MIMO-OFDM系统中改进的RLS信道估计方法

MIMO-OFDM系统中一种改进的递归最小二乘(RLS)信道估计方法可以在不需要任何信道统计信息的前提下,利用前导训练序列和自适应遗忘因子对信道状态参数进行估计。仿真结果表明基于自适应遗忘因子改进的RLS信道估计方法(RLS-A),在估计精度和鲁棒性上的性能均优于基于常规遗忘因子的RLS信道估计方法(RLS-C)和两步遗忘因子的RLS信道估计方法(RLS-T)。因此,改进的RLS-A信道估计方法能很好地满足MIMO-OFDM系统中接收机的要求。     

混合策略改进的粒子群算法

针对粒子群算法易陷入局部最优、收敛精度低、收敛速度慢等缺陷,提出了基于混合策略的改进粒子群算法。使用融合Circle映射与精英反向学习的策略初始化种群,提升初始种群的质量,同时加快收敛速度;在粒子速度更新方式中引入蜘蛛移动策略平衡算法的全局搜索与局部搜索;提出了基于自适应t分布的变异策略,增强算法全局搜索和跳出局部最优能力;对15个单峰和多峰函数进行仿真实验,与其他3种算法进行了对比分析,结果表明：所提出的改进算法具有很强的寻优能力与稳定性。     

粒子群优化算法在天线方向图综合中的应用

针对目前粒子群优化算法在多零点低旁瓣约束的阵列天线方向图综合中早熟收敛、易陷入局部极值的问题,提出了一种改进的粒子群优化算法MSPSO,在多子群、层次化的模型中采用von Neumann邻域结构,以改善收敛速度和优化精度。建立一种新的目标函数模型,对顶层和底层的子群分别采用适合其特点的适应值目标函数,平衡了算法的全局和局部搜索能力。仿真结果表明,将该算法应用于阵列天线方向图综合中,取得了很好的优化效果。     

改进的DSmT算法及其在C~4ISR系统中的应用

提出了一种基于DSmT的快速mass函数收敛算法。在工程应用中,由于矛盾焦元在决策时没有实际意义,所以在证据融合时,只计算由辨识框架元素形成的焦元与未知焦元的基本置信指派,而不需要计算矛盾焦元的基本置信指派。这样能够有效地降低计算复杂度,并提高mass函数的收敛速度。将该算法作为雷达辐射源识别的方法应用到了C4ISR系统中,仿真表明,该方法比传统方法在高冲突情况下可以更准确、更快速地识别雷达目标。     

基于双渐消因子调节的自适应卡尔曼滤波器

针对传统卡尔曼(Kalman)滤波器鲁棒性差,无法实时精确跟踪系统突变状态的问题,设计了一款双渐消因子调节的自适应Kalman滤波器。算法分析了突变状态无法精确跟踪的原因,在传统Kalman滤波器的基础上,引入双渐消因子,优化预测协方差,实时激活滤波增益,调节量测新息在状态估计中的贡献度。借鉴新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。基于滤波发散判据,分析了储备系数与量测新息协方差之间的关系,构造了函数边界条件。实例研究表明,自适应Kalman滤波器鲁棒性强,能够精确跟踪系统突变状态,状态收敛速度优于抗差Kalman滤波器,稳态精度提升了44.76%。     

交叉变异蛙跳算法

针对基本蛙跳算法搜索速度和精度不高的缺点,将变异的思想融入基本蛙跳算法,提出了一种新的改进蛙跳算法——交叉变异蛙跳算法(KSFLA).该算法通过子族群中排名较前的个体变异产生新个体代替子群中较差的若干个体,而其余的非子群最优个体则模仿大雁飞行策略,参照前面的个体进行位置更新,充分利用群体的信息提高算法性能.实验表明,改进后的算法在收敛速度以及收敛精度方面都有了很大程度地提高.     

BP模型的改进算法及其在负荷预测中的应用

分析了BP模型学习算法——累积误差进传播算法在接近极小点时收敛速度变得异常缓慢的原因,并通过对连接权值的调整量引入权重系数,提出了一种改进的BP模型学习算法,大大加快了收敛速度,提高了收敛性。还利用提出的改进算法对某省中期负荷进行了预测,算例结果表明了该算法的有效性。     

基于信度分配的串行集成CMAC及其仿真

针对Albus CMAC在学习精度与存贮容量之间的矛盾,借鉴神经网络集成思想,并引入可信度的概念,提出了基于信度分配的串行集成CMAC,以提高学习系统的泛化能力和网络收敛速度。通过对复杂非线性函数的逐级降维,分步逼近,有效地提高了网络的学习精度。仿真研究进一步验证了该方案的可行性和有效性。     

INSGA-Ⅱ算法及其在天线综合中的应用

为了加快NSGA-Ⅱ优化算法的收敛速度,提高种群多样性,使种群收敛更加均匀。该文在多目标函数优化方法NSGA-Ⅱ的分析和研究的基础上提出了3点改进措施:(1)累积排序适应度策略;(2)基于精英策略的填充门限跳选方法;(3)限定门限选择策略。实验证明:3点改进措施能够扩大原有算法的解空间,并且提供了一种更加合理的选优策略。通过对典型的数学模型的计算,表明改进方法比原有的NSGA-Ⅱ方法具有更好的种群收敛性。同时将其使用来优化综合天线线阵的方向图,并得到了很好的结果。     

关联规则挖掘的Apriori算法的改进

提出一种将Apriori算法与散列技术和事务压缩技术相结合的改进算法,研究了散列函数的构造及其对算法效率的影响,分析了事务压缩技术的原理及其实现方法,用实例给出了原算法与改进算法的实现步骤,结果表明,新算法减小了存储空间,提高了算法的效率,并改进了数据挖掘技术的性能。     

IEEE 802.16无线信道快速突发均衡的实现

针对IEEE 802.16无线信道进行了仿真,提出了一种工作于该信道的16QAM突发模式的快速均衡器算法,该算法采用Neuman-Hoffman序列的扩展序列进行信道快速估计,及用均衡器系数预加载算法以提高收敛速度,仿真结果证明:算法收敛速度优于递归最小二乘算法。     

基于DV-Hop定位算法的改进研究

针对DV—Hop定位算法,利用最近一个信标节点估计的平均跳距来计算未知节点坐标,降低了定位精度。提出了改进算法,首先对每个信标节点的平均跳距误差进行加权处理,然后用加权处理后的平均跳距误差修正全网平均每跳距离,从而更逼近实际距离,最后用总体最小二乘法计算未知节点的坐标。通过仿真实验,证明本文算法的定位精度得到了有效提高。     

基于LM BP神经网络的高铁建设环境中短期影响综合评价研究

根据改进过的BP人工神经网络建立了高铁建设环境中短期影响的三层前馈神经网络综合评价模型。改进过的BP神经网络算法是在传统的算法的基础上使用LM算法，即梯度法和高斯—牛顿迭代法的结合，该种方法提高了收敛速度及精确度。根据既往已经开通运营的铁路项目对生态环境影响的深入调查和研究，建立了高铁建设环境中短期影响评价的指标体系。利用长益城际铁路作为实证，使用LM BP神经网络模型得到的综合评价分值分别为0.372和0.223，表明该铁路建设对沿线环境的短期和中期影响分别为较小影响和极小影响，评价结果有效。该模型的应用可提高评价结果的客观性和准确性，为高速铁路的选线决策提供科学的评价方法。     

基于最速下降法的人工免疫算法

由于人工免疫算法受到收敛速度相对较慢,局部搜索能力较弱、求解全局最优解需要的群体规模相对较大等因素的影响,本文将最速下降法与人工免疫算法结合,提出了一种新的混合算法。数值实验结果表明,该算法能够找到更优的优化结果,并且在收敛速度上明显优于传统的人工免疫算法。     

免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job-shop车间调度问题的免疫遗传算法．仿真结果表明，该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生，显著地提高了遗传算法（GA）对全局最优解的搜索能力和收敛速度，这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景．     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。     

改进的LDPC译码算法研究

基于LDPC码的BP译码简化算法,结合RMP调度和Offset最小和算法,提出了一种改进的LDPC译码算法。在相同的前提下,改进的译码算法在计算复杂度方面,与Offset最小和算法相比,改善了算法的收敛特性;采用优化的存储方式,降低了存储需求,适合硬件实现。仿真结果表明,改进的译码算法降低了平均迭代次数,减少了量化实现占用的存储单元。     

基于实数编码遗传算法的盲信源分离方法

提出了一种新的基于相关矩阵对角化的代价函数,该代价函数通过抑制分离信号的互相关性达到盲信源分离的目的。这种分离新方法可用于分离平稳或非平稳信号的瞬时或卷积混合。针对传统梯度搜索方法容易陷入局部收敛的问题,文章还提出利用实数编码遗传算法对代价函数进行最优化搜索。仿真实验表明,这种遗传算法具有快速收敛性能和高精确度等优点。     

基于0-1规划的软硬件划分方法研究

将0-1规划算法应用于软硬件协同划分过程中,一种节点的映射方式对应单位立方体上的一个顶点。利用单位立方体几何性质求出无约束的目标最优解;由此解出发,利用折半查找和一定的编码策略向外搜索,直到满足系统约束为止;利用仿真数据对该算法进行了有效性验证。仿真结果表明,0-1算法的收敛速度与遗传算法相当;精度与整线性规划相当。