基于独立成分分析的表面肌电信号工频去噪

表面肌电信号(SEMG)采集中,如何消除工频干扰对信号的后续应用意义重大.在探讨独立成分分析(ICA)原理的基础上,提出了一种用于表面肌电信号工频去噪的快速独立成分分析(FastICA)算法.该方法通过对观测信号去均值和白化处理后,用负熵作判据通过迭代得到解混矩阵,经解混运算得到源信号.针对混合信号ICA分离效果的差异,引入最大似然指标作为分离效果的评价量.实验结果表明,所提算法能有效分离SEMG信号中的工频噪声,运用最大似然评价指标将工频噪声降至最低.     

基于核方法的工频干扰消除算法

提出了一种新的基于核方法的工频干扰消除算法。利用构造参考信号的方法,将工频干扰消除问题转换为盲信号分离问题。通过核方法向高维特征空间的数据映射克服信号采集传感器的非线性畸变效应,利用信号的时间可预测性实现对输入信号的分离,从而得到不含工频干扰的有用信号。仿真实验结果表明,算法能够有效克服传感器的非线性畸变影响,很好地消除心电信号和地震信号中的工频干扰。     

基于改进粒子群算法的自适应陷波器设计

在信号处理中,接收信号常伴随着干扰和噪声,这就需要最优滤波器来实现,其中工频干扰的消除则以自适应陷波器为最优。利用粒子群算法自适应地调节其权值,得到与干扰信号接近的期望信号,最终达到消除干扰得到有用信号的目的。同时,针对此算法存在局部收敛和收敛速度不高的问题,提出了改进方法。计算机仿真结果表明了该改进粒子群算法在自适应陷波器设计上的有效性,并取得了较高的效率。     

多特征值分解的稀疏混沌信号盲源分离算法研究

针对受到噪声干扰的激光混沌源信号高精度重构的问题,本文提出了一种基于相位空间重构混沌流信号的盲源分离算法。该算法首先对分离信号的相位空间进行时间延迟重构,然后将分离矩阵作为待优化参数,通过在相空间中构建目标函数,将盲源分离问题转换为优化问题,应用粒子群优化算法求解最优分离矩阵,进而将观测数据乘以最优分离矩阵来重构源信号。实验结果表明,该算法不仅具有快速收敛的特点,其精度明显优于各种噪声强度下现有的独立分量分析方法。     

基于进化粒子群优化的非线性系统辨识

为解决复杂非线性系统的辨识问题,提出了一种基于进化粒子群优化算法的非线性系统辨识方法.在标准粒子群优化算法的基础上引入一种进化策略, 增加粒子的多样性.在算法迭代寻优的过程中, 通过对群体中的粒子进行选择、变异等进化操作, 构造进化粒子群优化算法, 提高算法的全局搜索能力.将非线性系统辨识问题转化为非线性连续域优化问题, 利用进化粒子群优化算法进行并行、高效搜索, 以获得该优化问题的解.通过对多输入单输出的Wiener-Hammerstein模型进行辨识, 验证了该方法的正确性和可行性.     

基于混沌策略状态转移算法的混沌系统参数辨识*

针对混沌系统的参数辨识是一个多维参数的优化问题,提出了基于混沌策略状态转移算法的混沌系统参数辨识方法。该方法是在初始化时以混沌序列初始化种群,在搜索过程中引入混沌变异机制,利用遍历性对状态进行变异操作,避免了过早收敛,提高了全局搜索能力。利用该算法辨识Lorenz混沌系统参数,并与基本状态转移算法和粒子群算法进行比较。仿真结果表明,在有无噪声干扰的情况下,该算法比粒子群算法和基本状态转移算法具有更好的辨识精度且比粒子群算法具有更好的收敛速度,证明了该算法的有效性和抗干扰性,对混沌理论的发展有重要的意义。     

基于独立分量分析的电磁场信号工频干扰消除

为了解决电磁场信号测量中的工频及其谐波干扰问题,将盲源分离(BSS)应用于电磁场信号的工频干扰消除.从盲源分离和独立分量分析(ICA)的统一模型出发,分析了快速ICA算法和最大信噪比ICA算法的目标函数选择及算法推导,并分别对计算机随机产生不同波形信号和实测的电磁场信号进行分离,结果显示:无论从相似系数还是运算时间上看,最大信噪比ICA算法明显优于快速ICA算法.     

利用遗传粒子滤波的单通道扰信盲分离算法

针对低信噪比条件下单通道通信信号与干扰盲分离问题,本文提出了一种基于遗传粒子滤波的单通道盲扰信分离新算法.该算法首先建立了受扰信号的状态空间模型,并利用粒子滤波得到通信码元和未知参数的最大后验估计.针对标准粒子滤波中存在的粒子退化现象,本文引入了遗传进化操作来迭代估计优质粒子,在减少了所需粒子数量的同时,又保持了序贯估计过程中粒子集合的多样性和优质性,使新算法在低信噪比条件下具有更好的分离效果.仿真结果表明,新算法在干信比小于15 dB,信噪比大于10 dB的条件下,可以有效地从单路接收的受扰信号中分离出通信信号与干扰.     

基于动态层次分析的自适应多目标粒子群优化算法及其应用

提出一种基于动态层次分析的自适应多目标粒子群优化算法,利用模糊一致矩阵层次分析法选取全局最优粒子,保证进化方向的合理性和客观性。在进化过程中对种群状态进行客观度量,自适应更新种群的权重和学习因子等重要参数,使种群进化具有自我调节能力。将提出的算法分别应用于标准多目标测试函数、PID控制器参数优化和甲醇转化烃类物质的工业过程模型辨识中,通过与其他算法的对比说明了所提出算法的有效性和可行性。     

粒子群优化的分块压缩感知影像融合

针对传统像素级影像融合算法中存在的计算量大、融合系数不能自适应等问题,提出一种基于粒子群优化的分块压缩感知影像融合算法。该算法结合了压缩感知及粒子群优化算法的优点,通过对采样后的少数测量值进行融合减少了影像融合过程的计算量,同时通过全局寻优的特点可以确定最优融合系数。首先利用分块压缩感知(block-based compressive sensing,BCS)对待融合影像进行压缩采样,然后以粒子群优化算法确定的最优融合系数矩阵作为融合权值进行影像融合,最后通过正交匹配追踪算法进行影像重构并消除分块效应,得到融合后影像。该算法保证了融合效果的最优化选择,具备一定的自适应性。实验结果表明,基于粒子群优化的分块压缩感知影像融合取得了比传统影像融合算法更好的效果。     

基于势函数与压缩感知的欠定盲源分离

传统的基于K均值聚类算法及最小路径法的欠定盲源分离两步法存在K值难以确定,对初始值敏感,噪声和奇异点难以排除以及相对缺乏理论依据等诸多不足,针对以上问题,提出了基于势函数及压缩感知理论的新型两步算法。该算法首先利用多峰值粒子群寻优算法改进的势函数法来估计混合矩阵,然后利用估计矩阵来构建传感矩阵,并将基于正交匹配追踪的压缩感知算法引入欠定盲源分离过程中,最终实现源信号的重构。仿真实验结果表明,混合矩阵最高估计精度达到99.13%,重构信号干扰比均高于10dB,很好的满足了重构精度的要求,验证了本文算法的有效性。所提算法对一维混合信号的欠定盲源分离具有良好的普适性和较高的准确率。     

Design of reactive power optimization control for electromechanical system based on fuzzy particle swarm optimization algorithm

Due to low precision and premature tendency of traditional particle swarm optimization, the reactive power optimization control of electromechanical system based on fuzzy particle swarm optimization algorithm was designed. The premise is to meet the constraints of operation conditions. The active network loss was reduced and the static reactive power optimization mathematical model of electromechanical system was constructed by changing the voltage and reactive power distribution of system. Meanwhile, the voltage did not exceed the limit, and the discrete control variables were limited by the maximum allowable action times, so that the dynamic reactive power optimization mathematical model of electromechanical system was built by minimizing the sum of network loss in twenty-four hours of a day. The particle swarm algorithm was optimized by adaptive adjustment strategy, and then the particle position of particle swarm optimization algorithm was updated. Moreover, the static and dynamic reactive power optimization mathematical model of electromechanical system was solved. Finally, the reactive power optimization control of the electromechanical system is realized. Experimental results show that the proposed method has high convergence performance, so it is able to realize the precise control of reactive power optimization for electromechanical system and eliminate the voltage exceeding specified limits of electromechanical system. In this way, the node voltage can always be within the specified range.     

基于改进型灰狼算法的RFID网络规划

随着物联网技术的飞速发展,射频识别(Radio Frequency Identification,RFID)系统因具有非接触、快速识别等优点而成为了解决物联网问题的首选方案.RFID网络规划问题要考虑多个目标,被证明是多目标优化的问题.群体智能(Swarm In-telligence,SI)算法在解决多目标优化问题方面...     

基于CRQP的多小区OFDMA系统联合资源分配算法

针对OFDMA多小区系统中相邻小区同频干扰下的吞吐量最大化问题,在系统功率的约束条件下,基于协同量子粒子群算法提出一种子载波和功率联合分配的协同随机量子粒子群算法（CRQP）。分别利用粒子群算法独立优化子载波的功率分配,并利用改进的量子遗传算法独立优化用户的子载波分配。在独立优化的同时,通过随机协同策略避免陷入局部最优解,达到全局最优。仿真结果表明,与传统的分步求解算法相比,CRQP算法能获得更多的系统吞吐量和更高的资源利用率。     

应急通信网络中基于粒子群优化的信道分配算法

当前应急通信亟需解决的问题,在于如何快速有效地满足突发性增长的网络需求,以保证网络传输质量。无线mesh网络以其部署快速、结构灵活、鲁棒性等优点,成为了新一代灾后应急通信网络架构的优秀解决方案。文中提出了一种基于粒子群算法的信道分配优化算法PWCA,在降低全局网络干扰的前提下,考虑了不同链路对整体网络表现的影响,通过其邻接链路的数量来决定信道分配的优先级。在迭代优化的过程中,该算法利用信道分离度细分了不同信道之间的干扰程度以作为优化的评判标准。实验结果表明,该算法可以显著降低网络干扰,保障网络性能,相比传统的粒子群信道分配算法,其在优化速度以及多节点网络环境下的表现均有明显提升。     

基于混沌量子粒子群的FHN神经元UWB信号检测

在UWB-IR信号检测中,针对目前所采用的量子粒子群FHN神经元模型易造成粒子群多样性降低,易陷入局部最优,导致求解精度不高的问题,对量子粒子群算法中量子更新参数引入混沌优化算法,提出了基于混沌量子粒子群算法的FHN神经元UWB-IR信号检测方法,分析了所提算法的收敛性,并对所提算法的性能进行仿真验证。仿真结果表明,所提算法与现有算法相比,可提高粒子群的多样性和算法的收敛速度,提高算法精度,实现多个系统参数同时最优,从不同噪声强度下自适应地检测出UWB-IR信号。     

基于I-PSO算法和Simulink的湿式离合器优化设计

为提高湿式离合器的轻便性和可靠性,提出了一种I-PSO算法与MATLAB/Simulink相结合的湿式离合器优化设计新方法。对湿式离合器进行动力学分析,并基于MATLAB/Simulink搭建湿式离合器动力传递的仿真模型。引入模拟退火算法中对粒子进行扰动的思想对改进的粒子群算法再度进行改进,并基于某测试函数验证了算法改进的效果,选择离合器的滑磨功与体积为优化目标。最终联合改进粒子群算法与MATLAB/Simulink中建立的湿式离合器仿真模型对某具体型号湿式离合器进行多目标优化设计。结果表明,改进后的粒子群算法在寻优的速率和精度上有一定效果;优化后的湿式离合器与原设计相比,总目标函数缩小约40.12%,滑磨功减小了约61.8%,优化效果明显。     

基于四旋翼无人机的粒子群PID控制研究

针对四旋翼无人机PID控制中,凭借经验知识和仿真调试来选取比例、积分、微分等参数时存在盲目性的问题,提出了利用改进后的粒子群算法对PID控制器进行优化的方法.采用自适应惯性权重的方法对粒子群进行优化能够避免在刚开始就陷入局部最优的困境,同时选用ITAE准则作为改进粒子群算法的适应度,以此达到更好的控制效果.通过MATL...