低复杂度的OFDM信道估计算法

LS算法在频域对OFDM系统的信道进行估计方面,具有简单、易实现的优点.维纳滤波可以有效地改善LS估计器的性能,但会增加系统的计算复杂度.该文利用主分量分析的方法,提出了一种能有效地降低系统的复杂度的算法.该算法首先利用LS算法在频域对OFDM系统的信道参数进行粗略估计,然后利用改进后的低复杂度维纳滤波器对所获得的信道参数进行滤波.理论分析及仿真结果表明,谊方法在估计性能损失不大的情况下,能有效地降低系统估计的计算复杂度.     

一种改进混合遗传算法解决车间作业调度问题的研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向,由于其固有的计算复杂性(NP-Hard),一般无法利用经典方法求出最优解.针对作业车间调度问题,提出一种求解作业车间调度问题改进的遗传算法.该算法对交叉算子和变异算子进行改进,并将遗传算法和启发式算法相结合,建立一种混合算法框架,能有效避免局部最优.通过实例的计算和分析,取得了良好的调度效果,论证了算法的有效性和稳定性.     

有效修正ADI-FDTD算法中数值色散的一种方法

针对变换方向隐式(ADI)时域有限差分(FDTD)算法提出了一种改进方法,通过添加各向异性参数来修正相速度误差,从而减少数值色散,提高计算精度.给出了改进后的ADI-FDTD计算公式,并对改进算法的稳定性、色散关系以及各向异性参数的选取进行了研究,数值结果证明了所给方法的有效性.     

基于秩亏损的近场源定位快速算法

为避免近场源参数估计中的搜索计算,提出了一种改进的Root-MUSIC算法.该算法把阵列分成两个对称的子阵,并利用两个子阵信号子空间的广义旋转关系得到信号源角度的估计,然后利用估计出的角度和GESPRIT方法给出距离的估计.该方法在低信噪比下性能优越,能完成参数的自动匹配,且无需谱峰搜索计算复杂度低.仿真结果表明了此算法的有效性.     

一种改进的MBNN图像分割算法

提出了一种改进的基于模型的神经网络(MBNN,model-based neural network)图像分割算法.采用马尔科夫随机场(MRF,Markov randomfield)对图像建模,将该模型融入MBNN,应用改进的最大期望值(EM,expectationmaximization)算法估计网络中MRF参数,采用预指定类别数技术减少网络计算量,最终实现图像分割.实验结果表明,该算法能够有机地将先验知识和图像局部统计相关性结合起来,从而有效地完成图像分割.     

一种基于压缩感知的MR成像的新方法

FCSA(Fast Composite Splitting Algorithm)是一种用压缩感知理论进行MR重建的有效算法,它在重构时间和图像重构质量上相比其他算法有明显优势.但是,当算法选择不同的参数时,重建效果不稳定.本文对该算法进行了改进,以减少由人为选择不同的参数所带来的对重建效果的影响.实验表明,改进后的算法在参数选择不同时,重建效果都能够得到保证.     

改进的双速率同步采样法及其傅里叶变换

针对现有的双速率同步采样序列离散傅里叶变换(DFT)的算法是一个经验公式和计算量大的缺陷,提出了一种改进的双速率同步采样法.改进的采样法采用传统的采样间隔补偿方法以平抑对周期信号采样所产生的周期误差,将所有的采样点按时间顺序划分成点数相同的前后两组,对两段中对应点的采样间隔分别给以相同的补偿,将双速率采样问题归结成均匀采样问题,并利用均匀采样的基本理论,导出改进的双速率采样序列DFT的算法.分析结果表明,与传统补偿方法相比,改进的采样法不仅能有效地抑制采样的周期误差,而且DFT算法的乘法计算量减少了一半.适用于周期信号的电参数测量与频谱分析.     

SSCA算法改进及实现

SSCA(strip spectral correlation algorithm)算法是一种循环谱时域平滑算法.为了解决该算法运算量大,不能实时计算的矛盾,本文提出利用改进的滑动FFT算法和一位相关算法代替SSCA算法中滑动FFT和相关算法.给出了改进算法的数字实现方法和步骤,并用软件和硬件平台进行验证.仿真和试验结果表明:文中提出的数字实现算法能对信号的循环谱进行实时分析,能节约大量运算时间和存贮空间.基本解决了循环谱算法不能工程应用的问题.     

AR模型参数自适应估计方法研究及应用

为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.     

基于改进原对偶对数障碍法的最优潮流算法

在原对偶对数障碍法的基础上，提出一种改进算法用于解决最优潮流问题. 利用障碍参数对改进障碍函数的影响，使改进算法能有效地处理最优潮流问题中的不等式约束，避免了计算中对有效约束的识别问题. 将改进算法与原有算法用于IEEE 30节点系统无功优化问题的仿真计算，结果证明了改进方法是有效可行的，且与原有方法相比，可求得更优解.     

基于遗传算法的热力设备机理模型参数优化方法研究

针对复杂热力系统机理建模参数优化中存在的问题,提出了基于遗传算法的机理模型优化方法。建立热力设备的机理模型,确定优化参数,应用遗传算法进行优化,直到模型精度达到要求。以末级过热器为例进行的仿真研究表明,运用该方法优化的机理模型达到预定的精度要求;优化过程自动进行,缩短了参数优化时间。作为一种通用算法框架,具有简单易用的特点,适用于各类热力设备模型和热力系统模型,为火电厂仿真机数学建模和参数自动优化提出了简单实用的方法。     

马氏田口系统的量子行为二进制粒子群特征选择优化方法

针对标准二进制粒子群用于马氏田口系统的特征选择优化时,存在迭代速度慢,容易陷入局部最优解等不足,提出一种改进的基于量子行为二进制粒子群的马氏田口系统变量选择优化方法。首先,为了规避可能存在的复共线性特性对距离度量结果的影响,本研究采用Gram-Schmidt正交化法计算马氏距离值,对系统进行标准化处理,对各属性向量进行正交化后计算各类别的马氏距离集合,通过ROC曲线确定系统分类的最佳阈值点,定义误分类率概念和被选择变量占比最小作为变量筛选标准,构建多目标的混合规划模型。运用改进的量子行为粒子群算法求解优化组合,为适应二值化的变量优化问题,算法基于概率对粒子进行二进制编码,求取目标函数的适应值,并完成粒子群的优化迭代过程。采用优化的变量组合,构建精简的马氏田口系统,建立度量预测模型,完成精确判别的任务。最后,以胎心分娩力造影术测量的胎儿健康诊断为例,对标准二进制粒子群算法和二进制量子粒子群优化算法进行对比验证,实验结果表明,本文方法可以有效地提升粒子的迭代速度和寻优精度,优化后的马氏田口系统的预测准确率明显提高。     

基于改进粒子群算法考虑阀点效应的经济负荷最优分配

经济分配对于电力系统节能至关重要,是电网中一类典型的优化问题,基于传统的粒子群算法的优化方法由于仅考虑速度与位置参数,易导致局部最优。针对电力系统的有功经济分配,考虑发电机组的阀点效应,提出一种改进型粒子群算法。通过引进视角参数,使粒子的移动状态受到视角的制约,改善传统算法粒子容易早熟而陷入局部最优的缺陷,降低搜索随机性并提高优化精度’仿真结论表明,带有视角参数的改进粒子群算法有更高效的全局搜索能力和更可靠的最优解,为发电机有功经济分配问题提供一种有效的新算法。     

基于支持向量机的随机聚焦搜索算法优化冲压成形工艺

针对板料冲压成形工艺优化问题,研究了一种新的优化设计方法。采用支持向量机(support vector ma-chine,SVM)构建工艺参数与成形质量之间的多元非线性回归函数模型,在此基础上将一种新的群集智能算法,即随机聚焦搜索(stochastic focusing search,SFS)算法应用于冲压成形工艺参数寻优,以达到优化成形质量的目的。结合盒形件拉深实验证明,SVM在小样本条件下学习后所构建的非线性拟合精度比神经网络具有优势,表明了SVM具有更好的泛化性能。在SVM模型基础上应用SFS算法对板料冲压成形的工艺参数进行优化,将优化后的工艺参数进行实验验证,结果表明可获得较好的成形质量,说明了该优化方法具有较好的精确度和有效性,有一定的工程实用价值。     

基于粒子群算法的ANFIS模型参数优化

粒子群优化算法是一类全局随机进化算法,算法通过粒子间的相互作用发现复杂搜索空间中的最优区域。根据粒子群算法对整个参数空间进行高效并行搜索的特点,提出了最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统网络结构参数进行优化设计。混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明本算法的有效性。     

非线性系统的广义T-S模糊模型的研究

在获得广义T-S模型结构之后,往往通过参数辩识,确定模型参数,这样得到的模型不是最优或次最优的,鉴于这个问题,提出了基于遗传算法搜索广义T-S模型系统最优结构参数的方法,采用二进制编码与实数编码并存的距阵方式,获得最优或次最优模型.仿真结果表明了该方法的有效性,并且模糊规则少,精度高.     

通用多接入网络选择问题的建模和分析

提出了一种基于通用多目标优化模型的多接入网络选择判决方法. 对接入选择相关的参数进行了系统的分析归类,通过建模将网络选择问题转化为典型的多目标优化问题. 借鉴遗传算法的群体排序思想,结合Hooke Jeeves直接搜索方法设计了优化的多目标决策算法. 仿真结果表明,参数的设置合理有效,在多目标优化问题建模基础上的网络接入选择方案可以在异构网络环境中得出准确合理的判决结果.     

中央空调系统节能的蚁群优化控制方法

针对中央空调系统运行时变性、非线性、多变量、大滞后等特性,提出了采用启发式全局寻优的蚁群优化算法对整个系统进行能耗寻优.通过建立空调系统能耗数学模型,采取蚁群算法对模型能耗最小化寻优,分析了信息素变挥发系数算法的收敛性,指出了算法以概率1收敛到最优解.同时对系统进行了控制结构改造及运行测试,结果表明,新的控制方法使空调系统能根据负荷变化进行参数动态调整,实现各设备运行匹配良好及工况较佳的目的,平均节能率达22.3%,获得较好的节能效果,对现有中央空调控制系统的节能改造具有借鉴作用.     

一种近似响应面模型的链轮优化设计方法

链轮系统作为一种广泛应用于工业设备上的动力传输装置,优化并提高其系统性能具有重要的理论和实际意义。针对目前链轮系统优化过程中优化效率和优化精确度难以兼顾的不足,提出了一种基于试验设计响应面模型的链轮系统优化设计方法和优化过程。以链轮系统有限元分析结果为基础,对影响链轮系统的优化控制参数进行最优超立方试验设计,获得具有显著影响度的设计控制参数并建立各控制参数间的交互响应关系。基于显著控制样本参数构造链轮系统响应面近似模型,采用多岛遗传算法对响应面近似模型进行全局寻优并实现对链轮系统的优化设计。与常规优化方法对比,该方法在较少优化次数条件下进一步提高了链轮系统的综合优化性能,有较好的可行性和实用性。     

惩罚函数结合遗传算法的PID参数优化

针对传统优化算法对PID参数优化时,由于目标函数选择不当出现的超调量过大,从而引起系统的反应速度变慢和稳定性变差的问题,提出以传统遗传算法为基础,引入惩罚函数的方法,根据系统中出现的超调量来构造新的目标函数实现对PID的参数优化。实验表明,该方法可以有效减少系统中的超调量,加快优化以及运行速度的同时保证系统的稳定性,实现对PID参数的优化。