitz化的阵列协方差矩阵,建立了基于矩阵填充的DOA估计模型,并验证了该模型满足零空间性质;然后,根据低秩矩阵填充理论,将DOA估计问题转化为矩阵核范数最小化问题进行求解,通过不定点延续算法将该协方差矩阵中的零元素进行填充恢复为完整协方差矩阵;最后,对协方差矩阵进行奇异值分解,转化为多项式求根,得到DOA的估计。仿真实验结果验证了本文方法的有效性和优越性。实验结果表明,本文方法能够对差联合阵列中的空洞部分进行有效填充,增加了可利用的阵列自由度,提高了可估计信号数,同时能够有效避免传统稀疏重构算法中由于角度域离散化导致的基不匹配问题对估计性能的影响,提高了估计精度和分辨力。     

基于均匀面阵的相干信号源二维DOA估计新方法

相干信号源的来波方向(Direction of Arrival,DOA)估计问题一直是阵列信号处理技术的一个研究热点。现实环境中的信号源多为相干的,针对此问题提出一种改进的相干信号源二维DOA估计算法。通过对接收信号协方差矩阵进行矩阵重构处理,将采样数据协方差矩阵的秩恢复到等于信号源的个数;对重构的协方差矩阵进行特征分解,构造出信号子空间矩阵和噪声子空间矩阵,将两个子空间矩阵联合构造出新的空间谱函数;基于新的空间谱函数进行二维谱峰搜索,即可估计出多个入射信号的二维DOA。使用计算机软件进行仿真验证,仿真结果表明了所提方法的有效性。     

一类改进的人工蜂群算法

对2005年Karaboga提出的模仿蜜蜂觅食行为的人工蜂群算法进行了研究,将粒子群算法中的惯性权重引入到人工蜂群算法中,提出了带惯性权重的改进的人工蜂群算法(Improved artificial bee colony algorithm with inertia weight,ABCIW)的方法.将ABCIW算法应用于求解基准函数的最小值问题,进而应用于优化BP神经网络的参数,对中国手足口病发病人数进行预测.与基本人工蜂群算法、快速人工蜂群算法和带记忆的人工蜂群算法相比较,ABCIW算法更适合解决函数的优化问题.对中国手足口病发病人数的预测说明了ABCIW算法具有较好的预测结果和较高的稳定性.     

低相干高鲁棒性观测矩阵优化

针对目前压缩感知观测矩阵普适性低和优化算法鲁棒性不足的问题,提出了一种基于紧框架和稀疏表示误差的观测矩阵优化算法。该算法首先将格拉姆矩阵同时逼近单位矩阵和紧框架,以降低感知矩阵的平均互相干性;然后将稀疏表示误差作为正则项加入传统优化模型中,来提高观测矩阵的鲁棒性;最后利用解析法求解观测矩阵,保证算法的收敛性。实验结果表明,与现有的优化矩阵相比,所构造观测矩阵的平均互相干系数至少可降低0.03,且具有更强的鲁棒性。     

基于张量域降噪的宽带DOA估计

针对低信噪比条件下远场宽带信号波达方向(DOA)估计精度低的问题,提出了一种基于张量域降噪的宽带DOA估计算法。首先,联合各子频带数据构造张量信号;然后进行高阶奇异值分解,并利用最小描述长度准则分离信号与噪声;其次,改进协方差矩阵拟合算法,利用L1范数对信号功率进行约束,获得L1约束问题模型并求解;最后,对所有窄带估计结果进行融合得到宽带信号DOA。仿真结果表明,该算法可有效地降噪,同时较求根多重信号分类算法和旋转不变子空间参数估计算法,该算法对DOA估计无需预知信源数目,且在低信噪比条件下具有较小的均方根误差。     

基于单频信号频率估计的载波频偏估计算法

在前向载波频偏估计中,为扩大捕获范围,提高估计精度,在最大似然准则的基础上,给出了一种非数据辅助的前向载波频偏估计算法。该算法利用由自相关函数估计频偏等效为在噪声中估计复单频信号频率的思想,将基于傅立叶变换的复单频信号频率估计方法应用到载波频偏估计中。对于2π／M旋转对称星座,该算法的估计范围扩大到了±1／2MT,并且具有较高的估计精度。计算机仿真结果给出了该算法在估计精度和估计范围方面的性能。     

基于改进人工蜂群算法的大型舰船主尺度优化

针对大型舰船方案设计的具体特点,选择了飞行甲板面积最大化、初稳性高最合理化、估算阻力最小化和横摇固有周期最大化等4个优化目标,建立了适用于大型舰船主尺度优化设计的多目标模型,并基于最小偏差法建立了统一的目标函数。采用人工蜂群算法对优化模型进行了求解,并对人工蜂群算法的初始化方法和观察蜂的选择机制进行了改进,通过仿真计算,验证了人工蜂群算法求解复杂问题的优越性和改进策略的合理性,以及该算法在船舶设计中应用的可行性。     

高动态多普勒频率的最大似然估计器

采用泰勒级数展开的形式表示高动态的多普勒频率参数, 推导并实验分析了对各阶频率参数估计的最大似然估计器(MLE); 计算机模拟采用FFT处理方法,给出了算法对所模拟的接收机动态的估计均方根误差和失锁概率.     

DOA estimation method based on the covariance matrix sparse representation

The performance of the L₁-norm-based sparse representation of array covariance vectors(L₁-SRACV) algorithm significantly degrades with the number of samples decreasing. This paper analyzes the essential cause of this performance degradation and proposes a new direction of arrival(DOA) estimation method based on the fast maximum likelihood(FML) algorithm. Firstly, the FML algorithm is employed to estimate the covariance matrix, which attenuates the instability of the small eigenvalues of the covariance matrix. Then the sparse representation model based on the FML is formulated for DOA estimation and finally, optimized by removing the diagonal elements of the covariance matrix to obtain better performance. Simulation results indicate that our method outperforms the L₁-SRACV with a higher accuracy and detection possibility, particularly under small samples support.     

基于二进制人工蜂群算法的认知无线电决策引擎

为实现认知无线电系统参数的自适应调整功能,提出了一种基于二进制人工蜂群算法的认知无线电决策引擎。将认知无线电决策问题转化为多目标函数优化问题,并采用加权和方法将复杂的多目标函数优化问题归一化为简单的单目标函数优化问题。采用二进制人工蜂群算法对此优化问题进行求解,实现对无线电系统参数的优化调整。最后,通过一种多载波系统对算法性能进行仿真分析,仿真结果验证了该算法的有效性和实用性。     

基于ABC-BP模型的基坑地表沉降预测

目前基坑工程普遍仅关心地表沉降值是否超出监测预警值,缺乏对基坑地表沉降短期实时预测的有效方法,降低了基坑安全性。利用人工蜂群算法优化BP神经网络的组合模型可合理预测基坑地表沉降。首先,结合灰色相关度理论,对输入变量进行筛选,提高网络结构的高效性;接着,利用人工蜂群算法优化BP神经网络初始值,实现对地表沉降累计最大值及位置的预测;最后,将ABC-BP模型与其他常见神经网络预测模型对比,验证模型有效性。从预测和对比结果中可知,ABC-BP模型训练及预测结果的平均相对误差为3.27%,均方根误差为3.87,验证模型有效。     

基于粒子群优化算法的相干信源波达方向估计

利用粒子群优化算法和在解决优化问题的优势和广义极大似然测向的优点,提出了一种估计相干信源波达方向的新方法.对于所提出的测向算法,人射的信源可以是独立信源,也可以是多相干信源的混合,对阵列的几何结构也没有任何约束,而且它分辨的信源数还可以大于阵元数.为了有效地对所提出的测向代价函数进行拟合,把高斯异策略引进粒子群算法中,提出了一种可快速多维搜索的随机变异粒子群算法.仿真结果表明:与基于遗传算法的相干信源波达方向估计方法相比,基于粒子群优化算法的波达方向估计在收敛速度和估计精度上都有优势,有很好的可行性和有效性.     

基于IABC-RBF神经网络的地下水埋深预测模型

为了验证基于改进人工蜂群算法的径向基函数（RBF）神经网络模型在地下水埋深预测中的可行性和优越性,在基本人工蜂群算法中引入高斯变异算子,优化初始蜜源位置,设计建立基于改进人工蜂群算法的RBF神经网络模型（IABC-RBF）. 通过输入泾惠渠灌区的年降雨量、年渠首引水量、年田间灌溉用水量、年地下水开采量和前一年的地下水埋深共5个相关影响因子的数据,对地下水埋深进行预测,与实测的地下水埋深数据进行比较,误差很小. 与RBF神经网络模型和基于基本人工蜂群算法训练的RBF神经网络模型（ABC-RBF）的预测结果进行比较,结果表明,基于改进人工蜂群算法的RBF神经网络模型收敛速度更快,预测结果误差最小,精度最高.     

一种改进的混沌局部搜索的人工蜂群算法

人工蜂群算法具有鲁棒性强、收敛速度快且全局寻优性能优异等优点,但其局部搜索能力不足.为了克服此缺陷,提出了一种改进的混沌局部搜索的人工蜂群算法.新算法在每一代的所有个体的平均值附近利用混沌函数进行局部搜索,然后在搜索到的解和原食物源之间采用贪婪选择的原则确定下一代种群.基于6个标准测试函数的仿真结果表明,本算法能有效地加快收敛速度,提高最优解的精度,其性能优于已有的人工蜂群算法.