基于膜计算与粒子群算法的盲源分离方法

为了解决盲源分离方法收敛速度慢、分离性能不高的问题,提出一种基于膜计算(Membrane Computing,MC)和粒子群算法(Particle Swarm Optimization,PSO)的盲源分离方法。算法以分离信号负熵作为粒子群的适应值函数,将粒子均匀分布到各基本膜中,将各基本膜内最优位置输出到表层膜并选择适应值最小的最优位置作为群体最优位置,通过粒子自身最优位置和群体最优位置对种群粒子进行速度和位置的更新。粒子群最优解调整盲源分离的步长函数,进行信号的分离。提出的算法简化了惯性权重取值问题,保证了PSO算法局部搜索的精度,满足了全局搜索的多样性。仿真实验和实例应用表明,提出的算法可以很好地分离混合信号,并且能避免PSO算法的早熟收敛问题,具有更快的收敛速度和更优异的分离性能。     

基于网格搜索-牛顿迭代法的微震震源定位算法

利用最优化算法对微震定位进行求解时,为了保证全局且快速收敛,结合网格搜索法的 全局收敛性和牛顿迭代法的快速准确性,提出一种基于网格搜索-牛顿迭代法的微震震源定位反 演算法。 新算法首先通过对监测区域进行稀疏的网格划分,利用网格搜索法得到初步的定位结 果,再以此结果作为牛顿迭代法的初始迭代值进行准确的定位计算。 通过模拟实验,研究了地下 介质速度各向异性和实际工程中测速误差对定位结果的影响,并与牛顿法、网格搜索法和模拟退 火法对比新算法在定位准确度、稳定性以及计算效率方面的表现。 结果表明:该算法在理论上可 以相对高效、准确、稳定地定位微震事件。 最后利用实例验证新算法定位效果,定位误差约 为4m。 该算法在微震定位中具有一定的实用价值。