基于改进人工免疫算法的TDOA定位估计

采用最大似然估计方法解决TDOA定位估计问题可以避免已有算法的缺点,适用性更强,但必须解决由此产生的非线性优化问题。人工免疫算法是一种模拟自然免疫系统功能、收敛性能较好的新兴智能方法,针对TDOA定位估计问题对人工免疫算法进行了改进,采用浮点数编码,避免了二进制编码所必须的编解码过程;并采用轮盘赌策略克隆亲和度较高的抗体,并控制抗体以不同变异率变异,提高了收敛速度和性能,改进了免疫算子。针对TDOA估计问题,联合使用Chan算法和人工免疫算法,可以取得较好的定位精度,提高收敛速度。仿真结果表明,在保证抗体数量的情况下,该算法性能稳定,并能以较快的速度收敛到全局最优解,相对于Chan算法精度更高。     

一种改进型粒子群优化波达方向估计算法

对空间多个窄带信号源的高分辨波达方向估计是移动通信、雷达、声纳、电子监控和地震研究等信号处理中的重要问题之一.而现在的一些获取波达方向估计最大似然解的算法存在收敛速度慢或者局部极值问题,为了克服这些问题,本文以粒子群算法为基础,在粒子群算法的速度更新公式基础上考虑了粒子平均信息的影响,并对惯性因子进行改进,考虑了当前粒子与当前最优粒子之间的距离,并用其来寻求波达方向最大似然估计的全局最优解.仿真结果表明:与改进前的粒子群算法相比,基于改进粒子群优化算法的波达方向估计在提高搜索全局最优速度和估计精度上都有优势.     

一种基于改良粒子群算法的近场阵列自校准方法

针对存在位置及幅相误差的大尺度直线阵列,提出一种基于改良粒子群算法的近场阵列位置-幅相误差联合自校准方法。该方法采用三校准源分时、分地工作模式、UML-PSO联合寻优方式,针对校准源位置未知的情况构建目标函数并进行寻优。仿真及试验验证了该算法可应用于实测,且具有较好的性能。     

用于最大似然2-DOA估计的裂变粒子群算法

最大似然2-DOA估计是一种抗干扰能力强、精确度高的测向算法。对其目标函数求解时容易收敛到局部最优解,最终影响最大似然2-DOA估计的性能。考虑到粒子群（PSO）算法具有全局化寻优能力及计算量巨大的特点,本文提出了一种裂变粒子群(FPSO)算法,在保证全局化寻优能力的同时大大降低计算量。但当2-DOA估计环境恶劣时FPSO算法仍然需要较大的迭代次数才能达到一定的2-DOA估计精度。为了进一步降低计算量,提出了改进的FPSO算法。其采用AP算法初始化全局最优粒子,精确了初始化精度从而降低精确2-DOA估计所需的迭代次数。仿真证明,FPSO算法和改进的FPSO算法能够分别在AWGN信道和短波信道下以较低的计算量实现精确的2-DOA估计,其均方根误差逼近其CRB。      

DV-Hop定位算法的混沌粒子群优化

针对距离矢量跳距(Distance Vector Hop, DV-Hop)定位算法通信半径选择不合理导致平均跳距和定位误差较大的问题,提出一种基于混沌粒子群改进的DV-Hop定位算法,利用混沌映射的遍历性和随机性实现粒子的局部深度搜索,避免粒子群算法陷入局部最优。通过混沌粒子群优化(Particle Swarm Optimization, PSO)算法迭代求解所有信标节点的通信半径,引入混沌理论调整非线性惯性权重优化搜索过程,通过混沌搜索和混沌扰动迭代求解信标节点的最佳通信半径;通过极大似然估计(Maximum Likelihood Estimate, MLE)法计算的平均定位误差作为混沌粒子群算法的适应值函数;使用费希尔矩阵求解的误差下限作为约束条件求解适应值函数,同时把平均通信半径作为节点能耗模型的阈值来降低节点能量消耗。仿真实验表明,提出的算法在不增加算法复杂度的前提下能够在定位精度方面提升近58%,节点能量消耗方面降低近24%。     

基于自适应粒子群算法的目标定位方法研究

针对现有定位求解算法复杂和标准粒子群算法易陷入局部最优的缺点,提出了一种基于自适应粒子群算法的目标定位方法.该方法在迭代过程中指数更新惯性权重,择优选择粒子,并根据种群适应度方差值自适应地调整变异概率的大小,增强算法跳出局部最优的能力.仿真结果表明该方法能有效地提高目标的定位精度,在随机噪声干扰方差为0.5的条件下,定位均方误差不超过0.8m.     

基于混沌自适应变异粒子群优化的解相干算法

针对相干信源波达方向估计的需要,结合粒子群优化算法,论文提出了一种基于混沌自适应变异粒子群优化的广义极大似然算法(CAMPSOGML),算法对阵列的几何结构没有任何约束,分辨的信源数可大于阵元数,算法把混沌初始化和自适应变异策略引进粒子群算法中,有效地提高了收敛速度,克服了粒子群算法容易陷入局部最优值的缺点。计算机仿真表明：与基于实数遗传算法和粒子群算法的广义极大似然估计方法相比,CAMPSOGML算法在收敛速度和估计精度上都有优势,是一种新颖的有效的解相干算法。     

基于改进免疫粒子群优化算法的室内可见光通信三维定位方法

针对室内可见光通信中3维定位精度不高和定位时间较长的问题,该文提出基于改进免疫粒子群(IIMPSO)算法的室内可见光通信(VLC) 3维定位方法。通过分析室内多径效应,选取合适的视场角(FOV)以减少反射影响,同时完善了倾斜状态下的定位模型,并采用卡尔曼滤波算法以降低环境干扰对接收功率的影响,在此基础上与改进的免疫粒子群算法相融合。仿真结果表明,在5 m×5 m×3 m的室内环境中,该文所提出的3维定位系统平均定位误差为0.031 m,定位时长为2.3 s。与现有的3维定位系统进行比较,其定位精度与收敛速度均得到明显改善。

     

基于改进免疫粒子群优化算法的室内可见光通信三维定位方法

针对室内可见光通信中3维定位精度不高和定位时间较长的问题,该文提出基于改进免疫粒子群(IIMPSO)算法的室内可见光通信(VLC)3维定位方法.通过分析室内多径效应,选取合适的视场角(FOV)以减少反射影响,同时完善了倾斜状态下的定位模型,并采用卡尔曼滤波算法以降低环境干扰对接收功率的影响,在此基础上与改进的免疫粒子群算法相融合.仿真结果表明,在5 m×5 m×3 m的室内环境中,该文所提出的3维定位系统平均定位误差为0.031 m,定位时长为2.3 s.与现有的3维定位系统进行比较,其定位精度与收敛速度均得到明显改善.     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

一种基于改进PSO的随机最大似然算法

随机最大似然算法(Stochastic Maximum Likelihood,SML)具有优越的波达方位(Direction-of-Arrival,DOA)估计性能,但SML解析过程较高的计算复杂度限制了该算法在实际系统中的应用.针对SML计算复杂度高的问题,提出一种低复杂度的粒子群优化算法(Particle Swarm Optimization,PSO),解决了传统PSO算法中粒子数多和迭代次数多的双重缺点.首先,根据天线获得的信号,将旋转不变子空间法(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)求得的闭式解作为DOA的预估计值,同时计算系统此时的信噪比以及SML在此信噪比下的克拉-美罗界(Cramer-Rao bound,CRB).然后,根据DOA预估计值和当前CRB值在SML最优解的近邻范围内确定较小的初始化空间,并在该空间初始化少量粒子.最后通过设计合适的惯性因子w,使粒子以合理的速度搜索最优解.实验结果表明,改进PSO算法所需的粒子个数和迭代次数大约是传统PSO算法的1/5,降低了SML的解析复杂度,计算时间是传统PSO算法的1/10,因此在收敛速度上也有显著的优势.     

免疫粒子群算法及其在矿井提升机故障诊断中的应用

基于人工免疫系统的故障诊断方法是人工智能领域发展起来的一个十分活跃的分支.为了提高免疫算法在矿井提升机故障诊断系统中的执行效率,通过对诊断问题进行更精确的建模和分析,提出了将免疫模型和离散粒子群进化算法相结合的提升机系统的故障诊断方法.该方法在免疫形态空间中采用核主元形式的相似性度量,解决了传统距离判别函数法在故障诊断中存在误差较大等问题.仿真结果表明,该方法能够适应诊断过程中出现的不确定性,并实现多故障诊断.     

相参短脉冲辐射源双站TDOA/FDOA直接定位算法

当目标辐射源脉冲信号持续时间较短时, FDOA引起的信号脉内相位变化很小,几乎可以忽略,无法实现TDOA和FDOA联合定位。针对上述问题,通过对相参辐射源信号脉冲间相位补偿,提出了一种利用信号的TDOA和FDOA信息的最大似然直接定位算法。考虑采用运动双站对固定目标辐射源定位情况,以确定性未知信号为模型,推导了高斯白噪声背景下相参脉冲信号联合定位的最大似然估计算法,仿真分析验证了该算法可以利用双站实现对短脉冲相参辐射源的TDOA/FDOA定位。此外,还推导了相参脉冲联合定位的CRLB,表明所提算法在常规信噪比下定位精度可以达到CRLB。      

免疫粒子群改进LBG的孤立词语音识别算法研究

语音识别技术已在通信及控制等领域得到广泛应用,针对孤立词语音识别矢量量化中LBG算法对初始码书选择敏感,容易陷入局部最优、泛化能力不强的缺点,将免疫粒子群优化算法(IPSO)和LBG算法结合进行聚类分析,从而得到基于IPSO-LBG的码书设计方法,并将其用于基于离散隐马尔可夫模型(DHMM)的孤立词语音识别系统中。通过实验,与传统LBG算法的DHMM孤立词语音识别系统的识别结果相比,证明了改进的系统有较好的识别率和适应性。     

海上运动平台多站时差定位算法性能分析

首先对海上运动平台多站时差定位系统中几种典型定位算法进行了理论分析,然后讨论了双曲直接解法、Chan算法和近似极大似然定位算法对系统定时误差和站位误差的影响。在仿真分析下进行了定位性能分析。最终结合海面上的复杂环境背景,选择Chan算法来进行定位解算。     

粒子群算法在电梯群控调度中的应用

随着电梯的广泛使用,人们对电梯的研究也越来越多,针对乘客乘候梯时间过长、电梯能耗性能不理想的问题提出了一种基于粒子群算法的电梯群控调度方法。首先选取乘客乘梯时间、候梯时间、电梯电能损耗量建立电梯群控系统的多目标优化模型,使用粒子群算法对模型进行优化;然后设计仿真实验用乘客的平均乘梯时间、候梯时间以及电梯的起停次数这几个指标与遗传算法进行对比,最后的实验结果说明将粒子群优化算法应用到电梯群控调度中能够具有更好的表现。     

改进型免疫量子粒子群算法求解TSP问题

为了克服粒子群优化算法早熟收敛以及量子粒子在进化过程中缺乏很好的方向指导的问题,受生物免疫系统与量子计算思想的启发,采用了量子技术以及免疫机制,把免疫思想应用到量子粒子群算法,提出了免疫量子粒子群算法.可以指导粒子朝着更优方向进化,提高了量子粒子群的收敛速度和寻优能力,实验结果表明,仿真实验表明所提算法具有较好的性能,在求解TSP问题时收敛速度和寻优能力都取得了更好的效果.     

基于非线性最小二乘的三星座时差定位综合算法

提出一种基于非线性最小二乘(NLS)的三星座时差定位综合算法.该算法不使用WGS-84椭球模型作为定位约束条件,通过对卫星过顶前后的两组弱观测数据进行综合、配对处理,实现对目标的精确定位.仿真结果表明,该方法不仅对弱观测数据具有较好的定位精度,而且不受目标高程约束,当目标高程不确定时,仍具有稳健的定位效果.     

基于改进粒子群的RSSI定位参数优化算法

采用多种群最优值维度交叉法和动态惯性权重法相结合,实现粒子群算法的改进,提高算法收敛速度,降低早熟概率。将改进后的算法用于RSSI定位参数优化,实时修正无线信号传播模型,克服接收信号强度与实际传播距离受无线信号多径效应的影响没有固定一致变化关系的问题。仿真结果表明,此方法相比基于粒子群的RSSI定位方法、基于多种群粒子群的RSSI定位方法和传统的最小二乘曲线拟合的RSSI定位方法,能够有效提高室内三维定位精度。     

新的自适应免疫量子粒子群优化算法

为了克服粒子群优化算法早熟收敛以及粒子在进化过程中缺乏很好的方向指导的问题,算法中采用了量子技术以及免疫机制来提高粒子群的收敛速度和寻优能力,从而获得了一个新的自适应免疫量子粒子群优化算法.仿真试验表明该算法具有较好的性能.