小型阵列宽带恒定束宽波束形成器仿真研究

关于优化宽带恒定束宽波束形成,是阵列小型化和对低频宽带信号探测的核心问题.为了研究阵元间距小于四分之一波长的线列阵的宽带恒定束宽波束形成器设计,提出了FIR滤波器的适用于小型传感器阵列的时域恒定束宽波束形成方法,分析了频域和时域宽带波束形成的特点,进行了时域宽带恒定束宽波束形成器的设计.根据最小均方准则,求出了频域子带波束形成加权向量,使工作频带内各子带波束主瓣趋近于期望波束,同时控制工作频带内波束旁瓣响应幅度,波束图主瓣形状设计与期望频率响应FIR滤波器的设计问题都转化为二阶锥规划方法,从而实现工作频带内的恒定主瓣束宽.通过仿真证明,改进方法可使密排阵列在2000Hz ～ 4000Hz工作频段范围内具有恒定束宽的方向特性.     

基于改进遗传算法的自动组卷问题的研究

自动组卷优化问题的研究,由于题库组卷的随机性,难度很大。针对传统遗传算法在自动组卷中存在的未成熟收敛和收敛速度慢等问题,为了快速可信地组卷,提出了一种改进的遗传算法。该算法采用模拟小生境法选择算子进行种群选取,并对交叉算子和变异算子进行了优化,实现了交叉和变异概率的非线性自适应调整。进行仿真实验,结果证明,改进的遗传算法在组卷的有效性、稳定性和收敛速度等方面有显著的提高,更能有效解决自动组卷问题,具有较好的使用性能和实用性,能够极大的满足用户组卷的需求。     

基于遗传算法的MIMO发射接收阵列联合优化研究

为了对MIMO发射接收阵列进行联合波束优化,提出了一种采用遗传算法对MIMO收发阵列联合优化的方法.分析了MIMO发射接收阵列联合优化的必要性,建立了MIMO稀疏阵列信号模型,给出了MIMO稀疏阵虚拟收发波束形成的方法.提出了基于遗传算法的MIMO阵列优化方法,包括适应度函数设计、编码以及交叉变异方法等,优化目的为保持主瓣宽度不变的情况下,尽可能抑制旁瓣水平.仿真结果表明了该算法的有效性.     

共形球面天线阵列的宽凹陷波束赋形与凹陷测量技术

针对干扰方向在某个角度区域内不能精确估计的工程实际问题,可应用宽凹陷波束赋形技术提高信噪比。根据共形球面天线阵列的阵元位置分布,提出了一种适用的宽凹陷波束赋形和凹陷宽度计算机测量技术。建立了该优化问题的适应度函数模型并应用遗传算法优化设计了赋形波束,仿真结果论证了遗传算法进行波束赋形和测量的有效性和稳健性,并拟订了波束凹陷宽度的计算机测量系统。     

基于改进遗传算法的机器人路径规划

文中提出一种基于改进遗传算法的移动机器人路径规划方法,将复杂的二维编码问题简化为一维编码问题,优化改进标准遗传算法的选择算子和交叉算子,引入路径规划特定的遗传算子(修正算子),最后以移动机器人行走路径最短作为适应度函数进行遗传优化.此算法克服了标准遗传算法的早熟收敛、运算结果稳定性差等问题,提高遗传算法的进化效率.仿真实验结果验证了该算法在移动机器人路径规划中的可行性和有效性,以及规划结果的稳健性.     

基于自适应遗传算法的改进及实现

遗传算法是一种应用于优化问题的启发式算法,对求解简单问题的全局最优解具有很好的收敛性,但求解复杂优化问题则容易出现过早收敛、稳定性差等现象。为解决上述问题,论文提出了一种自适应遗传算法的改进方法,分别优化了交叉概率和变异概率的计算方式,并运用经典测试函数对该算法进行了验证,分析了此改进的优缺点。实验结果表明,改进后的自适应遗传算法比标准遗传算法可以更好地避免进化初期的停滞、过早收敛现象,具有更高的稳定性。     

改进遗传算法PID参数整定及在漂白温度控制中的应用

遗传算法（GA）是一种基于群智能的全局随机优化算法。针对简单遗传算法（SGA）收敛速度慢、易于早熟等缺点,采用改进的自适应交叉算子和自适应变异算子。结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID参数进行寻优整定。并将该控制器应用于纸浆漂白温度控制中,仿真结果表明：改进遗传算法能够明显改善收敛速度和寻优效果,当被控对象存在较大纯滞后、时间常数特性较大时,采用本方法优化PID控制器参数可获得比较满意的控制效果。     

基于成长算子的改进遗传算法及仿真

模拟生物界成长发育过程,加入成长算子对遗传算法框架进行改进,形成新的算法框架-成长遗传算法(growth GA)．该算法能够克服简单遗传算法寻优速度较慢、局部搜索能力较弱的缺点．利用爬山法局部搜索能力强的特点,给出成长算子的一种具体实现,并证明加入成长算子不改变算法收敛性．与简单遗传算法和确定性拥挤遗传算法的对比函数优化实验证明:成长遗传算法有利于兼顾寻优速度和收敛精度．     

一种基于引向因子和反向搜索的改进遗传算法

针对标准遗传算法应用于数值优化时存在收敛缓慢、易早熟收敛及收敛精度低的问题,提出了一种改进的遗传算法,对标准算法的交叉算子进行了改进——加入了引向因子,使参与交叉的个体向着最佳个体靠近,同时,还加强了群体之间的信息共享机制,使交叉运算中个体搜索方向受到更多个体的影响,使得算法不易陷入局部收敛.并将反向搜索技术结合到上述改进遗传算法之中,增加了算法探索新的解空间的能力,从而提高算法的全局搜索能力,改善了全局解的精度.最后,使用改进后的算法对5组典型的复杂测试函数进行优化,将优化结果与标准算法优化结果进行对比,结果表明改进的算法有效地克服了标准遗传算法应用于数值优化时存在收敛缓慢、易早熟收敛及收敛精度低的问题.     

智能天线中的干扰抑制算法研究

智能天线技术是是第三代移动通信系统采用的抗干扰关键技术.智能天线技术研究的核心是波束赋型的算法,但各种算法均存在计算量大和收敛速度较慢等缺点,如何提高系统性能成为一个重要课题.提出了一种新的用于智能天线中抑制干扰的波束形成算法,阐述了阵列天线波束形成的最佳权向量技术和估计信号波达方向的改进MUSIC算法,并对其进行了仿真实验.理论分析及仿真结果表明,与目前其它方法相比,具有空间分辨力高、计算量小、稳健性好等优点,有较强的实用性.