基于凸松弛全局优化算法的视觉测量位姿估计

针对参考点存在较大噪声时基于光束法平差的视觉测量位姿估计无法确保目标函数在全局极小处收敛,本文提出利用凸松弛（LMI）全局优化算法进行视觉测量全局最优位姿估计。利用归一化图像点和摄像机光心组成的正交投影矩阵,构造以旋转矩阵四元数为参数的物空间误差目标非凸多项式函数。对非凸多项式进行LMI,可以逼近其全局极小值,进而求解...     

基于K最短路径算法的轨迹关联应用研究

多目标跟踪可以通过轨迹关联来实现,这种方法具有很强的鲁棒性。然而,当处理多目标跟踪问题时,连接检测目标可能的轨迹簇是一个很难解决的优化问题。使用抽样或贪婪的动态规划方法不能保证得到全局最优解。利用此问题的特殊结构,可以把它重新规划为一个受约束的网络流模型的优化问题,并利用K最短结点不相交路径算法高效地解决,同时得到全局最优解。     

连续凸逼近加权自相关波形优化方法

针对雷达系统对距离向干扰抑制的需求，提出一种基于连续凸逼近的加权自相关恒模波形设计方法。由于原始问题的目标函数为不定二次型，无法直接求解，通过构造目标函数的上边界函数并对其最小化，获得原最小化优化问题的等效形式。同时，对非凸的恒模约束进行松弛处理，构建易于求解的凸优化模型。在此模型基础上，利用成熟优化工具对凸问题进行求解，并对最优解的幅度强制归一化得到恒模序列。通过数值仿真，将连续凸逼近算法与现有算法进行比较，验证了所提算法的可行性和快速收敛性。     

无源时差定位方程的半定松弛解法

针对基于到达时差量测的多站无源定位系统,提出了一种基于半定松弛的时差定位方程求解方法.该方法首先将关于目标位置估计的非凸二次优化问题转换成等价的非凸半定规划问题,然后通过秩1松弛得到一个凸优化问题,最后对松弛半定规划问题的最优解进行秩1近似,从而提取出最终的目标位置估计.计算机仿真结果表明这种松弛解法可以有效求解目标位置.     

多目标量子编码遗传算法

如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题。该文提出一种基于量子遗传算法的多目标优化算法,利用量子遗传算法的高效全局搜索能力,在整个解空间内快速搜索多目标函数的Pareto最优解,利用量子遗传算法维持解集多样性的特点,使搜索到的Pareto最优解在前沿均匀分布。通过求解带约束的多目标函数优化问题,对该文算法的多目标优化性能进行了考察,并与NSGAII,PAES,MOPSO和Ray-Tai-Seows算法等知名多目标优化算法进行比较,结果证明了该文算法的有效性和先进性。     

一种不平衡注意参数条件下的遗传协同学习算法

本文讨论了目标识别的协同方法在不平衡注意参数条件下的动力学行为,并提出了不平衡注意参数条件下的遗传协同学习算法(GSLA).该算法利用遗传算法的全局最优搜索能力,对协同神经网络的注意参数进行全局优化.对从"车牌识别系统"中得到的数字样本的实验证明:新算法能有效地在注意参数空间搜索全局最优解,挖掘出协同方法在目标识别方面的最大潜能.另外,本文还将新算法与利用奖惩学习算法的协同学习算法进行了全局优化能力的比较,发现新算法具有收敛快和全局最优搜索能力强的特点.     

一种新的 QoS 全局最优 Web 服务选择算法

针对运用单目标优化算法求解基于 QoS 的 Web 服务选择问题的不足,设计了一种新的 QoS 全局最优Web 服务选择算法.该算法同时优化组合服务的多维 QoS 属性的多个目标函数,并产生 QoS 全局最优的 Pareto 最优解集.首先建立服务选择问题的多目标优化数学模型,然后采用归档式多目标模拟退火设计该算法以优选 Web服务.实验结果表明了该算法是可行的,实现了全局 QoS 最优化的组合服务.     

802．11无线局域网中AP放置与信道配置的联合算法

在多小区无线局域网规划中,接入访问点(AP)放置与信道配置是两个重要的任务。在给定用户业务需求的条件下,谋求最大系统吞吐率和资源分配的公平性是网络规划的目标,其中公平性由吞吐率均衡因子表征。在传统的规划策略中,AP放置与信道配置被分割为两个先后的步骤;而该文提出的目标函数则将这两个问题联合解决以得到更好的系统性能。当采用全局遍历时,对目标函数寻求全局最优解计算量庞大;因此该文又提出了一种有效的局部最优解搜索算法补丁算法,此算法计算量小,同时能较好地逼近全局最优解。     

非线性回归模型参数估计的区间分析方法

现有很多方法都属局部搜索方法,不能保证得到问题的全部全局最优解,而基于区间分析的区间全局优化算法则能在给定精度范围内求出问题的全部全局最优解,并能给出满足要求的包含最优解的任意小区间。基于此,给出了非线性回归模型参数估计的区间全局优化算法,论述了算法求解问题的基本思想、解算步骤、基本算法和加速工具等,并将其应用于非线性回归模型参数估计中,仿真实验结果验证了所给算法的可行性和有效性．     

最小化旁瓣的MIMO雷达发射方向图优化算法

为了获得低旁瓣的MIMO雷达发射方向图,该文提出一种新的最小化峰值旁瓣或积分旁瓣的MIMO雷达方向图优化算法.由于最小化峰值旁瓣或积分旁瓣的优化问题为非凸问题,该算法通过两步来得到此非凸优化问题的全局最优解.第1步通过对发射总功率的约束进行松弛,将原问题转变为一个凸优化问题,第2步则将第1步得到的解进行尺度变换使其满足发射总功率的约束,从而得到原问题的全局最优解.仿真实验表明了该算法相比于已有算法可以获得更低的峰值旁瓣或更低的积分旁瓣.     

基于目标容量的网络化雷达功率分配方案

针对现有网络化雷达功率资源利用率低的问题,该文提出一种基于目标容量的功率分配(TC-PA)方案以提升保精度跟踪目标个数。TC-PA方案首先将网络化雷达功率分配模型制定为非光滑非凸优化问题;而后引入Sigmoid函数将原问题松弛为光滑非凸优化问题;最后运用近端非精确增广拉格朗日乘子法(PI-ALMM)对松弛后的非凸问题进行求解。仿真结果表明,PI-ALMM对于求解线性约束非凸优化问题可以较快地收敛到一个稳态点。另外,相比传统功率均分方法和遗传算法,所提TC-PA方案可以最大限度地提升目标容量。     

基于期望方向图匹配的MIMO雷达恒模发射波形设计算法研究

为提升MIMO雷达发射功率利用率,改善对目标的探测性能,研究了期望方向图匹配下的发射波形设计方法。建立了发射波形恒模约束下的方向图匹配加权优化模型;基于循环优化和majorization-minimization(MM)算法对原始非凸优化问题进行求解,通过构造合适的上界函数,可将原始问题松弛为等式约束下的序列线性规划问题,并能保证算法的收敛性;由于每一次迭代都能给出子问题的闭式解,因而所提方法的计算复杂度较低;仿真实验表明了所提方法的有效性。     

杂波环境下共享频谱恒模波形设计

针对射频频谱环境愈发拥挤问题,深入研究了通过波形设计的手段实现频谱共享的问题。为紧密贴近工程实践,提出了一种新的方法设计恒定幅度信号的问题。该算法首先针对雷达发射端,提出雷达波形满足特定的时域与频谱要求,施加约束,然后考虑雷达接收滤波器接收杂波,以优化最大信干噪比建立优化问题模型,得到了一个非凸的分式规划问题模型。最后,利用分步优化方法分解为两个优化问题,并且将非凸问题松弛为可解的凸问题再利用高斯随机化方法得到优化信号,多次循环优化。仿真结果验证了该算法的有效性,该方法设计得到的探测信号能够实现频谱共存,而且信干噪比性能能够得到保证。      

干扰环境下MIMO雷达波形与接收滤波联合优化算法

传统雷达一般采用固定的发射波形,在干扰环境下很难获得最优的目标检测性能。针对这一问题,利用集中式多输入多输出(MIMO)雷达波形分集的优势,提出了一种干扰环境下的MIMO雷达波形与接收滤波联合优化算法。以最大化输出信干噪比为准则,使发射波形满足恒模条件,同时施加波形与具备较好脉压特性雷达波形之间的相似性约束,建立了有限相位发射波形与接收滤波权值的优化模型。然后,在循环迭代的算法框架下,将优化问题分解为2个子优化问题,并分别采用拉格朗日乘子法、半正定松弛技术对子优化问题求解,得到发射波形与接收滤波权值的联合优化结果。仿真结果表明,所提算法较现有方法相比有更高的输出信干噪比,使干扰信号的抑制性能得到改善,同时可兼顾发射波形的脉冲压缩特性。     

基于遗传算法的低轨天基雷达星座设计

从目标监视性能的角度出发,分析了低轨天基雷达星座的卫星总数、能量需求以及星座发射费用等优化目标。综合考虑了Walker星座的碰撞等约束问题,建立了低轨天基雷达星座设计的优化目标。提出了一种基于遗传算法的低轨天基雷达星座设计方法。根据天基雷达星座的特点,该算法在进化过程中使用了非可行解修正和约束分级等约束处理方法,有效提高了算法的运算效率。通过仿真实验验证了该方法能够有效的同时优化低轨天基雷达星座的构形和卫星参数。     

改进布谷鸟算法在协同干扰资源分配中的应用

针对敌方雷达网的多干扰机协同干扰资源分配问题,提出了一种基于二维整数编码的改进布谷鸟(ICS)算法。首先,根据不同干扰样式在不同恒虚警检测器中的干扰效果差异,从压制概率公式出发,构建目标函数;然后,根据分配原则建立干扰资源分配模型;最后,利用ICS算法对模型寻优求解,并给出具体求解步骤。仿真结果表明:ICS算法收敛速度快,全局寻优能力强,能很好地解决雷达干扰资源协同优化分配问题。     

基于CPCRLB的隐身目标协同检测与跟踪

针对雷达组网对隐身目标协同检测与跟踪时的动态分配问题,将条件后验克拉美罗下界(CPCRLB)用作系统跟踪性能的度量,结合改进二值粒子群优化(NBPSO)和粒子滤波,提出了一种基于CPCRLB的隐身目标协同检测与跟踪算法。该算法将雷达的动态分配问题转化成组合优化问题,根据新生目标的隐身特性对雷达分配方案的约束,借助分布在边界的检测粒子计算不同的雷达分配方案对新生目标的检测概率,并以已跟踪目标的CPCRLB 衡量跟踪精度,采用NBPSO全局搜索最优分配方案,最后进行粒子滤波与协方差交集融合。     

Characterization of optimum polarization for multiple targetdiscrimination using genetic algorithms

A stochastic optimization algorithm is used to characterize the polarization states of a nonpolarimetric radar transmitter and receiver antennas for optimal target classification. Specifically, the optimized solution is sought when a multitude of targets are to be categorized. It is shown that the objective function of the optimization problem is highly nonlinear and discontinuous, hence, classical optimization algorithms fail to provide satisfactory results. The stochastic optimization algorithm used is based on a genetic algorithm (GA) which operates on a discretized form of the parameter space and searches globally for the optimum point. In this process, it is assumed that the polarimetric responses of the targets are known a priori. The optimization algorithm is applied to two sets of data: (1) a synthetic backscatter data for four point targets with similar radar cross sections (RCSs) and (2) a set of polarimetric backscatter measurements of asphalt surfaces under different physical conditions at 94 GHz. The purpose of the latter study is to come up with the optimal design for polarization states of an affordable millimeter-wave radar sensor that can assess traction of road surfaces     

基于矩阵优化理论的自适应数字波束形成算法研究

自适应数字波束形成作为天线技术和数字信号处理融合的产物,近年来成为跨领域的研究热点,并且广泛应用到新一代的相控阵雷达和移动通信中。文中提出一种基于矩阵流形理论的自适应波束形成算法。不同于传统的波束形成算法,该算法将波束形成问题转化为高维优化问题,并引入矩阵流形优化理论,在Stiefel流形上求解该问题。由于降低了求解问题的维度,限制了最优解的范围,该算法相比于传统的自适应波束形成算法,具有收敛速度快、运算量小、鲁棒性好的优点。     

毫微微小区中一种基于分组的资源分配方法

为有效解决毫微微小区间( Femtocell)干扰,采用分布式方式对毫微微小区进行资源管理。首先,对毫微微接入点( FAPs)进行分组。基于Lingo数学建模的思想,提出了一种解决分组优化问题的算法。该算法在使用分支定界算法寻找最优解的同时,通过建立单纯形表剪去偏离最优解方向的分支;其次,每组选择一个簇头为本组内FAPs分配资源,为此,提出了新的子信道分配方法,该方法根据干扰指示矩阵修正子信道分配的情况。仿真结果表明：和其他算法相比,提出的算法不仅能找到分组优化问题的最优解,并且效率更高;另外,提出的资源分配算法不仅减小了用户间干扰,而且提高了户间速率公平。