重构分数低阶协方差的子空间拟合测向算法

基于重构的分数低阶矩阵,提出了重构分数低阶协方差的多重信号分类测向算法和信号子空间拟合测向算法.为了快速求解所提出的测向算法,设计了一种可进行多维搜索的自适应差分粒子群优化算法.利用粒子群算法和差分进化算法的优点,可以获得测向问题的全局最优解.Monte-Carlo仿真证明了所提测向算法可有效分辨相干源,并且其检测性能优于已有的一些经典算法.     

基于混沌自适应变异粒子群优化的解相干算法

针对相干信源波达方向估计的需要,结合粒子群优化算法,论文提出了一种基于混沌自适应变异粒子群优化的广义极大似然算法(CAMPSOGML),算法对阵列的几何结构没有任何约束,分辨的信源数可大于阵元数,算法把混沌初始化和自适应变异策略引进粒子群算法中,有效地提高了收敛速度,克服了粒子群算法容易陷入局部最优值的缺点。计算机仿真表明:与基于实数遗传算法和粒子群算法的广义极大似然估计方法相比,CAMPSOGML算法在收敛速度和估计精度上都有优势,是一种新颖的有效的解相干算法。     

基于虚拟阵列改进MUSIC算法的相干信源DoA估计

受多径传输环境的影响,在智能天线测向研究中,必须考虑相干信源的存在.针对相干信源的波达方向(Direction of Arrival,DoA)估计问题,提出了一种基于虚拟阵列平移的改进MUSIC算法.仿真结果表明:在相干信源入射角度差异很小(约5°)的情况下,该算法依然能准确地估计;同时,该算法不损失阵列孔径,最多可估...     

强干扰背景下相干弱目标DOA估计算法

针对强相干干扰环境下弱信号的DOA估计问题,提出了一种小采样数的相干信源DOA估计算法。该算法首先通过修正的Toeplitz算法实现了对相干目标的解相干,然后基于干扰阻塞法剔除了强干扰的影响,从而可获得真实的弱信号空间方位。所提算法对非平稳噪声有较好的抑制性能,可适用于小采样数的环境。此外,该算法相对松弛算法、高阶累积量算法等信号分离方法,具有运算量小的优势。计算机仿真结果表明,新算法具有较好的测向性能,能在电子战环境下有效估计出目标信源的空间方位。     

基于四阶累积量扩展孔径的宽带信源测向算法

当阵列过载时,常用高分辨测向算法将会失效.针对此问题,提出了一种新的宽带信源测向算法.该算法利用基于最小冗余直线阵列的四阶累积量来扩展阵列孔径.将得到的四阶累积量去除冗余信息后,构造了一新的Toeplitz矩阵.新矩阵充分利用了原协方差矩阵的信息,避免了冗余信息.通过理论分析和计算机仿真,对扩展后阵列孔径、测向性能、检测概率及可分辨信源数进行了对比研究.结果表明,相比相同阵元数的最小冗余直线阵和均匀直线阵,该算法具有大得多的阵列孔径和更高的分辨率,利用M阵元,最多可以分辨M2-M个信源.     

相关噪声环境下相干源2D-DOA估计方法

解决相关噪声环境下相干信源的二维波达方向估计问题,克服最常用的子空间类算法,如MUSIC算法、ESPRIT算法等的不足,将四阶累积量和空间平滑方法相结合,提出了一种新的CSS算法。该算法采用两个平行的均匀线阵作为阵列传感器,通过特殊定义的四阶累积量矩阵对接收空域数据进行平滑处理,实现了相关噪声环境下对相干信源的二维波达方向的估计,并且所估计信源的二维波达方向能够自动配对,最后通过蒙特卡罗实验证明了所提CSS算法2D-DOA性能的有效性。     

未知信源数的宽带波束域相干源测向算法

对MUSIC算法进行了改进,提出了一种无需估计信源数的宽带波束域相干源测向算法,避免了由于信源数估计不准确以及存在相干源扰动时的测向失效问题,并通过恒定束宽波束形成,在减少测向计算量的同时,对宽带信号进行了空间聚焦,可同时适用于窄带信号和宽带信号测向,大大拓展了MUSIC算法的适应能力,为其在不同领域获得广泛应用扫清了算法上的障碍。仿真结果证实了所提出改进算法的有效性。     

基于几何序列分解与稀疏重构的DOA估计

为了解决均匀圆阵在欠定情况下对相干信号测向的问题，提出了一种利用几何序列分解与稀疏重构相结合的波达方向(DOA)估计算法。几何序列分解用于拆分相干组，并估计出每个相干组的实际方向向量，稀疏重构则对每个相干组进行DOA估计。仿真结果表明，当均匀圆阵的阵元数为M时，相比于现有算法，所提算法所能估计的最大信源数为M(M–1)，并且当信源数较多时，其测向成功率和精度都更优，此外，所提算法能够解决“角度兼并”问题，并且在极少快拍数测向任务中具有一定的优势。     

基于四阶累积量的共形阵列波达方向估计算法

由于共形天线阵列流形的多极化特性(Polarization Diversity),共形阵列天线的信源方位估计需要与信源的极化状态联合进行。分析总结共形阵列天线波达方向(DOA)估计特点的基础上,针对窄带远场非高斯独立信源,提出了一种共形阵列天线盲极化DOA估计算法。该算法利用四阶累积量对阵列口径的扩展性,结合旋转不变子空间(ESPRIT)算法,在信源极化状态未知条件下实现了共形阵列天线的高分辨DOA估计。所提算法的方位估计不需要天线单元方向图以及信源极化状态的任何信息,适用于多种常用共形载体(锥面、柱面以及球面共形载体),具有较为广泛的应用环境。以柱面共形阵列天线DOA估计为例,详细推导了算法机理,给出了算法步骤,计算机Monte Carlo仿真实验验证了所提算法的有效性。     

基于虚拟阵列变换的相干源测向方法

针对传统空间谱测向方法对相干信号源测向失效的实际问题,提出了一种基于任意形状平面阵列的测向方法。该方法在建立了相干信号源数学模型的基础上,对虚拟阵列变换思想进行了分析,给出了采用虚拟阵列变换原理和MUSIC算法实现了对相干信号源DOA的估计,提高了测向性能。经仿真试验和理论分析,验证了算法的可行性,并分析了该算法的适用局限性。     

三目标柯西粒子群算法的电力系统无功优化

通过建立有功网损最小、电压偏差最小和静态稳定电压裕度最大的三目标无功优化模型。提出柯西粒子群算法,并针对IEEE14节点系统进行三目标电力系统无功优化。当种群多样性较差时,通过对交叉的粒子进行柯西变异从而扩大搜索空间,提高种群多样性,防止出现过早的收敛,进而避免了算法陷入局部最优解的问题,同时也提高了收敛速度。通过数据测试和比较柯西粒子群算法在收敛速度、精度、全局搜索能力上均优于常规差分进化算法和常规粒子群算法。其结果验证了该模型和算法的有效性,为电力系统安全经济运行提供了参考。     

求解多输入多输出检测新算法——遗传粒子群优化

设计两种基于粒子群优化算法(PSO)和基于遗传算法(GA)的多输入多输出(MIMO)系统检测算法.提出一种新的融合GA和PSO进化机制的遗传粒子群进化(GPSO)算法,并将其应用于MIMO系统检测问题求解.新算法改善了初始化种群,并将每一代粒子划为精英粒子、次优粒子和糟糕粒子三部分,对这三种粒子分别采用极值扰动、PSO...     

基于模拟退火思想改进的粒子群算法求解背包问题

针对典型的背包问题,给出了一种基于粒子群算法的求解方法。考虑到粒子群算法在解决问题时容易陷入局部最优的缺点,将模拟退火（SA）思想引入到了粒子群算法中,得到了粒子群——模拟退火算法。该算法保持了粒子群算法原有的简单易实现特点,同时改善了粒子群算法易陷入局部最优的缺点。实验结果表明,该算法具有较好的求解质量。     

Blind signals separation with genetic algorithm and particle swarm optimization based on mutual information

Blind source separation technique separates mixed signals blindly without any information on the mixing system. In this paper, we have used two evolutionary algorithms, genetic algorithm and particle swarm optimization for blind source separation. In these techniques a novel fitness function that is based on the mutual information and high order statistics is proposed. In order to evaluate and compare the performance of these methods, we have focused on separation of noisy and noiseless sources. Simulations results demonstrate that the proposed method for employing fitness function has rapid convergence, simplicity and a more favorable signal to noise ratio for separation tasks based on particle swarm optimization and continuous genetic algorithm than binary genetic algorithm. Also, particle swarm optimization enjoys shorter computation time than the other two algorithms for solving these optimization problems for multiple sources.     

相干信源波达方向估计的广义最大似然算法

论文基于广义导向矢量和广义阵列流形矩阵,建立了多相干源(组)情况下的阵列数据模型,然后提出了波达方向估计的广义最大似然算法。对于广义最大似然算法,入射信源可以是多相干源(组),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。随后,论文将广义最大似然算法与常规最大似然算法进行了理论比较,并给出了广义最大似然竹法方位估计一致性的证明和方位估计方差的计算公式。理论分析表明,在空间只存在非相干信源时,广义最大似然算法与常规的最大似然算法是等价的,而在空间存在多相干源(组)时,它的性能较常规最大似然算法有较大的改进,方位估计的方差更小。最后论文利用遗传算法实现了广义最大似然算法,并通过MonteCarlo仿真实验证明了广义最大似然算法的有效性。     

基于互信息下粒子群优化的属性约简算法

最小属性约简是粗糙集理论中属性约简的优化问题.在寻找最小属性约简的问题上,基于粒子群优化的属性约简算法（ARPSO算法）优于传统的属性约简算法.在现有的ARPSO算法中,正域部分通常被作为启发式信息,但是它并不能够很好地衡量不确定性,而互信息是粗糙集理论中一种更有效的度量不确定信息的重要工具.为此,提出基于互信息下的粒子群优化的属性约简算法（MIPSO算法）,该算法把互信息作为适应度函数,通过增强粒子能迅速靠近吸引子的这一特性,改进了内嵌区域震荡搜索的粒子群优化算法（简记为RSPSO算法）,防止算法较早的陷入局部最优,使得粒子群中的粒子更快的找到最优值,因此使得算法尽可能实现全局收敛.实验结果表明,该算法不仅提高了寻优的能力,加快了算法的速度,提升了算法的精度,而且也能够使得约简后剩余属性的互信息值与约简前所有属性的互信息值近似相等.     

Investigation on the evolutionary algorithms with their applications in MIMO detecting systems

In this paper, with the purpose of integrating the advantages of both the genetic algorithm and the particle swarm optimization, a new genetic particle swarm optimization (GPSO) algorithm is proposed. Furthermore, these three evolutionary algorithms are successfully applied to address the MIMO detection problem. Simulation results reveal that the GPSO‐based detection algorithm takes much less population size and iteration number when compared with the particle swarm optimization‐based detection method and the genetic algorithm‐based detection method. Besides, when compared with the optimal maximum likelihood detection method, the GPSO‐based detection algorithm can strike a much better balance between the BER performance and the computational complexity. Copyright © 2012 John Wiley & Sons, Ltd.     

基于进化计算的二元序列优化算法研究

具有良好非周期自相关特性二元序列在通信同步、雷达等领域具有广泛的应用。通过对遗传算法、粒子群算法与量子粒子群算法三种进化算法进行对比分析,设计了具有良好非周期自相关特性的二元序列的搜索算法。研究结果表明,粒子群算法的搜索能力优于遗传算法,而量子粒子群算法具有参数少,易于控制的优点,取得了较好的优化结果。     

基于VB和Access的温度采集系统的设计与实现

针对函数优化问题,提出了一种基于离差平方和法的粒子群优化算法。该算法用混沌序列初始化粒子的位置和速度,选择好于粒子群优化算法产生的粒子位置。通过离差平方和法进行聚类,利用分类方式来更新粒子的速度。最后将算法应用到3个典型的函数优化问题中,数值结果比较表明,提高了算法搜索能力,全局最优解的精度和收敛速度。