降低OFDM系统峰均比的SI-PTS算法

针对正交频分复用系统的高峰均功率比问题,在传统子块交织和部分传输序列(partial transmit sequence,PTS)算法的改进基础上提出了联合SI-PTS算法。算法中提出了1个新的子块交织方案,其中的每个子块相互交织。另外,还提出了1个新的相位因子优化方案,方案中的相位因子只有两相序列,迭代次数等于子数据块的数目,极大地降低了计算复杂度。所提算法基于传统PTS算法,利用新的优化方案优化部分传输序列,并结合新的子块交织技术,打乱原正交频分复用(orthogonal frequency division multiplexing,OFDM)信号序列,以降低其相关性,并进而降低OFDM系统的PAPR值。仿真结果表明,SI-PTS算法与传统PTS、SLM算法相比,能有效地改善OFDM系统的PAPR性能,并在保持系统误码率性能的前提下,有效地降低计算复杂度;SI-PTS算法对PAPR的抑制能力随着子载波数目的增加而下降,随着分组数的增加而提高。     

基于改进萤火虫算法的杆系结构拓扑优化

基于萤火虫算法的基本原理及相应的改进策略,研究了离散变量杆系结构的拓扑优化问题。通过对初始萤火虫位置和位置更新公式进行离散,以使该算法适用于离散变量优化问题;同时,为克服在优化初期寻优速度慢的问题,对公式中的吸引力项进行改进,提出一种兼顾寻优效果和收敛速度的改进萤火虫算法。以基结构法为结构初始拓扑生成方法,以杆件截面为优化变量,以结构质量最轻为优化目标,提出了一种基于改进萤火虫算法的杆系结构拓扑优化方法。利用该方法分别对平面桁架和空间桁架结构进行拓扑优化分析,证明了所提方法的可行性和高效性。     

基于交叉熵的NC-OFDM系统最优导频序列设计算法

针对NC-OFDM(non-contiguous orthogonal frequency)系统子载波非连续且动态变化导致传统等间隔分布的导频序列设计算法计算复杂度高、频谱利用率低和处理时延大等问题,提出了基于交叉熵的最优导频序列位置优化设计算法。算法以最小化系统均方误差为准则,采用交叉熵算法在所有可用子载波中求解目标函数的最优解,有效解决了传统穷举搜索算法计算复杂度高的问题。与传统算法相比,所提算法保证了信道估计精度,降低了系统均方误差和误码率,从整体上提高了系统性能。     

基于改进萤火虫算法的LSSVM脉动风速预测

由于风速有较大的随机性,最小二乘支持向量机(LSSVM)预测模型在风速预测方面有极为重要的应用。而新兴的萤火虫算法具有设置参数少、易实现、收敛精度高等优点,但同时存在对优秀个体依赖程度高,易产生震荡现象的缺点。针对萤火虫算法所存在的问题提出改进,并结合实测风速数据对风速进行预测,通过与基于基本萤火算法和粒子群算法优化的LSSVM风速预测结果进行了比较分析。实验结果表明,改进萤火虫算法有更好的性能。     

单载波频域均衡压电声透通信研究

研究了单载波频域均衡压电声透通信技术,将系统复杂度集中至介质一侧,并实现高速压电声透通信。分析了压电声透系统信道特性,通过变步长自适应滤波器,有效降低了信道响应的计算量并提高了收敛速度。提出一种改进的单载波频域均衡相关同步算法,可涵盖已有的多种同步方案并提出最佳同步的帧结构判决方案。在此基础上,结合训练序列信息和能量判决方法,提出了针对压电声透通信系统的综合同步算法。同时针对实际应用中的采样起始点偏移和频率偏差累积问题,提出了相应的优化策略。实验中采用中心频率为500 kHz的换能器,在4 cm厚钢板两侧可达到1.298 Mbps的最大传输速率,表明该算法能有效抑制码间干扰,降低误比特率。     

基于修正萤火虫算法的多模函数优化

萤火虫优化(glowworm swarm optimization,GSO)算法是一种计算多模函数优化问题的新型算法,该算法和蚁群优化、粒子群优化一样,都是一种群智能算法。针对GSO算法在优化多模函数时收敛速度慢、求解精度不高和发现峰值率低的缺点,首先在算法中采用变步长的运动策略,使得步长随着迭代时间自适应地逐渐减小;其次采用较小的初始决策范围值;最后添加了萤火虫的自探索机制。改进后的学习行为更符合自然界生物的学习规律,更有利于萤火虫发现问题的所有局部最优解。利用标准测试函数对修正后的萤火虫算法进行测试,仿真结果表明,修正的萤火虫算法具有良好的收敛性和计算精度,在寻找多模函数的峰值个数时显示出很大的优势。     

分布式驱动电动汽车转弯转矩优化方法与仿真验证

针对分布式驱动电动汽车转弯工况转矩优化分配问题,建立了永磁同步电机的效率优化模型,并提出了基于模型的转弯工况下效率最优的转矩分配算法。为了验证优化的效果,建立了Matlab/Simulink与CarSim的联合仿真平台。仿真结果表明:转弯工况下的能效优化效果与转向角成正比。基于提出的优化算法,分布式驱动电动轿车最大转向角下的能效提升效果可达2.5%。     

基于萤火虫-粒子群混合算法的接地网分区域故障诊断方法

为提高接地网故障诊断的准确性和效率,在总结现有故障诊断方法基础上,提出基于萤火虫-粒子群混合算法(GPSO)的分区域诊断方法。该方法通过优化接地网故障诊断方程组模型,使之转化为等价的优化问题;根据接地网的可及节点分布情况对接地网分区,应用分层约简理论将接地网分解得到本征接地网络;对本征接地网建立优化模型,采用萤火虫-粒子群混合算法对优化问题进行求解;根据本征支路电阻的前后变化以及每条支路对应的接地网区域,分析判断接地网各个区域内的故障情况。该方法综合利用萤火虫算法的寻优能力和粒子群算法的收敛速度,有效避免诊断方程组时的欠定问题,对于指导变电站现场维护更加有效和具有工程实际意义。实例应用结果验证了所提方法的正确性和实用性。     

基于中继协作的动态频谱共享研究

提出了一种基于中继协作的动态频谱共享的算法系统模型与协议内容,分别得出了在该模型下的主用户与认知用户的中断概率闭式解,并且根据主用户中断概率闭式解设计了认知用户子载波比例分配依据;最后通过仿真结果验证了理论分析的正确性和协议的有效性,在该协作频谱共享可以满足认知用户频谱接入的同时,可以有效降低主用户的中断概率,此外,可以看到本文提出的算法有效的避免了主用户性能"溢出"的问题。     

基于信道状态和剩余能量的动态多中继选择

为了优化译码转发(DF)协同通信系统的网络生存时间,提出一种基于信道状态信息(CSI)和剩余能量信息(REI)的动态多中继选择算法,该算法根据信道-能量函数和信道容量增益门限选择协同中继节点。仿真结果表明,对中继功率进行动态分配时,该算法选择四个中继可使系统性能达到最优。当中继节点数为4时,与仅基于CSI的中继选择算法相比,该算法能延长网络生存时间最高达75%。