基于小生境遗传算法的干扰资源优化分配技术

针对标准遗传算法易于陷入局部最优的问题,提出了一种基于小生境遗传算法的干扰资源优化分配技术。给出了一种改进的编码方式,保证了初始群体的有效性,交替使用两种交叉方式,较好地克服收敛对于初始群体选择的依赖。改进后的算法解决了标准遗传算法易于陷入局部最优的问题,切实提高了干扰资源调度的性能。仿真结果表明,该算法在确保收敛速度的前提下,全局搜索成功概率明显提高。     

双交换遗传算法及其在非周期天线阵方向图综合中的应用

提出了一种双交换遗传出法,它拓展了传统遗传算法的基本思想,通过引入双交换繁殖操作和参数化染色体,摆脱了传统遗传算法收敛对初始群体的依赖性,避免了传统遗传算法繁琐的编解码过程,因而,它比传统遗传算法更有效和更实用,为了说明双交换遗传算法的有效性和实用性,将双交换遗传算法应用于非周期圆形天线阵扫描方向图综合,应用表明双交换遗传算法可以成为一种通用的阵列天线辐射方向图综合工具。     

自适应遗传算法在DOA搜索中的应用

由于DOA参数估计中的搜索算法无法满足实时性的要求,本文提出在空间谱估计中使用遗传算法来提高搜索速度。鉴于传统遗传算法存在收敛速度慢和早熟的问题,本文选用自适应遗传算法。文中对遗传过程中初始群体选取、选择、交叉和变异的各阶段进行了改进,并解决了收敛速度慢和早熟的问题。最后通过计算机仿真进一步证明算法的有效性和鲁棒性。     

基于遗传算法的任意栅格星载多波束平面阵列方向图综合

讨论了一种基于遗传算法的综合任意平面阵列方向图的方法。算法直接将复数作为遗传算法的编码,省去了一般遗传算法的编码、解码步骤,简化了计算过程,节约了计算时间。采用两种交叉算子,能够较好地克服早熟收敛和收敛对初始群体的依赖。仿真结果表明,该方法能够对任意栅格阵列实现复杂形状方向图的赋形,并且在实现主瓣赋形的同时能够实现良好的旁瓣抑制。     

基于一种新的遗传算法的天线方向图综合技术

给出了一种基于实数编码遗传算法的天线方向图综合方法.在遗传算法模型中采用了向下、向上外推和非一致杂交算子等交叉技术,并结合内插、交换等多种技术形成综合交叉方式.该算法克服了已有算法早熟、对初始群体依赖性等缺陷的同时,较大幅度地提高了算法的收敛速度和可靠性;通过在目标函数中加入零陷方差项克服了现有算法零陷不均衡的缺陷.计算机仿真结果表明,与现有算法相比,该方法用于天线方向图综合具有收敛速度快、零陷均衡、可靠等优势.     

改进遗传模拟退火算法求解TSP

遗传算法和模拟退火算法均是解决TSP的有效方法,分析2种算法各自的优缺点,在已有遗传模拟退火算法的基础上进行改进并用于求解TSP.引用部分最近插入法、部分随机产生初始种群,减小了群体多样性与收敛速度的矛盾.在遗传算法中,使用精英保留策略对选择操作进行改进,保证种群的质量;引入进化逆转算子,使子代继承亲代的较多信息,增强搜索能力.经过国际公认的TSPLIB实验数据仿真验证,改进后的遗传模拟退火算法搜索最优能力提高.     

基于改进遗传算法的自动组卷问题研究

为了解决传统遗传算法在自动组卷中容易出现未成熟收敛和收敛速度慢等问题,提出了一种基于改进遗传算法的自动组卷方法。采用分段二进制编码策略,对每个子空间进行初始种群选择,保证了初始种群舍有丰富的模式,从而增加搜索收敛于全局最优的可能性。并对交叉算子和变异算子进行了优化,实现了交叉和变异概率随解的变化而自适应调整。实验结果表明,改进的遗传算法能有效地解决自动组卷问题,提高了收敛速度和组卷的成功率。     

基于小生境遗传算法的移动机器人路径优化

针对标准遗传算法存在收敛性慢和局部最优解的缺陷,结合移动机器人行走特点,提出一种基于预选择机制小生境技术的改进遗传算法中移动机器人路径规划方法.该方法兼顾对局部最优解和全局最优解的搜索,维持群体的多样性,避免了早期收敛现象的发生;同时也增强了自然群体进化的并行性,加快了搜索进程.计算机仿真结果表明,该算法在收敛速度和输出全局最优解概率方面相对于标准遗传算法有了显著提高.     

基于改进遗传算法的阵元失效校正方法

阵列天线中阵元失效,其方向图的副瓣电平会升高、主瓣变宽。保留遗传算法前期迭代的最优个体为新初始种群对遗传算法进行改进,以加快收敛速度和防止最佳染色体缺失。并利用基于优势保留的改进遗传算法,针对-40dB 的26 单元阵列,随机缺失3 单元后进行优化,恢复原方向图副瓣水平。结果表明,该算法能够有效减少阵元缺失后方向图的恶化。     

基于改进形式的遗传算法研究

为了克服遗传算法的一些缺点，从遗传算法初始群体的均匀生成、十进制整数与实数混合编码方式的采用、遗传算予的自适应生成、最优个体的无遗传保留等策略上改进了现有遗传算法，提出了一种改进形式的遗传算法。仿真实验表明，该改进遗传算法能大大提高遗传算法的收敛速度，有效防止“早熟”现象，明显改善了算法的计算稳定性。     

一种改进的强噪声背景下基音检测算法

针对强噪声背景下语音基音检测这一困难的问题,提出了一种基于计算声场景分析的基音检测的改进算法。该方法利用人的听觉感知特性,引入广义自相关函数以增强基音信息,适用于低信噪比和存在其它语音干扰下基音信息的提取。另外,对于混叠语音的基音周期轨迹的检测,提出一种比较简单的方法。实验结果证明,提出的算法是十分有效的。     

基于折线削波电平的自相关函数法检测基音

基音信息隐含于语音信号的局部极值点处,将语音信号分帧后,通过修正由局部极值点拟合的包络线得到折线削波电平,并将削波后的信号用自相关函数法估计基音。数值实验表明,语音信号经折线削波较中心削波后可保留更多的基音信息,并能有效地减少基音检测的错误。     

基于混合幅度差函数的基音提取算法

为了减少基音周期提取中的倍频和半频错误,进行更准确的基音周期估计,提出一种基于混合幅度差函数的基音周期提取方法.分析比较了不同幅度差和自相关函数估计基音周期错误率的分布,结合两类典型幅度差函数的优点定义了混合幅度差函数;进而基于混合幅度差函数,给出了使用历史信息进行校正的后处理方法.分析表明,所提方法可提高基音周期估计准确率,接近实时地确定基音周期,减少了传统基音周期估计因平滑处理而带来的误差或者动态规划处理带来的延迟.大量实验表明本文提出的基音周期提取方法比传统方法的错误率降低了13.8%.     

一种改进的基音周期检测方法

提出了一种改进的基于自相关算法的基音周期检测方法,首先对信号进行了预滤波.消除二次谐波的影响.计算自相关系数时使用的是削波后的数据,大大降低了计算复杂度,野波平滑在保持周期的阶跃性的同时去除野波.     

一种自相关基音检测算法

自相关基音检测算法是语音信号处理的关键技术,算法的效率直接影响了语音信号实时处理的质量。目前有许多较好的检测算法提高了基音检测算法的效率。而自相关基音检测算法是一种时域算法,它能直接对时域信号采样值进行分帧、求短时自相关函数,并根据一定的判决准则进行清浊音判断。提供了一种自相关基音检测算法,经过实验,它在保持较好的性能的基础上提高了检测效率。     

一种改进的自相关函数基音检测算法

提出了一种改进的自相关函数基音检测算法:首先利用清浊音自相关函数幅度值的不同性质进行清浊音判决,然后仅对浊音段检测基音周期。在基音检测前用带通滤波、中心削波和数值滤波等方法进行预处理,去除共振峰和高频噪声的影响;在基音检测过程的后端用搜索平滑方法进行后处理,平滑掉半、倍频点和随机错误点。实验结果表明,改进算法的效果优于传统自相关算法,而且在信噪比低至5 dB时仍有良好的清浊音判决和基音检测性能。     

噪声环境下语音信号的基音检测

研究和改进了一种基于归一化互相关系数的基音检测方法(NCCFPDA)。NCCFPDA算法利用归一化互相关系数、短时归一化能量和自适应门限来区分清/浊音和选取基音周期,计算量小,精度高。在NCCFPDA算法的基础上,采用动态规划的方法对检测出的基音周期进行平滑,并在噪声环境下与自相关法检测基音周期的检测结果进行了比较。实验表明NCCFPDA算法在基音轨迹的平滑和清/浊判别方面都具有令人满意的效果,能实现基音周期的鲁棒性检测。     

基于小波变换和时域波形的基音检测算法

为了准确地检测语音信号的基音周期,采用小波变换和时域波形相结合的方法,分别用传统的自相关法、平均幅度差法及文中算法对纯净语音和不同信噪比时的含噪语音进行基音检测。实验表明,自相关法易出现半频错误,平均幅度差法易出现倍频错误,且两者随着信噪比的降低,错误帧数呈增加趋势。然而文中算法倍频、半频错误相对较少,基音轮廓清晰、平滑,无大的跳变,符合语音信号慢时变性的一般规律,从而提高了基音检测的精度。     

基于分频带自相关函数的混叠语音基频分离提取新算法

混叠语音的基频分离提取问题是听觉场景分析系统的重要一环。以往的分频带自相关函数的混叠语音基频分离提取方法都是基于频带只受混叠信号之一支配的假设,而事实上,频带常常同时受两个信号影响,为此,本文提出了一种混叠语音基频分离提取新算法,算法在寻找可能的频带组时采用了闭环自适应频带选取模块,根据频带组的基频及其周期度确定两个潜在基频,提高了搜索潜在基频的鲁棒性;利用两个潜在基频重新判断频带的归属来分离信号提取基频,提高了提取基频的精度。实验结果证明新算法具有较高的有效基频提取精度。     

一种基于线性预测与自相关函数法的语音基音周期检测新算法

阐述了一种新的基于语音线性预测模型和经典自相关函数法的基音周期检测算法。该算法的特点在于着重对被处理语音进行滤波预处理和平滑后处理。它克服了自相关法在对低信噪比的语音信号检测时常出现半倍频误差的缺点，同时又克服了对某些变化曲线较大的语音信号检测时随机错误较多的问题。实验表明，在噪声环境下．这种处理方法能够提高传统自相关基音检测法的可靠性和准确性。