基于量子自适应粒子群优化径向基函数神经网络的网络流量预测

该文提出一种量子自适应粒子群优化算法,该算法中,粒子位置的编码采用量子比特实现,利用粒子飞行轨迹信息动态更新量子比特的状态,并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络,实现了径向基函数(RBF)神经网络参数优化,建立了基于量子自适应粒子群优化RBF神经网络算法的网络流量预测模型。对真实网络流量的预测结果表明,该方法的收敛速度和预测精度均要优于传统RBF神经网络法、粒子群-RBF 神经网络法、混合粒子群-RBF 神经网络法和自适应粒子群-RBF 神经网络法,并且预测效果不易受时间尺度变化的影响。     

基于差分进化的随机共振混沌小信号检测

针对传统随机共振小信号检测无法对多参数进行同步调优的缺陷，本文提出了一种基于变种差分进化算法的随机共振混沌小信号检测方法。利用变种差分进化算法对Duffing振子的随机共振系统参数进行寻优，以系统输出信噪比为寻优问题的目标函数。为了验证算法的可行性，分别进行低频和高频小信号输入的仿真实验，在低频小信号检测实验中，输出信噪比较混沌变步长萤火虫优化算法平均提升1.98dB；高频小信号检测实验中，结合外差式随机共振理论，能够准确恢复出高频小信号对应低频段处的小信号，进一步推导出高频小信号的存在；对实测海杂波数据进行仿真实验，实验结果表明该方法能够有效地检测出淹没在海杂波背景下的混沌小信号。     

PSO算法下GP-周期随机共振的微弱OFDM信号检测

为了解决传统随机共振系统在微弱正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）信号解调应用中存在的人工选择参数困难、解调效果差的问题,提出一种基于粒子群优化（Particle Swarm Optimization, PWO）算法的GP(Gaussian Potential)-周期随机共振系统的微弱OFDM信号检测方法。该方法利用GP-周期随机系统对OFDM信号经正交变换后的两路高频信号分别进行随机共振,同时运用阻尼参数与信号频率之间的关系对两路信号进行降频处理,使得上下两路信号都能够发生随机共振;然后使用PWO算法对随机共振的系统参数进行优化处理,以使得上下两路信号达到最优的共振效果;最后,将上下两路共振之后的信号合成完成OFDM信号解调,得到最终的数字序列。本文探讨了优化前后GP-周期随机共振系统的共振效果,研究了优化前后GP-周期随机共振诱导下的OFDM系统星座图的聚集程度以及误码率情况,对比分析了经典双稳随机共振、经典三稳随机共振和所提模型对OFDM信号检测的影响。仿真结果表明：相比常用的传统随机共振模型,该方法用于...     

基于量子粒子群优化算法的光纤光栅参数重构

提出了一种基于量子粒子群优化算法的光纤光栅参数重构方法。该方法通过传输矩阵法得到优化目标函数,并将待优化的光纤光栅参数以粒子表示,再让粒子在解空间模拟量子行为进行搜索。以均匀布拉格光栅和线性啁啾光纤光栅为例,分别采用遗传算法(GA)、经典粒子群优化(PSO)算法以及量子粒子群优化(QPSO)算法对其进行参数重构。与传统粒子群算法及遗传算法相比,该方法借鉴了量子行为,具有更好的收敛性能和稳态性能。数值结果表明,种群规模为40时,针对均匀和非均匀光栅分别进化100代和200代得到的重构参数误差均小于0.5%。     

基于自适应粒子群优化算法的限速标志识别

针对经典的粒子群优化算法收敛性能不足的问题,提出了一种自适应粒子群优化算法。该算法对进化过程中的收敛方向进行动态调整,通过学习因子对参数选取过程进行调节,使收敛的初期趋向全局最优,后期趋向局部最优。采用自适应粒子群优化算法对支持向量机模型参数进行优化,并应用于限速标志的识别,实验结果表明,文中基于自适应粒子群优化算法的方法拥有较高的识别率,同时算法收敛性显著高于经典的粒子群优化算法。     

随机共振瓦斯微弱信号检测方法研究

为了解决检测煤矿复杂环境中的瓦斯信号时易受周围噪声干扰以至微弱信号被掩埋或产生异常数据的问题,提出一种基于随机共振的微弱瓦斯信号检测方法。采用欠采样原理对大频率信号尺度变换及粒子群算法优化系统结构参量,对大参量微弱信号在随机共振系统中的共振效果进行了理论分析和研究。结果表明,该方法可以以较低的采样频率,自适应地达到较好的共振效果;可有效地滤除噪声并增强系统辨识微弱信号的灵敏度以及信号检测的动态范围。该研究为瓦斯突出信息的早期辨识提供了一定的理论依据。     

应用案例推理技术的快速认知引擎

认知引擎必须根据外界无线环境的变化和用户需求,快速自适应调整无线电参数。本文选取一定比例粒子群个体按选定匹配案例的参数配置进行初始化,其余个体随机初始化,这样使粒子群优化算法的粒子在搜索初期就处于靠近最优解的解空间里,同时保持一定的种群多样性,得到一种基于案例推理粒子群优化算法;并由此算法以最大化数据速率、最小化发射功率及最小化误比特率为目标来优化无线电传输参数,得到一种比现有算法收敛速率快和寻优能力强的认知引擎。多载波系统的仿真结果表明了本算法的有效性。      

基于三稳态随机共振的BPSK信号检测算法

基于高斯白噪声下BPSK信号接收误码率较高的问题,提出了一种基于三稳态随机共振系统来降低BPSK信号误码率的方法。首先,基于随机共振的BPSK通信系模型,推导了系统的输出信噪比及信噪比增益的表达式。其次,以信噪比增益为衡量指标,探究了系统参数a、b、c和噪声强度D对共振输出的影响。研究表明,随着噪声强度的增加,输出信噪比呈现单峰结构;信噪比增益始终大于1,峰值随着系统参数b的增大而逐渐增大,但随着系统参数a和c的增大而减小。最后,在强噪声背景下,对BPSK信号的传统接收方案和所提方法的误码率进行仿真对比分析,结果证实信号在经过随机共振系统后,时域图像更为清晰,毛刺明显减少,频谱幅值是传统方法的4.613倍。     

参数自适应混沌粒子群算法在盲源分离中的应用

独立分量分析(ICA)是盲源信号分离中应用最为广泛技术,其应用过程需要对目标函数进行优化,传统粒子算法(PSO)对其进行优化时,存在易陷入局部最优、稳定性差等缺陷,针对此问题,提出采用参数自适应混沌粒子群算法对ICA进行优化.首先采用对PSO的参数进行自适应调整,提高粒子的搜索能力,然后对粒子群进行混沌扰动,提高算法收敛速度.仿真结果表明,使用参数自适应混沌粒子群算法可以有效解决ICA的目标函数优化问题,极大提高了盲源信号的分离效果.     

基于量子混沌粒子群优化算法的分数阶超混沌系统参数估计

为了对分数阶超混沌系统中的未知参数进行准确估计,提出一种量子混沌粒子群优化算法（Quantum chaos particle swarm optimization,QCPSO）.该算法通过对量子粒子群优化算法（Quantum behaved particle swarm optimization,QPSO）的实现机理进行分析,并结合量子纠缠与混沌系统之间的相关性而实现.首先,将量子势阱中心视为混沌吸引子围绕的不动点,处于吸引子外部的粒子会逐渐聚集于吸引子之内,而处于吸引子内部的粒子会出现快速分离扩散的现象;然后,采用基于随机映射的粒子更新机制,充分保证混沌粒子的初值多样性;最后,提出了基于不动点中心的尺度自适应策略,解决了算法后期的搜索停滞问题.运用QCPSO算法对典型分数阶超混沌系统参数进行估计,结果表明,该算法在收敛速度与精度上优于改进的差分进化算法、自适应人工蜂群算法以及改进的量子粒子群优化算法.     

随机共振应用于窄带PSK信号检测的研究

非线性随机共振系统能够有效利用噪声能量增强微弱周期信号,因此可用于强噪声背景下的微弱通信信号检测。本文提出基于人工鱼群算法的自适应随机共振方法处理相移键控(PSK)信号,分别从算法应用于参数估计、应用于提高带内信噪比、应用于降低检测信噪比门限三个角度分析本文算法对PSK信号检测带来性能上的提升,阐述了采样率在窄带PSK信号随机共振中的作用。对比谱线法,基于人工鱼群算法的自适应随机共振能够明显提升PSK信号参数估计性能,并且将参数估计信噪比门限降低3-6dB。此外,本文验证得到随机共振直接处理窄带周期信号没有实际提升效果。      

自适应线谱增强器在音频信号增强中的应用研究

本文对自适应线谱增强器（ALE）稳态的频率特性及其与输入信噪比、自适应滤波器长度和采样率的关系进行了详细分析。明确给出了AI正参数选择的原则及信号信噪比（SNR）提高的方法。在MATLAB环境下将ALE应用于音频信号增强,选择信号延迟D=100和用于自适应线性估计的滤波器长度L=32。使用块LMS=32自适应算法进行了仿真试验。仿真结果表明,AIE系统不仅提高了宽带噪声中谐波信号的信噪比．而且还具有独特的滤波功能。     

基于人工鱼群算法的自适应随机共振方法研究

随机共振为微弱通信信号的检测提供了新途径.本文提出一种基于人工鱼群算法的自适应随机共振新方法,重点研究基于随机共振的微弱周期信号检测技术,将人工鱼群算法和归一化处理结合增强随机共振,适当添加噪声并设定自适应步长策略及迭代停止条件.理论分析和仿真结果表明,对比传统群智能算法处理随机共振其在算法适应性及稳定性、最佳共振精确度、寻优收敛速度、精度方面有明显提升,并为信噪比增益带来3-5dB的提升,运算时间复杂度降低逾70%.     

一种随机共振联合小波变换的符号速率估计方法

在非合作通信中,很多情况下由于信道恶化,使得接收信号的信噪比偏低,导致无法对符号速率这一重要参数进行准确估计.随机共振能够在一定程度上利用噪声能量,使其转移并增强微弱信号,小波变换则可以有效检测相位和幅度的瞬变,利用二者各自优势,提出了一种将随机共振与小波变换联合进行MPSK（Multiple Phase Shift Keying,多进制数字相位调制）和MQAM（Multiple Quadrature Amplitude Modulation,多进制正交幅度调制）信号符号速率的估计方法.先利用自适应参数调节随机共振为带噪信号匹配最佳系统参数,之后利用Haar小波变换进一步提取突变信息,不仅弥补了单独使用随机共振效果不佳及其作为非线性系统易发散的缺点,还降低了小波最佳尺度难以确定的影响.仿真实验表明,该方法能够在一定程度上提高输出峰值,降低信噪比门限,适合于低信噪比下的符号速率估计.     

阈值阵列模型与超阈值随机共振

研究了随机共振的一个特殊形式——超阈值随机共振。超阈值随机共振是基于阈值阵列模型的随机共振现象。分析了阈值阵列模型输出随机过程的统计特性,固定输入信噪比,可观察输出信噪比增益随阈值噪声方差的改变产生非单调变化的规律。实验验证了含噪周期输入信号经阈值阵列系统,在统计独立、服从高斯分布的阈值噪声作用下,输出信号信噪比增益大于1。且对于非高斯噪声,会获得更高的输出信噪比。     

低信噪比通信信号的自适应调参随机共振方法

参数调节随机共振系统中参数的选择对输出信号的效果优劣具有决定性作用.本文针对目前随机共振无法通用地处理多类微弱通信信号的问题，提出基于自适应调参随机共振的信号增强方法.首先，从信号的特征子空间角度阐释了随机共振的能量转移本质，提出将基于奇异值分解的测度函数作为评价函数进行寻优.其次，在分析了两个不同系统参数的作用后，利用幅度归一化对单参数优化，降低了复杂度，并将滑动平均滤波器加入随机共振模块来防止幅度漂移.最后，以人工鱼群算法为基础，模块化设计出方法的整体框架和具体步骤.仿真结果表明，针对四类共九种信号，该方法能够以平均4至5次的迭代收敛速度实现带噪声的信号和非线性系统的匹配.     

无人机数据链自适应调制技术研究

根据无人机数据链对传输可靠性与传输速率的要求,在对自适应调制技术原理研究的基础上,探讨了自适应调制技术中的几个关键问题,主要包括信道估计和调制方式的判决准则。首先对信噪比估计模型进行分析,针对该模型利用最大似然估计法对信道的信噪比进行估计,对自适应调制判决准则进行了分析与仿真。仿真结果表明,采用基于信噪比门限判决自适应调制方法,可使无人机数据链在误比特率较低的情况下（10^-5）提高系统的信息传输容量。     

OFDM雷达信号联合优化设计与处理方法

本文针对机载雷达探通一体化信号设计与处理的难匹配问题,提出正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）雷达信号联合优化设计与处理方法。首先,基于机载探通一体化系统发射和接收信号链路建立线性接收模型,接着基于最小二乘估计理论提出雷达脉压算法和通信解调算法;然后,分别推导雷达脉压和通信解调后的输出信噪比（Signal to Noise Ratio,SNR）,以雷达和通信输出SNR加权最大化为目标建立优化问题模型。由于该优化问题是一个NP难问题,本文提出降次-交替方向乘子法获取近似解。最后,通过仿真验证本文所提方法可以通过参数动态调整,适应探通一体的需求,并保持探测和通信性能。     

一种新的MIMO无线通信系统链路自适应算法

提出并分析了一种适用于MIMO系统的新的链路自适应算法。通过接收端估计信噪比,并利用各种编码调制方式的特性,该算法在接收端采用递归的方法确定了每一个发射端子信道所采用的编码调制方式,使反向链路仅传输少量的控制信息,实现了链路的自适应。仿真结果表明,文章所提出的算法大大提高了MIMO系统的吞吐量,且可靠性也显著增加。     

IEEE802．16d系统中自适应调制编码技术的应用研究

针对IEEE802．16d物理层标准,文章提出了适用于IEEE802．16d系统的自适应调制编码方案,包括调制编码方式、MCS切换门限的设置方法、信道信噪比SNR估计方法,并对采用分组Turbo码作为前向纠错码的自适应调制编码技术在AWGN信道上的性能进行了Matlab仿真,结果表明：自适应调制编码技术在保证一定误码率的前提下能够有效地提高系统的吞吐量。