应用粒子群算法的动态目标DOA估计

针对信号源方向时变情况,提出一种新的跟踪方法.该方法利用性能优越的最大似然估计避免了子空间跟踪类方法需要不断重复的协方差矩阵分解.为有效解决最大似然估计巨大计算量的问题,引入粒子群算法并对其进行改进,使其能够自动跟踪目标,把目标锁定在一个很小的搜索范围之内.通过大幅度缩小搜索的范围和运用群智能搜索可以有效降低算法的计算量.仿真结果表明,与子空间类算法相比,该方法具备解相干的能力和较好的跟踪精度,而且能够保证算法的实时性.     

基于人工蜂群算法的波达方向和多普勒频率联合估计

将人工蜂群算法应用于似然函数的优化,实现了阵列信号波达方向(DOA)和多普勒频率的联合估计。利用状态空间模型构造包含DOA和多普勒频率信息的广义可观测矩阵,并构造包含该广义可观测矩阵的似然函数,将参数估计问题转化为多维非线性函数优化问题。进而利用人工蜂群算法对似然函数的求解过程进行优化,得到DOA和多普勒频率的估计值。算法保留了最大似然估计的渐近无偏估计性能,降低了似然函数求解的计算量,且参数能够自动配对。     

文化算法的最大似然测向方法研究

针对最大似然(ML)方位估计全局寻优问题提出一种将文化算法用于方位估计的算法,并给出该算法的2个实现版本,即CA-version1利用规范知识调整变量变化步长,形势知识调整其变化方向;CA-version2利用规范知识调整变量变化步长及变化方向.文化算法所具有的双层结构特性,使其在问题求解过程中能够利用经验知识来指导搜索过程,从而具有较好的全局寻优性能.仿真结果表明该方法在获得与AP算法相当性能的情况下有更低的计算量.同时作为一个多进化过程的算法其结构易于并行实现,可以进一步满足实时性的要求.     

基于托普利兹矩阵集重构的相干信源波达方向估计

针对常规相干信源波达方向估计托普利兹矩阵重构算法仅利用部分阵列接收数据的互相关或协方差矩阵进行重构,信息利用不完整且部分算法需去噪声处理等问题,提出一种改进托普利兹矩阵重构算法。利用阵元接收数据矢量构造包含阵元完整相关矩阵信息的托普利兹矩阵集,通过Hermitian转置矩阵修正及正反向平滑运算得到满秩矩阵,并结合运算量低的ESPRIT算法实现相干信号角度估计,同时避免去噪声处理。计算机仿真结果验证了算法的有效性。     

粒子群优化算法的研究与应用

粒子群算法(PSO)因其容易实现,精度高及收敛快等特性,在解决实际问题中经常被广泛使用.但粒子群算法也有不易跳出局部最优的问题,所以本文基于该算法,提出一种基于分工合作的改进型粒子群优化算法.经过优化后,可以对所有粒子执行搜索,寻找更优个体,从而使算法更加适合实际应用.     

多通道阵列相干源波达方向超分辨估计

采用发射阵列分布式布阵、接收阵列密布阵的多通道阵列,提出了一种虚拟子阵积累算法,在获得空间分集增益的同时可以超分辨估计相干源的波达方向.先通过正交信号分选的方法在接收端得到虚拟子阵,然后叠加积累各虚拟子阵接收数据的协方差.该算法利用空间分集克服了目标闪烁,同时具备解相干的能力,且避免阵列物理孔径的损失.理论分析和仿真结果表明,该算法可以有效处理多通道阵列相干源波达方向估计.     

单矢量水听器ESPRIT波达方向估计算法

针对自相关算法的局限性,提出了一种基于高阶累积量的单矢量水听器ESPRIT算法.该算法首先对单个矢量水听器接收数据作-任意的时间延迟,以时间变元为旋转因子,构造了2个具有相同阵形的子阵,然后将高分辨信号子空间类方法的正交化原理及旋转子空间不变原理引入累积量域,得到基于高阶累积量切片的ESPRIT方法.仿真结果表明,借助高阶累积量的方法,在高斯白噪声下,ESPRIT算法能完全抑制高斯白噪声的影响,在高斯色噪声条件下,信噪比6dB以上该方法还是能获得高精度、高分辨率的渐近无偏估计.     

基于特征空间MUSIC算法的相干信号波达方向空间平滑估计

为了高效、准确地估计相干信号的波达方向(DOA),提出了一种基于特征空间多重信号分类(MUSIC)算法的空间平滑估计方法。首先对相干信号进行空间平滑处理,然后对其应用特征空间MUSIC算法进行DOA的精确估计,使其最大限度地利用信号子空间和噪声子空间的信息。本文方法并不影响非相关信号存在时DOA的估计,且还可以对信号源功率进行有效的估计,以提高对小能量信号的成功估计概率。与传统空间平滑算法及修正MUSIC算法相比,本文方法具有更低的信噪比门限和更高的估计精度及分辨力。最后的仿真实验验证了本文方法的有效性和鲁棒性。     

一种用于空间调制信号检测的改进粒子群算法

为提高空间调制系统信号检测算法的性能,提出基于粒子群的智能信号检测算法及其改进算法.利用粒子智能化搜索,实现信号高效检测;设计权重系数对传统速度更新公式进行修改,避免粒子群陷入局部收敛从而进一步提高算法的检测性能.通过对改进算法的收敛性和复杂度进行理论分析,并在不同天线数目和不同调制方式下对其误码性能进行仿真,仿真结果表明:与传统的粒子群算法相比,本文提出的改进算法具有计算复杂度低、误码率低、收敛快的优点,可作为空间调制接收机的有效备选算法.     

基于波达方向估计的频谱感知算法

给出一种基于空间谱的频谱感知新算法。根据主用户存必导致空间谱出现峰值的因果关系,利用波达方向估计得出空间谱后,求出空间谱的波峰与均值之比,作为检验统计量,用以检测主用户是否存在。这种不涉及噪声方差的检验统计量,可使算法门限设置避开对噪声信息的依赖。在仅有噪声的高斯信道中对新算法进行仿真,结果显示,对于噪声不确定度分别为0dB和1dB两种情形,检验统计量的概率密度曲线完全重合,即新算法不受噪声不确定度影响,且无需预知主用户先验知识和噪声方差。     

基于QPSO算法的信号子空间拟合DOA估计

针对信号子空间拟合DOA估计过程中由于需要进行多维非线性搜索而计算量巨大的问题,提出了一种基于量子位概率幅编码的量子粒子群优化(QPSO)算法的信号子空间拟合测向方法,即在子空间测向中,QPSO算法采用量子位对粒子当前位置进行编码,用量子旋转门实现对粒子最优位置的搜索,用量子非门实现粒子位置的变异以避免早熟.通过典型实际应用,结果表明采用这样新的DOA估计方法是切实可行的,而且精度高、运行速度快、稳定性好,具有很好的推广能力.     

粒子群优化算法分析

粒子群优化算法是一种基于群体智能的随机全局优化技术，尽管其原理简单易、于实现且功能强大，但目前研究人员还没有对它的工作原理做出足够的解释．将群体优化过程看成一个动态系统的演变，采用线性离散时间系统的分析方法对算法的收敛性进行了分析，导出了简化PSO算法的收敛条件．考虑到参数是影响算法性能和效率的关键因素，利用标准测试函数对算法的参数选择进行了详细的分析，并给出一些指导性原则．     

基于反馈策略的自适应粒子群优化算法

为了克服常规粒子群优化（SPSO）算法在多峰函数寻优应用中容易出现早熟的缺点，提出了一种基于反馈策略的自适应粒子群优化（APSO）算法.考虑到进化过程中群体多样性损失过快，采用种群分布熵和平均粒距两个种群多样性参数，来均衡算法的勘探和开发能力.基于惯性权值随种群多样性变化而变化的动态分析，建立了惯性权值与平均粒距之间的线性函数关系，并将该函数关系融入到APSO算法中.测试结果表明，与常规粒子群优化算法相比，该算法在多峰函数寻优时，成功率和精确度都有显著提高，且全局收敛速度快；在求解异或（XOR）分类问题时成功概率提高，收敛速度加快，APSO算法对神经网络的训练更加有效.     

基于粒子群优化理论的可靠性分布模型的极大似然参数估计法

针对有些复杂分布模型采用常规极大似然法很难直接进行参数估计,将粒子群优化理论引入极大似然法,提出了基于粒子群优化算法的新的参数估计方法,并通过实例模拟论证了该方法的可行性与有效性。     

基于MapReduce模型的分布式粒子群算法

通过对传统的单种群粒子群算法的分析,提出一种基于MapReduce模型的分布式粒子群算法,解决粒子群算法在求解大规模优化问题时求解效率和精度明显下降等问题。在粒子群进化过程中,粒子速度和位置的更新采用惯性权重的方法,其权重值线性递减,并且利用多子群进化策略,提高算法的收敛精度。通过MapReduce模型实现算法的并行化,有效提高算法求解效率。选取目前比较流行的几种算法,并在13个500维、1 000维的标准测试函数上仿真试验,结果显示该算法具有良好的优化性能。     

基于粒子群优化的移动机器人全局定位算法

为了提高图像特征匹配过程中地图库的搜索速度,提出了一种局部子地图库搜索方法。并针对机器人自定位过程中会产生多个候选位姿,提出了利用粒子群优化算法来优化候选位姿以得到定位精度较高的优化解的全局定位新方法。最后通过Pioneer 3DX在室内环境的全局定位实验分析了粒子群优化前后定位精度和定位时间的变化。实验结果表明,新算法以牺牲较少的计算时间获得了较高的定位精度。     

融合PSO算法思想的进化算法

粒子群算法(particle swarm optimization,PSO)是仿真于生物群体的社会行为的一种智能优化算法,其原始形式难以体现数学的直观性和本质性。然而,在简化算法原始模型的基础上,PSO算法的理论分析得到其数学模型,并且说明了其是一个迭代进化系统。利用PSO算法的数学模型代替标准PSO算法速度及位置的迭代公式,并选择适当的参数,从而构造了一种新的进化算法。新的进化算法形式更能直接体现PSO算法的数学思想。经仿真试验表明,新的进化算法效果不差于标准PSO算法,并且参数少且容易分析。     

粒子群优化的多群蚂蚁算法

设计多蚁群算法的关键是群间的信息交换规则.利用粒子群优化中粒子移动的基本思想研究了蚁群间信息交换的新规则,定义了新的多蚁群优化算法.新算法的信息交换所占用的数据通信量要远低于现有的信息交换方法.将新算法用于求解带时间窗的车辆路由问题并和以前的最好的多蚁群算法做比较,计算结果表明:新算法的性能超过了已有的方法.采用群体智能中个体的移动思想来设计群间信息交换规则能改进多蚁群算法的求解性能.     

基于改进粒子群算法的配电网重构的研究

提出了基于改进二进制粒子群算法的配电网重构策略,在保证系统及用户供电质量的前提下,使得配电网重构的综合费用最低。从配电网重构实际应用出发,提出了综合考虑系统的电能损耗费用、开关运行维护及投切费用和停电损失费用四方面的目标函数。针对普通粒子群算法易陷入局部极值的缺点,采用改进的惯性权值策略,增强了算法的调节功能,克服了普通粒子群算法的早熟收敛现象。算法还对开关操作次数约束进行了处理使之不影响全局最优性。仿真结果表明,这种配电网策略可以明显降低系统网损和综合费用。改进的粒子群算法计算速度快,目标函数更贴近配电网重构的实际情况。