CDMA系统粒子群多用户检测算法

Kennedy和Eberhart提出的粒子群优化算法(PSO),作为一种新的并行优化算法,在解决多维和非线性的复杂问题中,性能优良且算法简单易于实现。本文对二进制粒子群优化算法进行改进,并将其应用于DS-CDMA通信系统的多用户检测中,提出了基于矢量的二进制粒子群多用户检测器(V-BPSO-MUD),同时提出了两种高效实用的多用户检测器:基于矢量的串行二进制多用户检测器(VS-BPSO-MUD)及基于矩阵的二进制多用户检测器(M-BPSO-MUD)。仿真结果表明,PSO多用户检测器充分利用了粒子群优化算法的优良特性,性能明显优于传统的CDMA检测器,接近无多址干扰情况。     

DV-Hop定位算法的混沌粒子群优化

针对距离矢量跳距(Distance Vector Hop, DV-Hop)定位算法通信半径选择不合理导致平均跳距和定位误差较大的问题，提出一种基于混沌粒子群改进的DV-Hop定位算法，利用混沌映射的遍历性和随机性实现粒子的局部深度搜索，避免粒子群算法陷入局部最优。通过混沌粒子群优化(Particle Swarm Optimization, PSO)算法迭代求解所有信标节点的通信半径，引入混沌理论调整非线性惯性权重优化搜索过程，通过混沌搜索和混沌扰动迭代求解信标节点的最佳通信半径；通过极大似然估计(Maximum Likelihood Estimate, MLE)法计算的平均定位误差作为混沌粒子群算法的适应值函数；使用费希尔矩阵求解的误差下限作为约束条件求解适应值函数，同时把平均通信半径作为节点能耗模型的阈值来降低节点能量消耗。仿真实验表明，提出的算法在不增加算法复杂度的前提下能够在定位精度方面提升近58%,节点能量消耗方面降低近24%。     

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差可以接近Cramer-Rao下界.     

改进的免疫粒子群算法在TDOA定位中的应用

针对无线传感器网络中的TDOA节点无源定位估计中的非线性优化问题,提出了一种改进的免疫粒子群优化(Immune Particle Swarm Optimization, IPSO)的TDOA定位算法。该算法在自适应粒子群算法的基础上,引入免疫过程,增加了粒子种群的多样性,平衡局部搜索能力和全局搜索能力,有效地解决粒子易陷入局部最优问题,更快收敛到全局最优解。仿真结果表明,提出的算法相比于标准粒子群算法、自适应粒子群算法、Chan算法,当基站数量仅为4～5个、半径达到100 m时定位精度仍然较高,当加入随机噪声时,性能更加稳定,鲁棒性较好。     

基于混沌粒子群优化的倒数熵阈值选取方法

基于信息熵的方法是一类重要的阈值选取方法,但现有的最大熵方法存在无定义值问题。为此,提出了基于倒数熵的阈值选取方法。首先给出了倒数熵的定义及一维阈值选取方法,导出了基于二维直方图区域直分及区域斜分的倒数熵阈值选取算法公式;然后考虑到二维倒数熵分割运算量较大,提出利用混沌小生境粒子群算法来寻找最优阈值,避免了算法早熟,提高了搜索精度和算法效率。实验结果表明:二维倒数熵阈值选取的斜分方法在抗噪性和运算时间上优于直分方法;而与基于粒子群优化的二维最大熵方法相比,本文提出的基于混沌小生境粒子群优化的二维倒数熵斜分法在运行时间上降低了约40%,分割效果更佳。      

具有异构分簇的粒子群优化算法研究

 粒子群优化(Particle Swarm Optimization,PSO)算法在复杂多峰函数可行域空间搜索时极易陷入局部极值点.研究表明改变种群拓扑结构和调整算法参数有助于改善种群的多样性,但是目前研究中少有同时考虑种群全局拓扑结构和局部粒子个体能力.本文提出一种具有异构分簇特性的自适应PSO算法.该算法采用K-均值聚类算法对种群进行动态分簇,形成多异构子群,并采用Ring型拓扑结构进行子群间信息流通.而后采用基于寻解水平评价的粒子自适应参数调整策略进行个体调整.通过实验分析表明该算法能够提高粒子群优化的种群的多样性、粒子活性、搜索能力和收敛性能,同时也降低了算法对参数初值的依赖性.     

一种改进粒子滤波的双站无源定位跟踪算法

在非线性非高斯状态空间下，粒子滤波器是一种有效的非线性滤波算法，它的关键问题包括粒子权重的计算、粒子重采样和状态估计等。本文根据粒子滤波算法思想和双站无源定位跟踪的非线性，将粒子滤波算法用于双站无源定位跟踪问题，给出了一种改进的粒子滤波算法，并对其关键问题根据双站无源定位跟踪的特殊性进行了改进。利用Matlab进行了仿真实验，与最小二乘算法、扩展卡尔曼滤波算法进行了比较，结果表明所提算法定位跟踪精度优于其他方法。     

改进型PSO鲁棒定位算法

针对传统的定位算法在复杂环境下定位精度不高,对环境噪声鲁棒性差的问题,提出了一种基于改进型粒子群算法的鲁棒定位算法。考虑到标准粒子群算法中存在收敛速度慢和“早熟收敛”的问题,本文兼顾粒子群的多样性和收敛速度对粒子种群进行优化。首先采用分组定位方法来优化粒子群,然后利用标准的粒子群算法进行迭代定位。仿真结果表明,和传统算法相比,该算法收敛速度快,对初始种群数目要求少,且当观测值中存在NLOS误差时,定位精度高,鲁棒性强。      

基于量子粒子群优化算法的图像矢量量化码书设计

鉴于经典的LBG码书设计算法易陷入局部最优解,将量子粒子群优化算法应用到图像矢量量化码书设计中,提出一种基于量子粒子群的矢量量化码书设计算法(QPSO-VQ)。在该算法中,用粒子表示码书,用峰值信噪比(PSNR)作为算法的适应度函数,通过量子粒子群算法的更新公式来更新码书。实验结果表明,与经典的LBG码书设计算法和粒子群矢量量化码书设计算法相比,QPSO-VQ在解码图像的PSNR值和算法的稳定度等方面有比较明显的优势,可以获得性能较好的码书。     

基于约束加权最小二乘的时差频差联合定位算法

针对运动目标源定位问题,提出了一种基于约束加权最小二乘(Constrained Weighted Leas-tSquares,CWLS)的时差频差定位算法。该算法利用目标源到达多个接收站的时差和频差信息,对目标源的位置和速度进行估计。通过引入中间变量,将时差频差非线性方程转换成伪线性方程(中间变量与目标源位置和速度之间存在约束关系),再对此约束条件引入拉格朗日乘子技术,将此伪线性方程的求解转化为求条件极值问题,创造性地求解了此非线性定位方程,提高了定位精度,并能满足实时性和全局收敛要求。仿真实验表明,该算法在保持相近复杂度的同时,进一步提高了定位性能,优于两步加权最小二乘算法,在噪声较高时仍然能达到克拉美罗下限。     

一种改进的NLOS环境下的TDOA/AOA混合定位算法

在蜂窝移动通信系统中,利用基站测量的到达时间差(TDOA)和电波到达角(AOA)的混合定位方法能够比传统的TDOA方法提供更高的定位精度。但是在非视距(NLOS)条件下,当AOA的测量误差超过一定值时,定位的误差仍然很大。该文根据NLOS传播环境下附加传播时延服从指数分布的特性,估计附加时延的均值和方差,对TDOA测量值进行重构,再以AOA方法进行辅助定位。仿真结果表明,该算法能显著提高传统的TDOA和TDOA/AOA方法在NLOS传播环境下的定位精度。     

基于到达角Kalman滤波的TDOA/AOA定位算法

基于Chan算法的TDOA/AOA定位算法是在Chan算法的信号到达时间差(TDOA)误差方程组里加上一个信号到达角(AOA)误差方程,利用加权最小二乘法(WLS)求解。其主要缺点是把移动台(MS)的横坐标、纵坐标与移动台到服务基站(BS)之间的距离作为3个相互独立的变量,忽略了3者之间的相关性。需要进行两次WLS计算,且最终的解为二值根。当AOA测量误差的方差不断增大时,对应的定位误差也随之增大。该文利用Kalman滤波算法对AOA的值进行估计,并将上述的3个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性。     

基于噪声子空间解析形式的快速DOA估计算法

该文针对特殊的信号环境各辐射源信号均值相等且不为零,利用均匀线阵导向矢量的Vandermonde结构,推导出了噪声子空间的解析形式,并以此为基础提出了利用均匀线阵和稀疏平面阵的1维和2维DOA估计快速算法。该算法不需要计算接收数据的协方差矩阵,也不需要任何矩阵分解,因此计算量远小于传统的超分辨DOA估计,而且无论信号之间是否具有相干性,该方法有相同的估计性能。仿真实验表明,在噪声均值为零且快拍数足够的条件下,该方法的估计性能整体上与Root-MUSIC算法相当,而在信噪比较低时性能优于后者。     

一种新的二维角度估计的高分辨算法

该文针对常规2维波达方向估计的高分辨算法运算量大和稳健性差等问题,提出了一种新的2维角度估计的高分辨方法。该方法首先建立基于范数约束的最优化问题的目标函数;然后用迭代算法沿均匀面阵接收数据的方位向求最小化目标函数的稀疏解,得到方位、俯仰角耦合的空间角频率,并分离信号;最后对每个分离的信号,沿面阵俯仰向求稀疏解,得到信号的俯仰角,进而求得对应的方位角。针对算法存在测角盲区的问题,提出了一种改进方法,通过求解空间2维稀疏解得到信号的2维角度。与传统的高分辨算法相比,该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程,具有较高的分辨力和极低的旁瓣电平。     

一种基于RFID原理的交通信息获取系统与车辆定位方法

 车辆的无线定位技术已成为近年来的一个研究热点。该文首先提出了一种基于RFID(射频识别)技术的交通信息获取系统,并在此基础上,提出了一种新的多基站TDOA(到达时间差)车辆定位方法。该方法是一种基于鲁棒性估计的两步定位方法。第1步利用多个基站的TDOA信息通过鲁棒性估计找到车辆的大致位置,然后进一步采用与车辆距离最近的3个基站的TDOA信息对车辆进行精确定位。该方法可有效地克服传统Chan算法当信号衰减引起TDOA估计误差较大时性能迅速恶化的问题。仿真实验结果表明该方法的定位精度优于传统的Chan算法和基于直接平均的2次定位法,可满足交通信息获取系统中对机动车辆定位的要求。     

利用单基站对三维运动目标定位与跟踪

该文提出了一种利用单个CDMA基站发射的导频序列对三维运动目标进行定位与跟踪的方法。首先,利用直达干扰信号与目标反射信号的多普勒频移的不同及伪随机序列自相关函数的特点抑制直达分量,估计相对时延;其次,用与Chan(1994)类似的方法初步估计目标位置;最后,根据目标在短时间内的运动可近似为匀速直线运动的特点来改善定位精度,并实现测速。仿真结果证明了该方法的有效性。     

基于电磁矢量阵列孔径扩展方法的相干目标DOA估计

该文采用均匀且稀疏分布的电磁矢量矩形阵列,针对相干目标提出了一种有效的2维波达角(DOA)估计算法,该算法通过增加相邻阵元的间隔来扩展阵列的有效孔径,从而提高算法的DOA估计性能。论文首先结合极化平滑算法和传播算子方法得到存在相位周期性模糊的方向余弦估计。为了解决模糊性问题,论文通过协方差矩阵平滑提出一种新的解相干预处理算法,由该算法得到的信号子空间包含矢量阵元的导向矢量,且不存在相位模糊,利用此特点实现去模糊处理,得到目标的DOA估计。仿真结果表明,与基于ESPRIT的孔径扩展算法相比,提出的算法能够实现相干目标的DOA估计,同时无需特征值或奇异值分解,有更低的运算量。     

基于多天线到达相位差的室内定位算法

针对测距式射频识别(RFID)室内定位算法的精确度会受到测距误差严重影响的问题,提出一种基于多天线到达相位差(M-PDOA)的室内定位算法。通过M-PDOA测距方法进行测距,采用三边测量算法对目标标签进行定位。仿真结果显示,本算法的测距平均误差为0.102 7 m,性能提升65.76%;定位平均误差为0.180 7 m,性能提升56.67%,说明本文算法能够有效减少测距误差,并且定位精确度较高。     

基于IC-PSO和ISM的反馈控制算法设计

为了提高光纤偏振模色散(PMD)补偿系统的动态自适应补偿能力,提出了用改进粒子群优化(PSO)算法作为搜索算法,用改进单纯形法(ISM)作为跟踪算法的反馈控制算法设计方案,从而实现对PMD补偿单元的动态调整。在PSO算法中,引入免疫克隆(IC)原理提高了搜索算法的全局优化能力;对SM的反射操作和扩张操作进行改进,从而提高算法的收敛速度;用映射操作代替原有的顶点代换操作,从而使单纯形在迭代过程中不发生退化现象。实验结果证明了该算法用于PMD补偿系统的有效性和可行性。     

Mobile robot SLAM method based on multi-agent particle swarm optimized particle filter

To overcome particle impoverishment, a simultaneous localization and mapping (SLAM) method based on multi-agent particle swarm optimized particle filter (MAPSOPF) was presented by introducing the idea of multi-agent to the particle swarm optimized particle filter (PSOPF) which is an algorithm for SLAM. In MAPSOPF, agents can communicate and compete with each other and learn from each other. The MAPSOPF algorithm can update the prediction of particle, adjust the proposal distribution of particles, improve localization precision and fault tolerance, and propel the particles to concentrate on the robot's true pose. Compared with standard particle filter (PF), the proposed method can achieve better SLAM precision by fewer particles. Simulations verify its effectiveness and feasibility.