基于仿生学的优化算法及其在信号处理中的应用

仿生学优化算法是一类模仿生物行为和自然界现象的仿生算法,其目的是求解优化问题的全局最优解。本文首先介绍了各种仿生学优化算法的起源和基本原理,主要包括蚁群优化算法、粒子群优化算法、细菌觅食优化算法、蜂群优化算法、鱼群优化算法、萤火虫群优化算法、狼群优化算法、蝙蝠算法、鸡群优化算法、进化算法、免疫算法、克隆选择算法和小世界网络等。然后总结了仿生优化算法的研究现状,并给出了仿生优化算法在信号处理、图像处理、语音处理和通信网络等领域中的典型应用。最后,归纳了仿生学优化算法的特点,并对如何扩展其适用范围、探索新的仿生学优化算法提出了基本思路,对其发展进行了展望。     

一种改进的经验模态分解算法与测井信号去噪

经验模态分解中的端点效应导致了虚假分量的产生和边界信号的失真,为此基于边界局部特征延拓法,通过判断原始信号的端点能否作为极值点插入到新的上下包络中,有效抑制了端点效应。将改进的经验模态分解算法应用于核磁共振油气井探测回波信号处理中,通过Hilbert谱分析可知,得到了良好的去噪效果。