基于遗传算法的矢量量化

本文提出了一种基于遗传算法的矢量量化方法。矢量量经码书设计本质是搜索训练矢量的最佳分类。遗传算法有卓越的全局优化搜索能力，易搜索到全局最优的矢量分类，形成高度优化的码书，可克服传统方法局部优化的缺陷。该方法不依赖初始条件、鲁棒性好、结构规则、并行性高。     

遗传算法搜索雷达脉冲重复周期

采用脉冲多普勒体制的雷达需发射多个不同重复周期(PRI)的脉冲组对目标进行探测。在雷达工程中一般采用穷举搜索的方法来优选PRI,计算量巨大。文中研究了遗传算法(GA)搜索雷达PRI方法,针对机载雷达探测空中目标的特点,以速度盲区和距离盲区联合最小作为适应度评价函数,搜索结果具备良好的探测清晰区。通过仿真示例说明了遗传 算法搜索PRI的有效性,并对遗传算法的计算量进行了分析。与穷举搜索法相比,遗传算法大大减少搜索数目,可以快速搜索出满足工程要求的PRI组合,具备良好的工程适用性。     

基于混合遗传算法的多目标问题规划

遗传算法在问题优化中的应用已有了许多研究，但对于大型多目标规划问题而言，由于其问题特性和计算量大而限制了遗传算法的应用。为探索新的问题求解方法，提出了一种基于遗传算法和梯度算法的问题优化混合算法。用梯度法每次迭代得到的结果来改进遗传算法的群体，而用遗传算法的最优个体与梯度算法的迭代解相比较，选择其中的最优点作为梯度法下一步迭代的初始点。通过保持迭代过程的最优解，加快了搜索速度，并保证收敛于全局最优解。算例表明该方法兼具遗传算法的全局搜索能力和梯度算法的局部搜索的特点，且具有良好的工程适应性。     

基于改进自适应遗传算法的MIMO 雷达阵列优化

针对传统遗传算法在全局搜索和收敛方面的不足,提出一种改进自适应遗传算法.算法改进了自适应规则,采用随迭代次数和种群适应度自适应变化的交叉、变异操作,同时采用新的选择算子和改进后的最优精英保留策略,摒弃了传统轮盘赌博选择法,增加了收敛于全局最优解的概率,加快了收敛速度.通过测试函数优化求解试验证明,改进算法能够有效提高搜索过程种群的多样性,具有更快的收敛性和更好的全局最优性.在此基础上,将改进的自适应遗传算法应用到MIMO雷达阵列优化设计,通过稀疏栅格编码,采用同时考虑副瓣电平与波束宽度的双适应函数,使优化得到的MIMO雷达方向图具有更好的综合性能,更利于实际工程应用.最后仿真实验结果进一步验证了本文改进算法的有效性.     

海上编队雷达网的优化及抗干扰效能分析

雷达组网是应用两个以上空间位置互相分离而覆盖空间具有部分重叠的探测平台的观测或判断来实施搜索、跟踪和识别目标的系统。合理的雷达组网系统具有很好的探测能力和生存能力。文中主要针对雷达的组网问题，考虑到其应用背景，探讨了一种优化组网的方法，给出了优化组网的数学模型，以及优化组网问题的求解思路，并对在连续波干扰情况下的抗干扰效能进行了分析。     

基于遗传算法的雷达组网误差配准算法

系统误差校正是雷达组网的关键问题,传统的误差校正方法采用最小均方估计法或极大似然法,这些方法受随机误差影响,计算量大,难以在工程中应用。本文在实时精度控制法（RTOC）的基础上,通过构造误差配准的目标函数,将误差配准转换为非线性优化问题,并采用遗传算法进行寻优。该方法采用非参数化的方法进行误差配准,克服了RTOC和最小二乘算法中线性化带来的误差,提高了误差估计的精度。仿真和实际数据测试表明,本文提供的方法能有效地进行组网雷达误差配准。     

混合遗传算法在数值函数优化中的应用

基于遗传算法(GA)与共轭梯度法(CGM),提出了一种混合算法,把CGM作为重要操作算子加入GA中,CGM仅作用于父代的最优个体,使该方法兼具遗传算法的优良全局搜索能力和共轭梯度法的强大局部搜索的特点,将其用于函数优化中,数值算例表明,该混合方法与单纯的遗传算法或共轭梯度法相比,具有快速收敛性和全局最优性。     

一种新的混合式数据融合方法及其在雷达组网中的应用

针对雷达组网中多型雷达数据融合存在的问题，本文对多型雷达在探测距离、探测精度、数据率以及处理时延等方面的差异进行研究，提出一种新的混合式数据融合方法。该方法对组网内同型雷达进行聚类并对聚类内雷达量测数据采用集中式融合策略生成局部融合航迹，对不同聚类间的局部融合航迹采取分布式融合策略，并在每个融合节点形成一致的全局融合航迹。通过仿真实验验证，该方法与组网内所有雷达均采用集中式融合方法相比在航迹精度、航迹实时性以及航迹连续性等方面均有不同程度的提升，证明该方法是一种可行的工程化实现方法。     

基于遗传算法的矢量量化

本文提出了一种基于遗传算法的矢量化方法。矢量量化码书设计本质是搜索训练矢量的最佳分类。遗传算法有卓越的全局优化搜索能力,易搜索到全局最优的矢量分类,形成高度优化的码书,可克服传统方法局部优化的缺陷。该算法不依赖初始条件、鲁棒性好、结构规则、并行性高。     

一种改进的基于遗传算法的聚类分析方法

C－均值聚类收敛速度快，但是它容易陷入局部最优，且对初始解很敏感。遗传算法是一种全局搜索方法，但是它收敛速度慢。为了在搜索能力和收敛速度两方面都取得较好的效果，本文提出了一种改进的基于遗传算法的聚类分析方法。实验结果表明：本文提出的算法在聚类分析中搜索到全局最优解（或近似全局最优解）的能力要优于经典遗传算法及C－均值聚类算法；且通过对变异概率的巧妙设置，提高了算法的自适应能力。     

基于遗传算法的组网雷达优化部署

组网雷达优化部署是发挥雷达网互补与倍增性能的前提和基础,由于雷达网部署涉及的因素很多,是一个多约束条件的多目标优化问题。采用一种基于遗传算法的组网雷达优化部署算法,采用综合性能函数作为优化目标函数,在种群产生时加入约束条件,将有约束问题转化为无约束的优化问题,克服了枚举法执行速度慢和专家推理法知识组合爆炸的问题。仿真结果表明,该方法能达到最优或准最优解,是一种有效的组网雷达优化部署方法。     

基于回波序列最小二乘拟合的高分辨率SAR运动目标速度估计

运动目标速度估计是机载单天线高分辨率合成孔径雷达(SAR)实现运动目标成像和定位的关键环节。针对现有方法运算量大、易受距离徙动干扰等缺点,该文提出一种基于回波序列最小二乘拟合的速度估计方法。利用该方法,首先通过包络相关提取相邻回波序列的距离变化量,然后对其做最小二乘线性拟合,目标的距离向速度和方位向速度可由拟合系数计算得到。与传统方法相比,该方法不仅计算量小,而且无须先做距离徙动校正(RCMC)。该文给出了新方法的数学模型和参数选取原则,分析了该方法的估计精度、计算量和适用条件,并通过仿真和实际数据处理验证了该方法的有效性。     

基于极坐标变换的改进NSGA-II算法

在实际工程中存在着大量的多目标优化问题,而由于大部分多目标优化问题有无穷多个最优解,且传统的数学方法如梯度下降法和牛顿法,无法求解一些不可微或表达式过于复杂的多目标优化问题。为避免以上局限,NSGA-II作为求解多目标优化问题的代表算法被提出,但NSGA-II算法仍存在着一些不足,如变异算子功能过于简单,降低了Pareto最优解的多样性。为增加Pareto最优解的多样性,文中设计了一种基于极坐标变换的改进NSGA-II算法,该算法可使得Pareto最优解分布更加均匀,并最终通过标准的测试函数验证了算法的有效性。     

无人机三维路径规划的粒子群混合算法

路径规划是无人机控制过程中的重要环节之一,现有基于粒子群等算法的传统路径规划方法存在容易陷入局部最优等问题,无法适应现实场景中复杂环境及高搜索速度的要求。针对已有方法的缺陷,提出了一种无人机路径规划的高性能细菌觅食-遗传-粒子群混合算法,以传统粒子群优化算法为基础,引入细菌觅食算法及遗传算法思想,提高算法计算速度与能力,同时考虑实际场景中无人机的运行约束,进一步提高了方法的可用性。最后,利用仿真实验验证了所提方法的有效性,并通过与传统方法对比证明了所提方法在运行时间、规划航程等方面的优越性。     

一种高效的音乐节拍检测算法及其在DSP中的实现

音乐节拍是乐曲中表示固定单位时值和强弱规律的组织形式,亦称拍子。音乐节拍的连续性表现为音乐的平均速度,其单位为bpm（beat per minute）。音乐节拍实时检测并在液晶屏上显示是数字撮盘机必需的功能之一。但是现有的音乐节拍检测算法运算量太大,在数字撮盘机中不可能提供大量的DSP芯片资源来实现作为数字撮盘机附加功能的音乐节拍检测功能。本文从人耳感知音乐节拍的规律和音乐信号的时频特性观察出发,导出了对特定bpm区间的音乐进行准确的bpm检测的最低采样率确定方法,给出了一种极为简单的降采样策略,以及从中提取节拍信息估计出bpm的原理和方法,构成了一种适合数字撮盘机等设备使用的高效的音乐节拍检测算法,并给出了在DSP芯片上的实现步骤和算法测试结果。该算法与现有的音乐节拍检测算法相比,由于既没有聚类检测,也没有高采样率下的多路滤波和频域特征提取等复杂的处理,因此,运算量大大减小,有效地降低了节拍检测对DSP处理速度的要求,使DSP可以更好地实现其它主要的信号处理功能。经验证,节拍检测准确率较高,完全能够满足数字撮盘机中音乐节拍实时检测的需要。      

In Vivo Impedance Imaging With Total Variation Regularization

We show that electrical impedance tomography (EIT) image reconstruction algorithms with regularization based on the total variation (TV) functional are suitable for in vivo imaging of physiological data. This reconstruction approach helps to preserve discontinuities in reconstructed profiles, such as step changes in electrical properties at interorgan boundaries, which are typically smoothed by traditional reconstruction algorithms. The use of the TV functional for regularization leads to the minimization of a nondifferentiable objective function in the inverse formulation. This cannot be efficiently solved with traditional optimization techniques such as the Newton method. We explore two implementations methods for regularization with the TV functional: the lagged diffusivity method and the primal dual–interior point method (PD-IPM). First we clarify the implementation details of these algorithms for EIT reconstruction. Next, we analyze the performance of these algorithms on noisy simulated data. Finally, we show reconstructed EIT images of in vivo data for ventilation and gastric emptying studies. In comparison to traditional quadratic regularization, TV regulariza tion shows improved ability to reconstruct sharp contrasts.      

Power allocation in cognitive radio networks over Rayleigh-fading channels with hybrid intelligent algorithms

In this paper, we introduce a hybrid strategy which combines pattern search (PS) optimization and genetic algorithm (GA) to address the problem of power allocation in cognitive radio networks. Considering the fluctuating interference thresholds in cognitive networks, an approach for promoting the coexistence of licensed users and cognitive users is designed. Secondly, based on the analysis of transmission outage probability, a corresponding objective function with regard to the power allocation over Rayleigh fading channels is obtained. It is a difficult task to obtain this objective function directly by using traditional methods, such as common mathematical deduction or linear programming, due to the nonlinearity and complexity of the underlying optimization problem. Inspired by the concept of intelligent algorithms, we employ the scheme of combining PS optimization and GA method, which are both efficient intelligent algorithms to address this challenge. The advantage of this hybrid strategy is that it can overcome the instability problem of GA as well as the local convergency problem of PS method. Thus, the hybrid intelligent method can attain a global and steady outcome. We improve the performance of power allocation strategy with an acceptable increase in computation overhead. The numerical results are encouraging and show that the proposed approach is worthy of consideration in achieving complicated power optimization. Hence, we achieve steady and rational outcomes by applying the proposed hybrid strategy when traditional method is to be ineffective in addressing the nonlinear objective.     

Methods of graph searching for border detection in image sequences with applications to cardiac magnetic resonance imaging

Automated border detection using graph searching principles has been shown useful for many biomedical imaging applications. Unfortunately, in an often unpredictable subset of images, automated border detection methods may fail. Most current edge detection methods fail to take into account the added information available in a temporal or spatial sequence of images that are commonly available in biomedical image applications. To utilize this information the authors extended their previously reported single frame graph searching method to include data from a sequence. The authors' method transforms the three-dimensional surface definition problem in a sequence of images into a two-dimensional problem so that traditional graph searching algorithms may be used. Additionally, the authors developed a more efficient method of searching the three-dimensional data set using heuristic search techniques which vastly improve execution time by relaxing the optimality criteria. The authors have applied both methods to detect myocardial borders in computer simulated images as well as in short-axis magnetic resonance images of the human heart. Preliminary results show that the new multiple image methods may be more robust in certain circumstances when compared to a single frame method and that the heuristic search techniques may reduce analysis times without compromising robustness.     

声矢量阵远程定向技术(一)--新的协方差矩阵生成方法

MUSIC等子空间类DOA(direction of arrival)估计算法,以其较高的分辨能力和相对较小的计算量而颇受关注．但如果将其简单引用到声矢量阵中,将矢量传感器(AVS)的振速信息仅仅作为独立的阵元来处理,则并没有充分利用AVS 中声压和振速的相干性,以及由此带来的抗各向同性噪声能力．基于AVS中声压和振速的相干性原理,提出了一种新的声矢量阵协方差矩阵牛成方法．该方法完全利用了AVS的平均声强抗噪原理,具有较强的抗各向同性噪声能力,可将子空间类DOA估计方法与声矢量阵技术更为有效地结合起来,实现远程高分辩DOA估计．理论分析和基于湖试数据的仿真实验证明了新方法的有效性．     

Synthesis of dynamic motions for robotic manipulators with geometric path constraints

This paper presents a new method to plan minimum cost movements for non-redundant robotic manipulators along prescribed geometric paths while tacking into account various kinodynamic constraints. The problem consists of defining the best way to follow a prescribed geometric path under several constraints, such as limitations on joint torque, jerk, acceleration or velocity, while minimizing an objective function (time transfer, mean average of joint torques, etc.). It is formulated as a non-linear optimization problem and can be then treated by any adequate mathematical optimization method. Numerical examples using genetic algorithms are presented to illustrate the effectiveness of the proposed approach.