基于粒子群算法的超宽带脉冲波形设计

首先分析了在超宽带系统中高斯脉冲成形因子和微分阶数对其能量谱密度的影响,并在此基础上,为了提高高斯脉冲波形的频谱利用率,采用高斯导函数线性组合来产生脉冲波形,提出并分析了一种基于粒子群（PSO）优化算法的超宽带无线脉冲波形优化设计方法,仿真表明该方法产生的高斯导函数线性组合脉冲能够很好地满足FCC的频谱掩模限制。     

基于鲶鱼粒子群优化算法的认知无线电频谱分配

目前亟待解决如何获得认知无线电系统效益最大化问题,而求解最优频谱分配方法是一项关键技术,针对传统粒子群(PSO)算法收敛速度慢、易陷入局部最优解等缺陷,提出一种基于鲶鱼粒子群算法(CE-PSO)的认知无线电频谱分配方法。首先建立认知无线电频谱分配优化的数学模型,然后以用户取得的效益最大化为优化目标,引入"鲶鱼效应",保持粒子群的多样性,通过粒子间信息交流找到空闲频谱最优分配方案,最后采用仿真实验测试CE-PSO算法的有效性。结果表明,CE-PSO算法克服了PSO算法的缺陷,可以快速、准确地寻找到最优频谱分配方案,更好地实现系统效益的最大化,可以满足认知无线电系统的应用需求。     

无载波超宽带引信组合脉冲功率谱快速拟合方法

为满足无载波超宽带(UWB)引信高斯组合脉冲波形设计需求,该文提出一种基于正交化寻基(OBS)的快速功率谱拟合方法。根据脉冲形成因子的取值范围构造多个候选的高斯脉冲函数,在通过最大化互信息实现功率谱设计的基础上,以循环迭代的方法进行功率谱拟合,每次迭代都对候选高斯脉冲函数进行施密特正交化,并通过内积计算快速地找出尚未被选取的候选高斯脉冲函数中与残留幅度频谱最匹配的一个,最终,根据选定高斯脉冲函数与它们正交化函数之间的矩阵关系确定加权系数,从而得到组合波形,使得拟合出的功率谱与设计功率谱之间达到较好相似性。通过仿真,验证了该文所提方法的有效性,及其相对于粒子群迭代算法的高效性。     

基于遗传粒子群算法的海上风电系统参数优化

为提升海上风电系统的运行能力,使其阻尼比指标始终保持相对较高的数值水平,提出基于遗传粒子群算法的海上风电系统参数优化方法。根据遗传算法优化电信号参数,采用粒子群算法判别电信号能力,通过设置电量频谱参数完成基于遗传粒子群算法的电量频谱分配。建立风电系统传递函数,利用发电机建模原则计算DFIG-PSS优化参量的具体数值,实现对海上风电系统参数的按需优化。实验结果表明,随着遗传粒子群算法优化手段的应用,电信号阻尼比指标能够长期保持较高的数值水平,与基于PSO算法的调度模型相比,更能提升海上风电系统的稳定运行能力,符合实际应用需求。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

K分布杂波下基于M-CPSO的散射中心参数估计

研究了非高斯K分布杂波条件下雷达目标散射中心参数估计问题,提出一种基于协同粒子群优化(CPSO Coop- erative-Particle Swarm Optimization)算法的M估计方法。针对K分布杂波的非高斯尖峰特性,首先利用M估计中的损失函数构造出散射中心参数估计的目标优化函数,然后利用协同粒子群算法,通过迭代优化得到目标的散射中心参数。该方法能够同时得到散射中心幅度和位置的稳健估计,通过与基于子空间的估计方法进行仿真实验对比,结果表明,在K分布杂波条件下该方法能够的得到更好的估计结果。     

基于多目标禁忌搜索算法的认知无线电频谱分配

针对认知无线电动态频谱分配问题,建立图着色频谱分配模型,将模型中的分配矩阵和禁忌搜索算法中的可行解相对应,提出基于禁忌搜索的智能求解算法。同时将高斯柯西算子引入到禁忌搜索的更新策略当中,改善了算法的收敛速度和爬坡能力。在最大化认知无线电网络效益和最大化公平效益准则下建立多目标评价函数,将禁忌搜索算法和粒子群算法在图着色频谱分配模型基础上进行性能比较,结果表明在不同权重的评价函数下,禁忌搜索算法找到的理想最优解都要优于粒子群算法。     

基于多策略离散粒子群算法的MPRM电路延时与面积优化

针对大规模混合极性Reed-Muller(Mixed Polarity Reed-Muller,MPRM)逻辑电路的延时与面积优化,提出一种基于多策略离散粒子群优化(Multi-Strategy Discrete Particle Swarm Optimization,MSDPSO)的极性搜索方法.在MSDPSO算法中,对粒子进行团队划分,每个团队既执行不同策略,又相互联系,并行完成探索与开发的双重任务.同时在进化过程中采用高斯调整来激活寻优能力较差的粒子.结合MSDPSO算法和列表极性转换技术,对大规模MPRM电路进行延时与面积极性搜索.最后对PLA格式的MCNC Benchmark电路进行算法性能测试,结果验证了MSDPSO算法的有效性.与离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)算法的优化结果相比较,MSDPSO算法获取的电路延时平均缩短8.43%,面积平均节省38.36%.     

光学元件磁流变加工驻留时间粒子群优化算法

为实现光学元件磁流变高精度加工,基于脉冲迭代原理,提出基于粒子群算法的驻留时间优化方法。该方法在脉冲迭代法的基础上引入粒子群算法对整体面型残差进行优化,通过对整体驻留时间的判定,从而实现每个驻留时间点的最优选择,达到高精度面形加工。通过对Φ156mm光学表面仿真加工,均方根(RMS)值和峰谷(PV)值从初始的169.164和1161.69nm收敛到23.4925和807.2156nm。仿真结果表明,该算法能在保证面形收敛精度的同时快速获得稳定可靠的驻留时间分布,能有效降低中频误差,其算法性能优于常用的脉冲迭代法。该算法为磁流变抛光光学元件过程中的驻留时间计算提供了一种解决方案。     

中心粒子群优化算法

在线性递减权重粒子群优化算法(LDWPSO)中提到了中心粒子这一概念,进而提出了中心粒子群优化算法(中心PSO)。在线性递减权重粒子群优化算法中,中心粒子不像其它一般的粒子,中心粒子没有明确的速度,并且被始终置于粒子群的中心。此外,在神经网络训练算法中比较中心粒子群优化算法和线性递减权重粒子群优化算法,结果表明:中心粒子群优化算法的性能优于线性递减权重粒子群优化算法。     

基于YCOB晶体分析信号光脉冲时间特性对光参变啁啾脉冲放大光谱和转换效率的影响

基于YCOB晶体中三波耦合方程理论模型,在抽运光波形和能量、晶体长度相同的条件下,研究信号光的时间波形对光参变啁啾脉冲放大(OPCPA)光谱和转换效率的影响。计算过程中,抽运光和信号光能量分别为45J和500mJ,光斑直径分别为60mm和50mm。抽运光脉宽取3ns,信号光脉宽为1.2ns。数值结果显示,信号光放大后的光谱和转换效率与输入信号光的时间波形有关。1阶高斯型脉冲光谱的半峰全宽(FWHM)得以展宽,由原来的36nm展宽为放大后的61nm,2阶超高斯脉冲频谱展宽为47nm,高斯脉冲的阶数越高,谱宽展宽越小,5阶和5阶以上的高斯脉冲光谱不再展宽,几乎保持原来36nm不变;1阶高斯脉冲的转换效率最高,达到32%左右,2阶高斯脉冲只有25%,8阶以上转换效率基本变化不大,约为19%。信号光脉冲时间特性对OPCPA的光谱输出和转换效率产生很大的影响。     

Spectrum Transformation of Gaussian Pulse in Waveguide by FDTD and Its Effect on Analysis of Discontinuity Problem

An interesting, surprising phenomenon, spectrum transformation of Gaussian pulse propagating in waveguide, is revealed in this paper. It is found that the spectrum power of zero frequency of Gaussian pulse is changed into the spectrum power of cut-off frequency of H₁₀ mode in rectangular waveguide when FDTD simulation is implemented in the absence of nonlinear material in waveguide. The cause of the spectrum transformation is explained based on the mode field structure at cut-off. Its effect on the correctness of analyzing waveguide discontinuity problem is presented too.     

粒子群优化和拉凡格氏混合优化算法提取传感布里渊散射谱特征的方法

在基于布里渊散射的分布式光纤传感系统中,沿途光电检测信号信噪比(SNR)过低为被测量的信息反演带来困难。针对高精度解调传感布里渊散射谱的布里渊频偏量的需求,提出了一种利用粒子群优化(PSO)和拉凡格氏(L-M)混合优化算法对传感散射谱进行特征提取的方法。利用PSO算法粗调得到一组全局最优解,再以全局最优解作为L-M算法的初值,最终将L-M算法的运算结果作为结果输出。它克服了PSO算法过早收敛于局部极值和L-M算法依赖初值的问题,保证了求解的速度和精度。数值分析表明,新算法适合对不同权重比、不同线宽和低SNR、大测量范围情况下的散射谱进行参数估计,并且在SNR为10dB的情况下得到的绝对误差仅为2.18838MHz,优于其他两种算法。实验研究表明新算法适用于多种脉宽状况下的布里渊散射谱的特征提取,并可有效提高预测精度。     

Antenna patterns of nonsinusoidal waves with the time variation ofa Gaussian pulse

The development of antenna theory for nonsinusoidal electromagnetic waves has been based on the idealized rectangular pulse. In practice, an antenna that is designed to operate in the mode of an electric hertzian dipole would radiate a pulse that best approximates a Gaussian one when the driving current consists of a linear transient. The principle of radiation of nonsinusoidal electromagnetic waves with the time variation of Gaussian pulses is discussed. The properties of the Gaussian pulse are presented, i.e., the autocorrelation function, energy spectral density, and spectrum. Antenna patterns, such as peak-amplitude pattern, peak-power pattern, energy pattern, and slope pattern are derived for a Gaussian pulse received (or radiated) by a linear array antenna. Computer plots of the derived antenna patterns are presented that show a considerable improvement in the angular resolution capability over that of the antenna patterns that have been derived for a rectangular pulse     

基于Coiflets正交小波的超宽带脉冲波形设计

脉冲波形设计是超宽带(UWB)系统的关键技术。基于Coiflets正交小波提出一种产生UWB信号正交成形脉冲的新方法。仿真结果表明,基于Coiflets正交小波产生的新UWB脉冲的功率谱密度比高斯导函数脉冲能更好地满足FCC的频谱模板要求,有较高的频谱利用率。利用正交小波的正交性,设计的UWB脉冲波形可用于多用户通信。利用小波基函数产生的一系列脉冲进行组合叠加,可以达到更高的频谱利用率。     

初始啁啾对凸形色散平坦光纤超连续谱的影响

采用分步傅里叶方法数值研究了线性频率啁啾对高斯光脉冲在凸形色散分布平坦光纤中产生超连续(SC)谱的影响,并与啁啾双曲正割脉冲产生SC谱的情况进行了比较.结果表明:无啁啾高斯光脉冲的SC谱达到200 nm以上,其特性优于双曲正割脉冲的SC谱;获得最佳SC谱所需光纤长度随啁啾参量C增加而缩短;负啁啾时的SC谱特性劣于正啁啾时的特性,2种情况下的SC谱特性均劣于无啁啾时的SC谱特性,SC谱特性的劣化程度随|C|的增加而增大;在最佳SC谱对应的传输距离附近,高斯脉冲频谱质心随C的增加而红移且红移速度逐渐增加,比双曲正割脉冲的红移大且红移速度增加;高斯脉冲方均根频谱和脉宽随传输距离和随C增加逐渐展宽且展宽速度逐渐加快,比双曲正割脉冲的相应参量展宽得快且宽.     

Pulse Pile-up Correction by Particle Swarm Optimization with Double-layer Parameter Identification Model in X-ray Spectroscopy

In X-ray spectrum analysis, the pulse pile-up is a long-standing issue which deteriorates the energy resolution and count rates of the radiation detection systems. In this study, a novel pulse pile-up identification method based on particle swarm optimization and double-layer parameter identification model (PSO-DLPIM) is proposed. Different Gaussian pile-up waveforms are realized by exponential pulse through Sallen-Key (S-K) low-pass filtering. Then, the proposed model recognizes the parameters of each sub-Gaussian pulse. Especially, it can be used to modelling the pulse indirectly without a certain model parameter and overcomes the model mismatch troubles. Finally, computer simulations and experimental tests are carried out and the results show that this method has higher accuracy for the recognition of pile-up pulses. The example shows that the minimum distance between pulses that can be identified by this method is 0.05 μs. And when the pulse generation time is known and the environmental noise is low, the relative error of the amplitude of pulse pile-up recognition is as low as 0.15%. Therefore, this method can greatly improve the resolution of the X-ray spectrum.

     

粒子群优化算法在海杂波参数优化中的应用

以具有对数正态分布和高斯谱特性的海杂波产生为例,根据零记忆非线性变换法（ZMNL）的原理,将海杂波的产生转化为参数优化问题,并用粒子群优化算法（PSO）进行求解,最后还将仿真结果与遗传算法进行了比较。讨论了用PSO进行参数优化的具体实现过程,并找到了较优的滤波器系数,得到满意的杂波谱特性。仿真结果表明,该方法完全可应用到海杂波的产生方法中。