基于改进混合遗传的正交小波盲均衡算法

为克服传统盲均衡算法收敛速度慢、均方误差大、易陷入局部极小值等缺点,在正交小波变换盲均衡算法(WT-CMA)的基础上,提出一种基于改进混合遗传的正交小波盲均衡算法(MHGA-WT-CMA)。该算法采用基于改进的编码方式、种群初始化、选择算子及交叉算子的遗传算法,以均衡器权系数为初始种群,将正交小波盲均衡算法嵌入遗传算法的父代与子代之间,对父代种群进行局部搜索,将得到的精英个体直接复制到子代中。再将其余个体进行二进制编码、轮盘赌选择、POX交叉以及非均匀变异等遗传算法操作,经过解码成实数进入子代中,进行下一次混合遗传优化,满足停止准则后输出最优权向量。这样可以结合二者的长处,使得算法既能较快收敛,又能在全局范围内得到最优权向量。计算机仿真实验表明,该算法具有收敛速度快、均方误差小、能搜索到全局最优解等特点。     

从混合有色噪声背景中提取正弦随相调频信号的方法

提出了从混合有色背景噪声中提取正弦随机调频信号方法－－基于高阶累积量FIR自适应滤波方法。其主要特点是：FIR自适应滤波系数是用输入信号的四阶以上累积量进行更新的；FIR自适应滤波器是收敛于与有用信号类型匹配的滤波器。因此，它既能有效地提取有用信号（匹配信号），又能有效地抑制混合有色噪声（非匹配信号）。仿真结果表明，与短时相关方法相比，该方法是很有效的。     

基于输入信号峭度的变步长LMS自适应谱线增强方法

提出了一种基于输入信号峭度的变步长LMS自适应谱线增强方法，该方法以输入信号的峭度为自变量，构造新的步长。该步长对高斯噪声或非高斯噪声均有一定免疫性，同时能快速收敛。最后用实测的水下目标辐射噪声数据和瑞利有色环境噪声进行了仿真，表明该方法有较强的谱线增强能力。     

基于生物免疫的入侵检测系统模型

本文将生物免疫机理引入到网络入侵检测技术中．构建了一个基于免疫代理的网络入侵检测模型。该模型系统具有准确性、实时性、高效性以及自适应性，能较好地解决入侵检测系统的分布性差、自适应性差、误报率高等问题。     

一种基于HB加权的频域自适应时延估计新算法

为了提高低信噪比情况下的自适应时延估计精度和收敛速度，提出了一种基于HB加权的频域自适应时延估计新算法。给出了频域自适应时延估计算法和新算法的原理模型。最后将该算法应用于低空目标声测定位中，用实测的直升机噪声数据进行了仿真。仿真结果表明，在低信噪比情况下，新算法有更高的估计精度，收敛速度和稳健性。     

均匀分布噪声环境中谐波恢复新方法研究

借助误差信号的最小偶次均方（Least Mean Even,LME)的思想，提出了用非输入信号（输入信号的函数）的最小偶次均方对高阶累积量进行迭代，从而构造出基于高阶累积量类LME迭代的自适应谐波恢复新方法。仿真表明：该方法能较好地抑制均匀分布噪声。     

线性调频信号增强的自适应滤波算法研究

在对基本LMS算法进行修改的基础上，提出了基于高阶累积量极性一动量迭代的自适应线性调颇（Linear Frquency Modulation,LFM)信号增强新算法，该算法有抑制高斯噪声效果好。计算量小，收敛快且输出信号平稳等特点，仿真结果证实了该算法的有效性和可靠性。因此，具有较强的实用性和较好的应用前景。     

基于蚁群和Hough变换的虹膜定位算法

为了克服传统的虹膜定位算法准确率不高的缺点,提出了一种基于蚁群和Hough变换的虹膜定位算法.该算法首先利用梯度信息在虹膜边缘处的直观响应作为启发因素,引导蚁群搜索虹膜边缘.然后蚂蚁根据路径上的不断更新增大的信息素,搜索虹膜的内外边缘的像素点.最后通过Otsu阈值和Hough变换确定出虹膜内外边界.实验表明,该算法能够有效、快速地定位出虹膜的内外边界.     

基于模因算法的多模盲均衡算法

由于常模盲均衡算法(Constant modulus blind equalization,CMA)收敛速度和均方误差都不甚理想,且对多模信号均衡时会发生相位旋转,本文提出了基于模因算法的多模盲均衡算法(Multi-modulus blind equalization algorithm based on memetic algorithm,MA-MMA)。该算法将多模盲均衡算法(Multi-modulus blind equalization algorithm,MMA)代价函数的倒数作为模因算法(Memetic algorithm,MA)的适应度函数,利用MA全局优化机制和局部深度搜索能力,在每次全局搜索后对全部新产生的个体进行局部深度搜索,将全局和局部搜索得到的最优个体解向量作为MMA的初始最优权向量。仿真结果表明,与传统的CMA,MMA以及基于遗传算法的多模盲均衡算法相比,MA-MMA 的收敛速度最快,稳态误差最小,输出信号星座图最清晰。     

基于正交小波变换的分数间隔盲均衡算法

针对恒模算法(CMA)收敛速度慢,稳态误差大的缺点,在分析正交小波变换理论和分数间隔恒模算法(FSE-CMA)的基础上,提出了一种基于正交小波变换的分数间隔恒模盲均衡算法(WT-FSE-CMA)。该算法将正交小波变换理论引入到T/2分数间隔恒模盲均衡算法中,充分利用了小波变换对信号的去相关性,以及分数间隔均衡器对信号的过采样性质。与波特间隔、T/2分数间隔恒模盲均衡算法相比,该算法收敛速度快、稳态误差小,均衡效果较好。水声信道的仿真结果验证了该算法的性能。