改进GA-BP神经网络的无线信道预测方法

无线信道建模与仿真中,实现一种高效率、高准确性的无线信道预测方法是具有非常重要意义的。针对该需求,提出一种基于多种群遗传算法（Multi-population genetic algorithm, MPGA）-反向传播（Back propagation, BP）神经网络的无线信道预测方法。该方法通过改进遗传算法,优化BP神经网络中神经元的权值和阈值,以此改善BP神经网络预测精度差的问题,从而极大提高了BP神经网络的预测性能。将射线跟踪算法的理论值和BP神经网络结合,实现更高效的无线信道预测方法。通过对比遗传算法（Genetic algorithm, GA）-BP神经网络模型和MPGA-BP神经网络模型的预测误差,发现MPGA-BP神经网络模型的预测结果优于GA-BP神经网络模型,证明了所提出无线信道预测方法具有良好的精确度,可以更高效地进行无线信道预测。     

基于插值法的地形重建在平流层通信传播损耗预测中的应用

提出了基于插值法的地形重建算法,并应用于平流通信系统电流传播损耗的预测,给出了地形重建算法的计算机实现方法,并对随机产生的地形数据进行了模拟,得出了平流层通信传播损耗与地形数据特征之间的关系。通过地形库数据的行插值、列插值和对角线插值方法解决了平流层通信系统传播损耗预测的地形重建问题,保证了传播损耗预测算法的有效性。本文的工作对于当没有平流层通信实没怕情况下进行平流层通信系统性仿真具有重要意义。     

对一种GSM-R系统无线传播损耗模型的分析

为解决铁路工程设计中传播模型适用性问题,对一种新的适用于GSM-R系统的无线传播损耗模型开展研究。利用模型的传播损耗曲线阐明模型的特性。以此为基础对模型进行合理解释,得出模型的适用范围。最后对该模型的进一步完善提出建议。     

浅谈移动通信无线传播

本文简要叙述了移动通信网络中无线传播的方式和空间传播损耗，进而对传播模型做初步的探讨     

基于面向对象的无线信道仿真器设计

无线信道的建模和估计对于现代移动通信系统的研发具有重要意义。该文讨论了无线信道仿真器的构建模式,给出了一种基于面向对象的信道仿真器图形用户界面的设计方案;以典型无线信道作为独立对象进行图形化建模,并对各种信道估计算法进行了基于面向对象技术的模块封装,在此基础上提出了一种无线信道仿真和参数估计平台的实现技术。最后介绍了基于MATLAB GUI开发的可视化无线信道仿真器。该文开发的无线信道仿真器图形用户界面设计简单、一致,具有开放性扩展功能。     

基于Elman神经网络的装备状态组合预测方法

针对单一预测模型在利用多维状态特征信息进行状态预测时效果常常不够理想的情况,提出以灰色理论等模型作为单项预测模型,运用Elman神经网络进行变权组合预测的建模方法;考虑神经网络容易因过拟合导致预测时泛化能力变差的问题,运用遗传算法对神经网络隐层节点数和训练误差阈值进行优化求解,建立了完整的基于Elman神经网络的组合预测建模方法;最后,通过案例分析验证了该预测方法的有效性,结果表明组合预测能够将三步以内的预测相对误差控制在10%以内,大大优于定权组合预测模型。     

优化船舶主机燃油喷射系统故障诊断的GA-Elman神经网络

RBF神经网络进行船舶主机燃油喷射系统故障和诊断的过程中存在着精度不高、误诊率高的缺点.针对这种情况,引入以Elman神经网络为基本识别模型,使用改进遗传算法(GA)对网络的权值和阈值进行优化;使用船舶主机燃油喷射系统故障样本对优化后的算法进行训练并对待识别故障样本进行仿真.对比普通Elman神经网络模型、GA-RBF神经网络模型、GA-Elman神经网络模型的诊断结果.仿真结果显示,改进的GA-Elman神经网络不易陷入局部最小值,误差小,在故障诊断方面优于Elman神经网络和GA-RBF神经网络.     

基于改进的Elman神经网络的网络流量预测

在Elman神经网络的基础上提出了改进的网络,根据实际网络中测量的网络流量数据,建立了基于Elman神经网络的流量模型,分别用Elman神经网络和改进的Elman神经网络对实际网络流量进行预测,仿真实验结果表明,改进的Elman神经网络具有良好的预测效果,改进的Elman神经网络具有更高的预测精度和更好的动态性能.     

无人机中继链路传播损耗及性能分析

针对两跳无人机中继通信场景,综合考虑机身姿态、天线特性、气候状况及信道衰落等影响,建立了两跳中继链路的传播损耗模型,分析了传播损耗均值的计算方法,推导了多径阴影复合衰落导致传播损耗随机起伏的统计特性。在此基础上,进一步推导得到了两跳无人机中继系统的中断概率与误比特率的理论表达式。最后,通过对郊区、山区和海洋场景的数值仿真,验证了本文推导的理论结果的正确性,并分析了无人机飞行高度、地面节点位置以及通信场景等因素对两跳中继系统性能的影响。     

基于灰色-RBF神经网络的传播损耗模型训练

室内信号传播损耗模型是基于信号强度测距法的射频识别定位技术的关键。但因室内环境较为复杂且受到多径效应等因素影响,传统的基于经验的信号传播损耗模型环境适应性差,导致测距定位误差较大;而利用传统的神经网络进行传播损耗模型训练则存在所需训练样本过多、硬件采集工作量大等缺点。针对以上问题,提出在变密度采样模式下的基于灰色理论与RBF神经网络相结合的传播损耗模型训练方法。基于灰色理论,利用少量样本预测得到更多样本,并与部分原始样本共同重组样本数据进行RBF网络的训练,以构建传播损耗模型。实验结果表明,该方法可以利用较少的训练样本准确地建立室内信号传播损耗模型,可以很好地满足室内测距定位的精度要求,并可大大减少样本采集工作量。     

基于遗传算法的多信道无线网络信道分配方案

在传统单信道无线网络中,多节点同时传输时彼此间的干扰会使吞吐量降低.为解决该问题,提出一种改进的自适应遗传算法用于信道分配.在进化过程的前期执行固定参数的遗传操作,后期执行自适应遗传操作,采用新的交叉方式,即将染色体按适应值大小分成2组,从各个组中随机选取染色体进行交叉运算,使得整个染色体种群的适应值向最优解逼近,并在生成子代时使用父子竞争机制.仿真结果表明,该算法能有效避免标准遗传算法容易早熟和局部收敛的缺点,收敛速度快且容易逼近最优解,并能降低网络冲突.     

一种基于遗传算法的改进的BP算法

提出一种利用遗传算法对BP算法的改进方案。充分考虑了BP算法的精确性和遗传算法全局寻优的特点．使BP算法摆脱局部极小的困扰,并且所训练的网络能够达到要求的精度。     

基于智能估计的无线传感器网络定位算法

节点定位是无线传感器网络的基本机制,位置数据是监测事件不可缺少的信息,传感器节点必须首先确定自身的位置.针对无线传感器网络的节点定位问题,提出了基于Free Search优化的智能定位算法,介绍了Free Search优化算法和智能估计的模型.该算法的基本思想是将参数估计问题转化为非线性函数的在线优化问题,利用Free Search获得未知节点坐标的最优估计.仿真结果证明,与最小二乘估计定位算法相比,新算法定位精度显著提高.     

改进蚁群算法的无线传感器网络路径优化

研究无线传感器网络路径优化问题,针对无线传感器网络(WSN)路径优化问题,在分析了遗传算法和蚁群算法各自优缺点的基础上,通过把蚁群算法作为WSN路径优化的主框架,采用遗传算的选择、交叉和变异算子提高蚁群算法搜索速度,提出一种改进蚁群算法的WSN路径优化方法。仿真结果表明,改进蚁群算法有效地克服了基本蚁群算法的缺陷,提高了WSN路径优化效率和成功率,减少了能理消耗,有效延长了网络生存时间。     

入侵检测的进化神经网络研究

针对传统入侵检测系统漏报率和误报率高的问题,提出基于遗传神经网络的入侵检测系统。该系统将遗传算法和BP算法有机结合,利用遗传算法较强的宏观搜索能力和全局寻优特点,优化BP网络的初始权值和阈值,并在此基础上进行神经网络学习,从而建立入侵检测系统的优化分析模型。实验结果表明,该算法可以有效地运用于入侵检测系统中。     

基于改进遗传算法的TD-SCDMA扇区优化

获得满意的覆盖是TD-SCDMA标准网络规划的重点,为此,在遗传算法的基础上提出基于PCCPCH RSCP覆盖和PCCPCH C/I覆盖的改进遗传算法。采用符合网络多扇区多参数性质的二进制矩阵式编码,为加快收敛速度,给出基于块的交叉方法,同时为防止过早的局部收敛,对适应度函数进行尺度变换。实验结果表明,该算法可以快速收敛到目标解,PCCPCH RSCP覆盖比例和PCCPCH C/I覆盖比例均有不同程度的提升。     

基于GA-BP神经网络的胎儿体重预测分析

胎儿体重是判断胎儿发育、保障孕产妇安全的重要指标,但是胎儿体重无法直接测得,只能根据孕妇体检数据进行预测.提出了一种基于遗传算法优化BP神经网络（GA-BPNN）的胎儿体重预测模型,首先采用回归模型和特征归一化预处理得到的历史体检数据建立孕妇连续体重变化模型,然后利用遗传算法（Genetic Algorithm,GA）优化BP神经网络的初始权值和阈值,建立胎儿体重预测模型.从我国东部某医院2016年孕产妇中随机抽取3000例样本数据,将本文的模型与基于传统BP神经网络（BPNN）的预测模型进行比较,实验结果表明,本文提出的GA-BPNN胎儿体重预测模型不仅加快了模型的收敛速度,而且将胎儿体重预测精度提高了14%.     

UHF Propagation Parameters to Support Wireless Sensor Networks for Onboard Trains

This paper reports numerical results for the characterization of the propagation channel in a train. Since the availability of a train to carry out measurements is not always easy, particularly when many changes must be done, a simulation tool provides a useful and reliable mean for the evaluation of the propagation characteristics of this complex and highly fluctuating channel. In order to benefit from previous results, the various existing softwares for complex electromagnetic fields environments simulations were fully searched and one that seems best suited has been retained for these computations. The results presented here are original, preliminaries and our approach provides a basis for study the propagation of waves in a very complex environment consisting of different electromagnetic fields like a train.     

基于PCA-GABP神经网络的BOD软测量方法

针对污水处理过程中关键水质参数无法在线监测的问题．提出基于PCA-GABP神经网络的污水水质软测量方法。该方法由两部分组成：主元分析PCA和GABP神经网络。其中,GABP算法采用局部改进遗传算法优化神经网络权值。并采用自适应学习速率动量梯度下降算法对神经网络进行训练,建立软测量模型。仿真结果表明该软测量模型稳定性好、精度高,可用于污水处理厂对BOD进行在线预测。