最小二乘法拟合大气激光雷达回波信号估算消光系数边界值

报道了一种使用最小二乘法拟合大气激光雷达回波信号，计算消光系数边界值的算法。对于无云层天气条件，利用最小二乘法对回波信号全程拟合获得大气消光系数边界值，在有云层天气下，先将激光雷达信号在大气中的传输光路分解为云层区和非云层区，忽略回波信号中的云层信息，并假设在非云层区大气近似均匀，利用最小二乘法拟合获得大气消光系数边界值。最后利用消光系数边界值求解激光雷达方程，反演获得大气消光系数，实际计算证明，用此算法可获得与实际更为接近的大气消光系数反演结果。     

改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测

为了提高网络流量的预测准确性,针对最小二乘支持向量机参数优化方法的缺陷,提出一种改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测模型。首先将最小二乘支持向量机参数作为粒子初始位置,然后通过粒子群之间信息交流、互相协作找到最优参数,并对惯性权重和学习因子进行改进,最后对网络流量数据进行重构,并采用最优参数的最小二乘支持向量机建立网络流量预测模型。实验结果表明,本文模型提高了网络流量的预测精度,并大幅度减少了训练时间,可以满足网络流量在线预测要求。     

基于PSO-LSSVM的振弦传感器温度补偿

针对振弦传感器测量精度受环境温度影响的问题,本文提出基于粒子群-最小二乘支持向量机的温度补偿方法。采用泛化能力好、收敛速度快、全局最优的最小二乘支持向量机,并引入粒子群算法对最小二乘支持向量机的两个参数进行优化,建立预测模型,进行温度补偿。实验表明:与BP神经网络算法相比,该方法提高了传感器的精度。     

基于PSO-LSSVM的过电压识别

为了获得理想的过电压识别结果,提出了粒子群优化算法优化最小二乘支持向量机参数的过电压识别方法。首先采用小波变换对过电压原始信号进行分解,提取过电压信号的特征量,然后将过电压信号的特征量作为最小二乘支持向量机的输入,建立过电压识别分类器,并采用粒子群优化算法估计最小二乘支持向量机的参数,最后采用实测的过电压数据进行仿真实验,测试其可行性。结果表明,本文方法可以对各种类型的过电压信号进行准确分类和识别,识别结果稳定,且过电压识别率要高于其它方法。     

Mie散射激光雷达回波信号处理方法

为了提高Mie散射激光雷达测量斜程能见度的精度,提出了一种回波信号处理的组合算法。首先,采用基于经验模式分解(EMD)的自适应算法,去除回波信号中的高频噪声,提高信噪比。其次,采用基于不动点原理的迭代算法进行消光系数的反演,它不需要准确的边界值就可计算消光系数均值,同时还能得到准确的边界值,可用于求取消光系数的分布。数值仿真表明:EMD算法比五点三次平滑去噪算法输出信噪比提高4.67 dB,不动点迭代算法比最小二乘法估算消光系数边界值算法反演得到的消光系数均值的相对误差减小31.50%,而迭代次数只有3~5次,因此该组合算法是有效的。     

基于PSO-AMLS的数据拟合方法在红外辐射计校准中的应用

针对红外辐射计标定中的数据拟合问题,提出了一种基于PSO-AMLS算法的数据拟合方法。该方法结合了粒子群算法(PSO)和自适应移动最小二乘法(AMLS)。采用的PSO算法可以实现自适应移动最小二乘法中参数的最优化,提高了红外辐射计的校准精度。区别于传统的应用于红外辐射计校准中的数据拟合方法,文中提出的基于局部近似的PSO-AMLS数据拟合方法,不仅可以得到红外辐射计输出电压与准直辐射源辐射之间的对应关系,而且在数据处理中通过灵活的数据处理机制,可以降低因拟合数据不均匀分布对拟合结果产生的不利影响。实验结果表明,文中提出的PSO-AMLS数据拟合方法,优于红外辐射计校准中所用的传统数据拟合方法,可以提高数据拟合精度。     

基于改进粒子群的RSSI定位参数优化算法

采用多种群最优值维度交叉法和动态惯性权重法相结合,实现粒子群算法的改进,提高算法收敛速度,降低早熟概率。将改进后的算法用于RSSI定位参数优化,实时修正无线信号传播模型,克服接收信号强度与实际传播距离受无线信号多径效应的影响没有固定一致变化关系的问题。仿真结果表明,此方法相比基于粒子群的RSSI定位方法、基于多种群粒子群的RSSI定位方法和传统的最小二乘曲线拟合的RSSI定位方法,能够有效提高室内三维定位精度。     

机载测风激光雷达下视VAD反演及算法仿真

为了研究机载测风激光雷达对机下空域3维风场分布进行探测的问题,基于陆基测风激光雷达建立风场模型,采用Levenber-Marquardt(LM)最小二乘法优化径向速率,与传统反演算法进行了仿真对比.结果表明,机载测风激光雷达的工作原理和扫描方式与陆基测风激光雷达类似,不同的是,机载测风激光雷达不仅受飞机速度干扰,而且存在飞机飞行状态不稳定性影响、地球曲率影响、地面强散射回波干扰、地面杂波干扰等特有误差来源,使得风场反演难度更大;而LM最小二乘法具有Newton-Gaussian最小二乘法的快速收敛特性和梯度下降法的保证收敛特性,能满足风场快速和准确的反演.相关结果对测风激光雷达的优化具有参考价值.     

用于中频SAWF的本征窗最小二乘设计

提出了将本征窗函数法和数学上的最小二乘原理相结合的声表面波滤波器设计方法。该方法具有本征函数法和窗口函数法的优点,同时又采用了最小二乘法来提高设计精度。减小了叉指条数,并可以实现高的阻带衰减。     

PSO优化SVM的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题,提出一种粒子群优化(PSO)算法和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先,将平滑处理后的陀螺数据作为样本点,采用基于径向基核函数的支持向量机方法构建漂移模型,把数据从低维空间映射到高维空间,并进行线性拟合,保证泛化能力。然后,利用粒子群算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化,避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明:经PSO调节支持向量机算法补偿后,陀螺输出精度更高;与最小二乘法、BP神经网络法相比,陀螺输出数据方差分别减小了81.3%和57%,最大误差分别减小54.7%和48.5%。     

基于基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先,对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的,但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力,对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。     

基亏基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先。对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的。但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力。对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。     

优化粒子群算法在组合供热负荷预测中的应用

分析了粒子群算法和组合预测的特点。将组合预测和粒子群算法结合,建立了一种组合形式的供热负荷预测模型。同时针对粒子群算法易于陷入局部最优解、进化后期收敛慢等缺点对粒子群算法进行改进,解决了组合预测中权重难以确定的问题。改善了预测模型的拟合能力,提高了预测精确度。最后选取大庆油田某一天供热数据作为测试数据,结果表明组合预测误差较小,精确度高于其他单项预测方法40%以上。     

基于PSO和LM的信号稀疏分解快速算法

传感矩阵和重建算法的性能分析和优化是目前压缩传感领域研究的热点。针对匹配追踪算法在信号稀疏分解中计算量巨大的难题,提出了一种交替使用粒子群算法和LevenbergMarquardt算法的混合智能算法来寻找最佳原子。首先利用粒子群算法得到群体最优解,再以该解作为LM算法的初值,交替使用两种算法,直至发现满意的最优解。数值分析表明,新算法克服了粒子群算法过早收敛于局部极值和LM算法依赖初值的问题,保证了求解的速度和精度。     

考虑多次散射的卷云几何特征和光学特性反演方法

研究了考虑多次散射的卷云几何特征和光学特性反演方法,对反演卷云高度和卷云激光雷达比的方法进行了改进。采用多次散射因子对卷云消光系数曲线进行修正,选取云底及云顶附近高度消光系数变化率的均值求解云层高度修正误差,对微分零交叉法求解得到的卷云高度进行修正,实现了较为精确的激光雷达云层高度反演。采用以边界值处消光系数和卷云光学厚度为约束条件的粒子群算法,求解卷云有效激光雷达比,选用半解析Monte Carlo方法,计算总散射信号与一次散射信号的比值,并结合Platt多次散射因子方程求得多次散射因子,实现了卷云激光雷达比的准确求解。使用Mie散射激光雷达真实回波信号进行了验证。结果表明,该改进方法具有较高的精度,更具应用价值。     

基于信号稀疏分解的毫米波主动探测

基于信号稀疏分解的Gabor时频原子库,将毫米波主动探测回波信号进行分解与重构,提取原子的时频参数作为其特征信息,并用改进的混合粒子群算法克服计算量过大难以实现的问题。实验表明,文章所提方法利用少数的原子就可以表示回波信号的主要特征,为目标回波信号的分类和识别提供了依据。     

一种基于PSO的改进型多智能体遗传算法

通过将多智能体系统加入基本的粒子群算法（PSO）,提出了一种新的函数优化方法——多智能体遗传PSO算法（MAGPA）。该方法将智能体固定在网格上,而每个智能体通过邻域的竞争和合作,随机交叉操作,变异操作,再联合PSO的进化机制,不断地感受局部环境,逐步影响整个智能体网格,以增强对环境的适应度。该算法可以有效地保持智能体的多样性,提高优化的准确性。     

区域分割的自适应变异粒子群算法

为了提高粒子群算法（PSO）的收敛性及多样性,提出一种基于区域分割的自适应变异粒子群算法（RSVPSO）.算法采用区域分割的思想,利用粒子间信息交叉,使粒子搜索区间快速缩小;同时在迭代后期与自适应变异策略相结合,提高粒子跳出局部最优陷阱的能力和增强粒子多样性,达到寻优的目的.将所提出的算法应用于8个测试函数,并与精英免疫克隆选择的协同进化粒子群等算法进行比较,结果表明,新算法在收敛速度、搜索精度及寻优效率等方面有较大提高.     

一种基于粒子群优化方法的改进量子遗传算法及应用

本文采用粒子群优化(PSO)方法代替量子门来更新量子比特状态,得到一种改进的量子遗传算法(QGA)——PSQGA,并根据QGA自身概率特性,引入了最优解方差函数来评价该算法的稳定性能.利用四种典型连续函数寻优问题和0/1背包问题,分别对PSQGA和改进的使用量子门的量子遗传算法(IQGA)进行了测试;并将它们应用到图像稀疏分解的实例中.结果表明,PSQGA算法的寻优能力及稳定性均优于IQGA,且具有更好的收敛性以及更强的连续空间搜索能力,适合于求解复杂优化问题.     

基于混沌粒子群算法的宽零陷方向图综合方法

自适应阵列天线常需要采用宽零陷技术,以增强阵列天线抗干扰的稳健性。为此,提出了一种基于混沌粒子群算法（CPSO）的阵列天线宽零陷方向图综合方法。该算法首先采用混沌序列初始化粒子位置,以增强搜索多样性,并在对部分非优胜粒子的位置更新时引入混沌扰动项,在每次迭代中对全局最优位置进行变尺度混沌优化,提高了全局和局部搜索能力,加快了收敛速度。仿真结果验证了混沌粒子群算法在阵列天线宽零陷方向图综合时的收敛速度和精度方面均优于标准粒子群算法。