基于改进型蚁群算法的阵列天线综合

将蚁群算法应用于优化阵元电流幅度,以实现对阵列天线方向图的综合。并针对传统蚁群算法难以解决电流激励幅度这样的连续变量优化和早熟收敛的问题,提出了一种改进型蚁群算法。该改进型蚁群算法对变量采用不整编码并在寻优过程中采用邻域优化方法,使其既可以对连续变量寻优,又同时改善了算法的优化速度和收敛精度。计算结果表明:该改进型蚁群算法在改变阵元激励幅度的方向图综合问题上取得比相关文献更好的结果。     

激光测距中数字鉴相器的设计

相位法激光测距广泛应用于距离测量,尤其是短距离测量领域,测距系统的测量精度和速度主要取决于鉴相器的设计,为提高鉴相器的测量精度和速度,本文给出了一种新型数字鉴相器。通过加入反馈电路控制信号调制器,只需一组鉴相器即可实现激光发射信号与接收信号相位差的测量。调整CIC滤波器的参数,最大限度地提高滤波器输出信号的信噪比。对CORDIC算法进行优化,不仅扩展了测量范围,而且提高了测量精度和速度。本文使用Matlab对该数字鉴相器进行了性能评估,并在FPGA上实现了该数字鉴相器,与传统的数字鉴相器相比,测量精度和速度都有较大的提高,同时也降低了设计成本。     

直接序列扩频系统中强窄带干扰抑制的一种非线性自适应抑制快速算法

本文将一种改进的非线性自适应抑制快速算法应用于直接序列扩频通信的强窄带干扰抑制中,并将其与其它时域自适应抑制算法进行仿真比较,在收敛速度和收敛精度相当的情况下,该算法结构简单、计算量适中且误码率小,特别是相对于其它算法,其对窄带干扰的抑制深度具有明显的优势。     

基于虚拟体育运动的散斑测距研究

虚拟体育运动是一种逼真自然的人机交互系统。传统散斑相关算法的搜索速度较慢,不能满足虚拟体育运动对实时性的要求。通过对数字散斑相关测量方法的研究,提出一种有效的基于邻域相关信息的快速搜索方法,极大地降低了对应点匹配的计算复杂度,进而提高了深度测量的速度。根据测量结果的误差特征,提出了距离加权邻域平均插值算法,可以显著提高深度测量的精度。实测实验证明了该方法的有效性。     

一种新自适应滤波快速算法及其 在多路回波消除中的应用

本文提出了一种新的自适应滤波算法,该算法结构简单、计算量适中且收敛速度快,弥补了一般变步长LMS自适应算法计算量小但收敛速度欠佳,以及仿射投影算法(APA)收敛速度快但计算量非常大的缺陷.该算法计算量与一般LMS算法相当,而收敛速度却与APA算法相当,其结构比APA及相应的改进算法要简单得多.我们不仅对所提算法的收敛性及性能进行了分析,而且将它用于多路回波消除中获得了成功,仿真结果表明,该算法与Sankaran(1997)所提NLMS-OCF算法及Benesty(1996)所提APA-MC算法比较,在收敛速度和收敛精度相当的情况下,其计算复杂度大大减少.从而新算法具备更好的实时性.     

归一化加权平均值算法在测量中的应用

采用高效的数据处理算法提高测量精度为主要的研究内容。归一化加权平均值算法在解算过程中首先求得各数据的归一化加权值,并利用该值来计算平均值,相比于其他的平均值解算方法,精度有了很大的提高。通过Mat-lab仿真试验比较了归一化加权平均值算法与一般平均值计算方法的效果,验证了该算法能够提高测量精度。最后将算法应用于一个简单的电压测量实验,结果表明测量精度得到提高。归一化加权平均值算法以其灵活性和可靠性将得到广泛的应用。     

基于改进正弦余弦算法的MIMO雷达相位编码信号集设计

针对MIMO雷达相位编码信号集的优化设计问题,提出一种改进正弦余弦优化算法.该算法通过引入Lévy飞行,扩大对目标点位置的搜索范围,防止陷入部分最佳;并设置控制参数,提高收敛速度,均衡全局搜索和局部搜索能力;借鉴粒子群算法的权重思想改变自适应更新方程,提高收敛精度,从而达到寻求最佳结果的目的.基于改进正弦余弦优化算法不仅设计出了相关性能良好的MIMO雷达相位编码信号集,而且与现有成果相比,该算法收敛速度和收敛精度均有明显提高.     

基于双重改进的鲸鱼优化算法

传统的鲸鱼优化算法(WOA)容易陷入局部最优以及收敛速度慢,针对此问题进行研究,提出了一种改进的鲸鱼优化算法,改进算法首先用非线性收敛因子替换原本使用的收敛因子,改进后的非线性收敛因子可以有效利用在算法中以弥补该算法在计算过程中全局探索与局部开发能力中的缺陷,并且可以加快算法收敛速度;然后在鲸鱼位置更新公式中加入了自适应权重,该策略可以改善算法的寻优精度以及进一步提高收敛速度;最后,在固定参数和不同维度的8个基准测试函数上进行了实验,结果表明,改进后的算法在寻找最优位置的精度和收敛速度对比于传统的鲸鱼算法和其他智能优化算法均有着显著的提高,具有更好的优化效果.     

数字散斑的边缘相关测量法

利用数字激光散斑图像测量物体的形变和微小位移是一种新兴的非接触测量方法,为提高测量速度,通过对数字散斑相关测量方法(DSCM)和激光散斑图像的特点进行研究,提出一种针对数字散斑图像的边缘相关测量法(DSMC)。该方法把移动前后的激光散斑图像像素在单方向上求和,使整幅图像的能量集中在边缘上,然后使用边缘上所形成的一维数列,通过插值和相关的方法求解激光散斑图像的位移。而激光散斑图像的位移可以反映出物体的位移或形变。理论和实验证明了该算法可行,可以大大节省数字散斑相关测量中数据处理的时间而不影响计算精度,因为此算法的运算精度主要取决于插值点的个数和散斑图像自身的综合误差。     

一种基于HB加权的频域自适应时延估计新算法

为了提高低信噪比情况下的自适应时延估计精度和收敛速度，提出了一种基于HB加权的频域自适应时延估计新算法。给出了频域自适应时延估计算法和新算法的原理模型。最后将该算法应用于低空目标声测定位中，用实测的直升机噪声数据进行了仿真。仿真结果表明，在低信噪比情况下，新算法有更高的估计精度，收敛速度和稳健性。     

基于改进的BP神经网络空空导弹攻击区解算方法

针对目前空空导弹可攻击区解算精度不高、收敛速度较慢的问题,提出了一种基于BP神经网络的改进的空空导弹攻击区解算方法.引入动量项的算法加快收敛的速度,并采用对灵敏变量插值的方法提高拟合精度,仿真结果表明：该方法具有精度高、参数少、通用性强的优点.     

利用改进PAST算法的直扩信号PN码盲估计

针对直接序列扩频信号的伪随机(PN)码盲估计问题,提出了一种利用改进的投影逼近子空间(PAST)算法的PN码盲估计方法。该方法利用遗忘因子与收敛速度和精度的相关性构造基于跟踪误差的自适应遗忘因子,实现了收敛精度和收敛速度的同时优化;根据预期最低误码率约束估计精度变化范围确定迭代收敛的门限值,实现了迭代收敛的精确自动判读,消除了算法依赖人工判断收敛的固有限制,提高了算法的实际应用能力。仿真结果进一步验证了算法理论推导的正确性以及实际应用的可行性。     

边缘化迭代容积卡尔曼滤波的单站无源定位算法

针对单站无源定位可观测性弱、观测噪声大而导致的定位精度低、收敛速度慢等问题,提出了一种边缘化迭代容积卡尔曼滤波算法。该算法采用基于似然增加的迭代策略,不需要设置判决门限,且保证了算法的全局收敛性。同时,其充分考虑状态向量与观测噪声之间的互协方差,将状态向量扩维,构造条件线性模型并进行边缘化滤波,不仅提高了算法的定位精度以及收敛速度,还减少了扩维后所需的采样点,提高了算法的运算效率。仿真结果表明,新算法改善了单站无源定位的定位精度以及收敛速度。      

多尺度量子谐振子算法的收敛特性

多尺度量子谐振子算法的收敛特性证明单一尺度的收敛过程不能同时获得良好的全局搜索精度和局部搜索精度,只有采用多尺度迭代才能实现对全局最优解的逐步精确定位,所以MQHOA算法利用量子谐振子收敛过程（QHO收敛）和多尺度收敛过程（M收敛）两个嵌套的收敛过程实现对优化问题的求解．QHO收敛过程按谐振子波函数由高能态向低能态的变化实现搜索区域的收缩,M收敛过程以2的倍数逐步减小尺度提高搜索精度．算法的波函数收敛定理证明QHO收敛时采样分布为高斯分布．QHO收敛过程算法模型中不同能级和不同尺度下的波函数图像为跟踪研究算法的迭代收敛过程提供了直观的具有物理含义的手段．实验证明算法在收敛过程中基态波函数形态和基态时零点能的存在都与算法物理模型的理论描述和预言是高度吻合的．     

均衡单进化布谷鸟算法

针对布谷鸟算法采用整体评价策略处理多维度自变量相关优化问题时,维度耦合现象会恶化算法的搜索速度和收敛精度,提出均衡单进化的布谷鸟算法（ESCES）.该算法给出一种新型的均衡单进化函数评价策略,即每一代进化只随机更新目标函数的单个维度,并且随机更新的维度服从均匀分布,避免多维度之间互相干扰.同时,提出两种新型随机游动步长更新学习律,提高了优化算法的全局搜索速度和收敛精度.实验测试结果和显著性统计结果表明,ESCES算法与5个改进CS算法及7个其它最新智能优化算法相比,在全局寻优性能、搜索速度和收敛精度上均获得较大的改进.     

关于模式匹配法相对收敛性问题的研究

本文论证了模式匹配法相对收敛性问题是由于没有取本征模完备正交集中连续的前N项所致。为了解决这一问题,本文提出首先对本征模完备集进行排序,然后进行模式匹配。数值例子计算结果表明,这种先排序的模式匹配法不但很好地解决了相对收敛性问题?而且加快了收敛速度,在本征模个数相同的情况下,能有效地提高解的精度。将这种方法应用于波导接头不连续性问题的分析,结果表明,这种方法具有稳定、精度高和收敛快等优点。     

室内射线跟踪关于反射次数的收敛性分析

由于射线跟踪所需时间随着反射次数增加而迅速增加,反射次数的上限值对于室内射线跟踪的精确度和效率至关重要。因此,本文开展了一个基于统计分析室内场景数据的射线跟踪收敛性研究。通过统计场景中的分布特征,分析射线跟踪不同反射路径的概率,研究接收功率关于射线跟踪最大允许反射次数的收敛关系,得出最优的反射次数上限值,实现优化室内射线跟踪的效率和精确度。将本文模型收敛性与射线跟踪仿真结果的收敛性参数进行对比,在同样计算精确度下,本文模型的收敛结果与射线跟踪仿真收敛结果一致,验证了本文模型的准确性。     

基于EQPSO-GS优化SVM的入侵检测模型研究

支持向量机(Support Vector Machine,SVM)的惩罚因子C和核参数σ影响模型分类精度和泛化性能。传统进化算法优化支持向量机时主要存在早熟收敛、优收敛速度慢、收敛精度低以及泛化性能不高等问题。针对这些问题,将精英策略与量子粒子群算法融合,提出了精英量子粒子群算法(Elite Quantum Particle Swarm Optimization Algorithm,EQPSO),既提高了种群收敛速度,也一定程度上避免了算法局部收敛,凭借其全局探索能力初探参数范围,并通过网格搜索算法(Grid Search Algorithm,GS)提高开发能力做进一步的优化,将优化好的SVM模型用于入侵检测。利用入侵检测数据集UNSW-NB15对传统的进化算法优化支持向量机模型进行仿真实验,通过交叉验证对比EQPSO-GS-SVM、QPSO-SVM、PSO-SVM、DE-SVM模型,得出EQPSO-GS优化的SVM模型具有更好的泛化性能。     

基于平方根UKF的新型单站无源定位算法

针对单站无源定位可观测性弱,收敛速度慢,定位精度差等问题,在此采用综合利用相位差变化率、多普勒变化率对目标进行定位的方法。在此基础上,将一种新的非线性算法即平方根UKF算法应用单站无源定位中,计算机仿真表明在不同的参数测量精度条件下,新算法稳定性更高,收敛速度更快,定位精度更高。     

改进型PSO鲁棒定位算法

针对传统的定位算法在复杂环境下定位精度不高,对环境噪声鲁棒性差的问题,提出了一种基于改进型粒子群算法的鲁棒定位算法。考虑到标准粒子群算法中存在收敛速度慢和“早熟收敛”的问题,本文兼顾粒子群的多样性和收敛速度对粒子种群进行优化。首先采用分组定位方法来优化粒子群,然后利用标准的粒子群算法进行迭代定位。仿真结果表明,和传统算法相比,该算法收敛速度快,对初始种群数目要求少,且当观测值中存在NLOS误差时,定位精度高,鲁棒性强。