认知引擎中决策方法的研究

认知无线电(Cognitive Radio,CR)技术通过智能的频谱管理来解决频谱资源"短缺"问题,它能够感知到授权用户的空闲频谱,并有效地加以利用,从而减少与授权用户的冲突。现有无线电参数调整策略无法根据环境变化和用户需求进行智能调整,认知引擎中的决策方法能够解决该问题。遗传算法(Genetic Algorithm,GA)和二进制粒子群算法是实现认知引擎决策的典型算法,在对2种算法进行了介绍之后,仿真比较了2种算法在性能方面的差异。     

基于自适应遗传算法的稀布阵天线优化

稀布阵能够以较少的天线单元,通过稀布的方式和先进的处理算法获得与传统等间距阵相当的孔径效能,降低了系统的硬件成本,具有灵活布置的优点、重要的研究意义和应用价值。稀布阵与同口径满布阵相比副瓣电平较高。文中提出了一种基于自适应遗传算法的稀布阵列综合优化方法。该算法采用实值编码方式,引入自适应遗传算子,有效提高了优化效率,避免陷入个体早熟及局部收敛,得到了更低的副瓣电平。给出了具体实现步骤以及仿真实例,结果表明,采用自适应遗传算法,得到了更低的稀布阵天线副瓣电平。     

遗传算法在天线阵自适应算法中的应用

本文采用一种新的基于遗传法的天线阵列的自适应算法。根据实际的硬件限制,不改变阵列的幅度加权,而通过遗传算法对相位加要权作全局优化。为减小对天线方向图的破坏,并希望在干扰源来波方向实时置零,因而采用只优化搜索数字移相器的最后几位,计算机模拟结果证实了这种方法的有效性。     

基于自适应免疫遗传算法的多序列比对

针对多序列比对问题提出一种基于自适应免疫遗传算法的多序列比对方法。为了保持群体中个体的多样性，以及加快算法的收敛速度，该算法中交叉概率和变异概率根据群体的多样性自适应调整，并且在选择免疫算子时采用择优策略，将免疫算子引入到自适应遗传算法中，通过对个体接种疫苗来进一步提升个体的存活能力。     

认知无线网络认知决策引擎技术研究

随着无线通信技术的快速发展,旨在提高频谱利用率的认知无线电技术得到了极大的发展,同时出现了认知无线电网络,而认知决策引擎正是其实现智能动态资源配置、参数优化的关键技术。文章介绍了基于物理层的以智能优化算法为主的认知决策引擎;此基础上,对神经网络、模糊规则、多目标优化、博弈论等跨层优化算法的应用进行了介绍;最后对认知无线电网络认知决策引擎的进一步发展进行了探讨。     

免疫遗传算法及认知无线电参数优化决策

根据感知的频谱环境变化及时优化并调整无线电参数是认知无线电的关键技术之一,也是一个复杂的非线性多目标优化决策问题。遗传算法是最适合优化问题的,但当遗传算法应用于优化问题时存在过早收敛问题。提出了基于遗传算法和人工免疫系统相结合的免疫遗传算法（IGA）来克服以上问题。由于在GA算法中引入了免疫系统中抗体和抗原的概念并在每一次迭代中丢弃亲和力较大的抗体,有效地防止了GA中过早收敛现象。最后,用免疫遗传算法来解决认知无线电的参数优化问题。仿真结果表明,免疫遗传算法可以迅速达到最优决策。     

认知无线电中的混合认知引擎设计

为了提高认知引擎的性能,更好地实现认知无线电系统参数的智能调整,设计了一种混合认知引擎,综合运用多种人工智能方法实现认知引擎的推理、学习、优化和决策等功能。分析了经典认知引擎模型和人工智能在认知引擎中的应用情况,构建了混合认知引擎的功能结构框图,讨论了混合认知引擎的工作机理和技术特点。分析表明,混合认知引擎具有较强的灵活性和鲁棒性。     

遗传算法在天线阵自适应算法中的应用

本文采用一种新的基于遗传算法的天线阵列的自适应算法。根据实际的硬件限制,不改变阵列的幅度加权,而通过遗传算法对相位加权作全局优化。为减小对天线方向图的破坏,并希望在干扰源来波方向实时置零,因而采用只优化搜索数字移相器的最后几位。计算机模拟结果证实了这种方法的有效性。     

自适应遗传算法在DOA搜索中的应用

由于DOA参数估计中的搜索算法无法满足实时性的要求,本文提出在空间谱估计中使用遗传算法来提高搜索速度。鉴于传统遗传算法存在收敛速度慢和早熟的问题,本文选用自适应遗传算法。文中对遗传过程中初始群体选取、选择、交叉和变异的各阶段进行了改进,并解决了收敛速度慢和早熟的问题。最后通过计算机仿真进一步证明算法的有效性和鲁棒性。     

认知引擎技术

认知无线电（CR）是一种智能的无线电通信系统,其智能主要来自于认知引擎。认知引擎基于软件无线电平台,引入人工智能领域的推理与学习方法,实现认知环路,从而实现CR的感知、自适应与学习能力。认知引擎的要素包括建模系统、知识库、推理机、学习机和各类接口,涉及到知识表示、机器推理和机器学习等关键技术。     

基于免疫遗传算法的自适应图像分割方法

提出了一种基于免疫遗传算法的图像分割新方法。利用生物免疫系统自调节、抗原识别和记忆功能,结合遗传算法对图像进行自适应区域阈值分割,试验结果表明该方法能够克服传统闽值方法对目标大小的限制,是一种有效的图像分割新方法。     

Clustering via dimensional reduction method for the projection pursuit based on the ICSA

The performance of the classical clustering algorithm is not always satisfied with the high-dimensional datasets, which make clustering method limited in many application. To solve this problem, clustering method with Projection Pursuit dimension reduction based on Immune Clonal Selection Algorithm (ICSA-PP) is proposed in this paper. Projection pursuit strategy can maintain consistent Euclidean distances between points in the low-dimensional embeddings where the ICSA is used to search optimizing projection direction. The proposed algorithm can converge quickly with less iteration to reduce dimension of some high-dimensional datasets, and in which space, K-mean clustering algorithm is used to partition the reduced data. The experiment results on UCI data show that the presented method can search quicker to optimize projection direction than Genetic Algorithm (GA) and it has better clustering results compared with traditional linear dimension reduction method for Principle Component Analysis (PCA).     

基于免疫克隆算法的认知无线电多信道联合感知方法

该文研究了认知无线电多信道联合感知的数学模型,并将此模型转换为以认知系统总吞吐率最大化为目标的带约束优化问题,进而提出一种基于免疫克隆的多信道联合感知算法。仿真实验表明所提算法在收敛速度以及稳定性上均明显优于已有的基于遗传算法的感知方法,并且所提算法在对主用户造成相同的干扰条件下能提供更高的系统总吞吐率。     

基于免疫克隆与核匹配追踪的快速图像目标识别

为了避免核匹配追踪通过贪婪算法在基函数字典中寻找一组基函数的线性组合来逼近目标函数的计算量大的缺陷,本文利用免疫克隆选择算法全局最优和局部快速收敛的特性,加快对核匹配追踪算法每次的匹配过程进行优化,提出了一种免疫克隆核匹配追踪图像目标识别算法,该算法有效降低了核匹配追踪算法的计算量,对UCI数据集和遥感图像进行的仿真实验结果表明,相比标准核匹配追踪,该算法保持相当识别率情况下可以明显缩短一次匹配追踪的时间,尤其当字典规模较大时效果更为明显;同基于遗传算法优化相比,本文方法目标识别速度快,精度高。     

基于猴王遗传算法的演化硬件

演化硬件作为新的硬件载体,具有自组织、自适应、自修复的能力。本文设计了一种由查找表(LUT)和D触发器构成的基本演化硬件单元,能够满足组合逻辑电路和时序逻辑电路的设计要求。同时设计了兼容组合逻辑电路和时序逻辑电路的适应度评估函数。利用该模型对基于遗传算法的演化硬件和基于猴王遗传算法的演化硬件参数进行了优化设计。分析表明遗传算法的变异概率 取值应在0~0.01之间,交叉概率对算法的性能影响可以忽略;猴王遗传算法的保留概率 取值应在0~0.85之间,变异概率 应在0~0.01之间。对比分析了遗传算法和猴王遗传算法的性能：基于猴王遗传算法演化硬件的运算量只有基于遗传算法演化硬件的1/4,且能得到更接近目标电路的电路结构。     

ALGA在岸基导弹航路规划中的应用研究

针对基本遗传算法(GA)易局部收敛的缺陷,设计了基于模式搜索的自学习算子,提出一种基于模式搜索的自学习遗传算法(ALGA).通过仿真测试函数将ALGA与基本遗传算法、自适应遗传算法(AGA)进行比较,显示改进的ALGA提高了算法的综合搜索能力.将改进的ALGA运用到岸基导弹航路规划中,并进行仿真实验,仿真结果验证了改进算法的有效性.     

一种最小化编码节点的网络编码优化算法

网络编码能有效地提升多播网络的传输性能,但编码的引入增加了节点的计算开销。为了克服网络编码带来的额外开销,该文提出了在代数网络编码框架下的网络编码优化模型,并在此模型基础上给出了基于改进遗传算法的最小化编码节点算法-(MCN,Minimizing Coding Nodes)。MCN在简单遗传算法的基础上增加了一些新的策略,避免了局部性问题和降低了算法寻优时间。模拟实验结果表明,MCN是有效的而且运行的更快,输出的网络编码方案所需要的编码节点也更少。同时将MCN应用到具有实际意义的网络中,同传统的网络编码相比,吞吐率仍可达到25%以上,而网络的平均延迟和网络开销却大大减少。     

一种适用于任意峰度非高斯信号的多目标盲波束形成方法

该文提出了一种新的适用于任意峰度非高斯信号的多目标盲波束形成算法。该方法在最大峰度算法(KMA)的基础上,引入信号的互相关约束定义了一种新的代价函数。通过对该代价函数的最大化,来盲估计波束形成器的权向量,从而完成对多目标的分离和定向。由于波束形成过程不需要正交化处理,避免了波束形成器锁定噪声的可能性。同时,采用一种复数编码的遗传算法来求解权向量,不但可避免陷入局部极值的可能性,而且还能有效提高运行速度。仿真实验验证了该算法的有效性和正确性。