基于广义回归神经网络的面罩语音矫正研究

为了提高面罩语音的清晰度和可懂度,提出一种基于广义回归神经网络(GRNN)对线谱对(LSP)参数进行非线性建模的面罩语音矫正方法。分别提取正常语音和面罩语音的LSP参数,其次利用LSP参数对GRNN进行训练,得到矫正模型,将面罩语音的LSP参数通过矫正模型进行修正,并将结果作为参数用来合成新的语音。实验结果表明,利用GRNN训练出的矫正模型能够有效地调整面罩语音的LSP参数,在一定程度上能够恢复其频谱分布。     

基于单纯形法的量子粒子群优化算法

针对粒子群优化算法容易陷入局部极值点,进化后期收敛慢和优化精度较差等缺点,提出了将单纯形搜索法与量子粒子群算法混合的改进算法,更好的平衡了全局搜索和局部搜索能力.仿真结果表明,该算法效率高、优化性能好,其性能远远优于一般的粒子群算法与量子粒子群算法.     

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。     

基于量子自适应粒子群优化径向基函数神经网络的网络流量预测

该文提出一种量子自适应粒子群优化算法,该算法中,粒子位置的编码采用量子比特实现,利用粒子飞行轨迹信息动态更新量子比特的状态,并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络,实现了径向基函数(RBF)神经网络参数优化,建立了基于量子自适应粒子群优化RBF神经网络算法的网络流量预测模型。对真实网络流量的预测结果表明,该方法的收敛速度和预测精度均要优于传统RBF神经网络法、粒子群-RBF神经网络法、混合粒子群-RBF神经网络法和自适应粒子群-RBF神经网络法,并且预测效果不易受时间尺度变化的影响。     

小波分析和粒子群优化神经网络的语音端点检测

为了提高语音端点检测的适应性和鲁棒性,提出一种小波分析和粒子群优化神经网络（WA -PSO -BP）的语音端点检测算法。首先利用小波分析提取语音信号的特征量,然后将特征量作为输入BP神经网络进行学习,并采用粒子群算法优化BP神经网络参数,从而建立语音端检测模型。仿真结果表明,WA -PSO -BP提高了语音端点检测正确率,有效降低了虚检率和漏检率。这说明WA -PSO -BP是一种可行性较高,环境适应性较强的语音检测算法。     

基于量子粒子群优化的最优障碍路径分析

针对障碍环境下空间最优路径分析问题,提出了一种基于量子粒子群优化的空间最优路径分析方法.该方法采用栅格法进行环境建模,利用量子粒子群优化算法参数少、收敛速度快、鲁棒性好、能够较好地收敛于全局最优点等优点,搜索一条无障碍路径.仿真实验结果验证了该方法的有效性,是在障碍环境中寻找一条空间最优路径的一种较好的方法.     

基于量子粒子群算法的MIMO 信道容量优化

MIMO技术是一种很有潜力的新一代无线通信领域的关键技术,其高信道容量是最具吸引力的地方,但是其信道容量的实现受到多种因素的影响。综合考虑影响其容量的各个环节,仔细分析了其中几个关键因素并给出了相应的仿真。为了最大限度地实现高信道容量,依据量子粒子群优化算法,结合理论分析给出了惩罚函数,并构造了基本粒子,这样根据迭代函数就可以求出最佳粒子,依照此最佳粒子就可以合理优化设计MIMO系统。     

基于优化广义回归神经网络的目标威胁评估

目标威胁评估是进行空战任务规划的重要一环。针对传统评估模型中指标信息的不确定性和模糊性,以多机空战编队整体为出发点,提出了优化广义回归神经网络的目标威胁评估模型及算法。该优化算法通过遍历散布系数区间内的值,能迅速找到最优散布系数从而使模型达到最优仿真输出结果。考虑到目前空战多以编队作战为主,选择目标对我方编队整体的威胁程度作为评价指标,提高了评估结果的可靠性。最后通过引入实例,验证了该优化模型的有效性和正确性。     

基于粒子群优化BP神经网络的脉象识别方法

针对传统脉诊存在易受主观因素影响、诊断结果可靠性不高等问题,提出基于粒子群优化BP神经网络的脉象识别方法。粒子群算法中评判粒子好坏的适应度函数采用神经网络的输出误差,以此获得最优粒子的位置向量,并把其值作为BP神经网络的初始权值和阈值。在Matlab中建立基于BP算法、PSO-BP算法和GA-BP算法的三种ANN模型用于脉象信号的识别。实验结果表明,在识别脉象时,优化后的算法降低了传统BP神经网络的输出误差,提高了识别精度,PSO-BP算法明显改善了传统BP神经网络的泛化能力。     

基于粒子群优化的神经网络训练算法研究

本文提出了基于连接结构优化的粒子群优化算法(SPSO)用于神经网络训练,该算法在训练神经网络权值的同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力.经SPSO训练的神经网络应用于Iris,Ionosphere以及Breast cancer模式分类问题,能够部分消除冗余分类参数及冗余连接结构对分类性能的影响.与BP算法及遗传算法比较,该算法在提高分类误差精度的同时可加快训练收敛的速度.仿真结果表明,SPSO是有效的神经网络训练算法.     

基于量子粒子群算法的移动节点覆盖优化

提出了基于量子粒子群的无线传感器网络覆盖优化算法.由于在量子空间中粒子满足集聚态性质完全不同,使得该算法可以在整个可行区域内搜索.全局搜索能力远远优干基本粒子群,克服了粒子群算法容易陷入局部最优的缺点.仿真结果表明,该算法比基本粒子群算法拥有更好的覆盖优化效果。     

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。     

基于混沌优化的双种群量子粒子群算法

提出了一种基于混沌优化的双种群量子粒子群算法(BCQPSO)。算法利用混沌序列随机生成两个种群,在子种群中惯性权重分别采用不同的更新策略,并通过种群间的融合和变异进行信息交互,提高了算法的收敛速度和解空间的遍历范围。仿真实验结果表明,所提算法具有很好的搜索能力和优化效率。     

基于量子粒子群优化的SVM的模拟电路故障诊断

相比于小波变换,小波包变换具有较高的分辨率和细致的分析能力,是小波变换的延伸和发展。支持向量机具有较好的泛化能力,能够应用于模拟电路的故障诊断。鉴于支持向量机参数难以确定的问题,采用量子粒子群优化算法选取支持向量机的参数,将优化后的支持向量机与小波包变换相结合,利用小波包变换提取电路的故障特征,然后通过优化后的支持向量机对特征向量进行分类识别。最后通过对实例的分析,验证该方法的有效性。     

基于粒子群算法优化神经网络的电子音乐分类模型

针对基于神经网络算法构建的电子音乐分类模型容易陷入局部最小值问题,分类精准度低,提出基于粒子群算法优化神经网络的电子音乐分类模型。构建模型时需先收集多种类型原生态电子音乐数据,去噪处理收集到的电子音乐数据,分帧和端点检测去噪后的电子音乐,从检测到的有效电子音乐信号中提取电子音乐的时域、频域方差特征和短时能量特征,采用灰色关联分析方法确定三种特征对电子音乐分类的贡献,加权操作上述特征,将加权后的三种特征作为粒子群算法优化的神经网络输入部分,通过优化后的神经网络输出电子音乐分类结果。经过实验分析发现,该电子音乐分类模型对10种电子音乐类型的分类结果与实际电子音乐所属类别相同,分类精准度较高。     

基于量子粒子群优化的短波相控阵天线的激励优化研究

为加强短波装备远距离通信和电子对抗的干扰能力,须提高近地架设的宽带短波相控阵天线的性能,该文首先利用矩量法建立分析天线阵列的基本框架,然后再结合空域格林函数将天线剖分子模的辐射场分解成自由空间部分和含索末菲积分的部分,前者可以直接得到闭式表达,后者采用二级离散复镜像方法得到近似解,经过处理,阻抗矩阵填充速度极大提高。然后基于阻抗矩阵,结合网络理论并利用量子粒子群优化方法(QPSO)对阵列的激励相位进行优化,以控制波束指向和提高增益,能够在电离层参数随时空变化情况下,灵活地完成点对点天波传播,有较高的实际应用价值。     

基于粒子群优化支持向量机的语音情感识别

提出一种基于粒子群优化算法的支持向量机网络,并把它应用到语音情感识别系统中。依据情感的维度空间模型,研究分析情感语音数据的韵律特征与音质特征。利用粒子群优化算法(PSO)训练网络的超参数以优化支持向量机模型,可快速地实现网络的收敛。最后在实验中比较线性核函数SVM、径向基核函数SVM与粒子群优化径向基SVM分别用于语音情感识别的识别率,结果显示粒子群优化径向基核SVM模型用于语音情感识别能获得明显的识别性能的提升。     

基于量子粒子群优化算法的光纤光栅参数重构

提出了一种基于量子粒子群优化算法的光纤光栅参数重构方法。该方法通过传输矩阵法得到优化目标函数,并将待优化的光纤光栅参数以粒子表示,再让粒子在解空间模拟量子行为进行搜索。以均匀布拉格光栅和线性啁啾光纤光栅为例,分别采用遗传算法(GA)、经典粒子群优化(PSO)算法以及量子粒子群优化(QPSO)算法对其进行参数重构。与传统粒子群算法及遗传算法相比,该方法借鉴了量子行为,具有更好的收敛性能和稳态性能。数值结果表明,种群规模为40时,针对均匀和非均匀光栅分别进化100代和200代得到的重构参数误差均小于0.5%。     

基于广义回归神经网络的波束形成

针对阵列信号处理的特点,提出利用广义回归神经网络来实现无线通信中智能天线的波束形成,计算机仿真实验证明结果与理论结果相符,表明了该方法的有效性。