遗传算法在过程信号的盲分离中的应用

盲分离神经网络算法存在着容易陷入局部极小点、收敛速度慢的缺点。提出采用遗传算法优化盲分离神经网络权值的初值,与遗传算法结合形成GA-HJNN算法,可迅速得到最佳盲分离神经网络的权值矩阵,实现对过程信号的去噪。通过实验对两种算法进行了比较。     

一种MMSE类盲均衡算法的凸组合策略

通常有2类重要的MMSE类盲均衡算法：恒模盲均衡算法和判决引导算法。前者面临收敛速度慢,剩余误差大的缺点;而判决引导均衡算法的收敛速度快,稳态性能好,缺点是启动条件不满足时算法会发散。本论文提出了一种MMSE类盲均衡算法的凸组合策略。通过应用凸组合的基本原理,恒模盲均衡算法可以自适应平滑地切换到判决引导模式。首先,提出了算法的凸组合策略,使得恒模盲均衡算法和判决引导算法之间可以自动软切换。然后描述了一种锚定过程,可以消除稳态时恒模均衡器过高的剩余误差,因此总的算法可以看作是经过了恒模均衡器训练的判决引导均衡。仿真实验证实了新算法的优异性能。     

基于正交小波包变换的前馈神经网络盲均衡算法

针对前馈神经网络盲均衡算法收敛速度慢、均方误差大的缺点,在分析前馈神经网络盲均衡算法和正交小波包变换理论的基础上,提出了基于正交小波包变换的前馈神经网络盲均衡算法。该算法利用正交小波包变换良好的去相关性,对前馈神经网络均衡器输入信号进行预处理后,降低了输入信号的自相性,从而加快了收敛速度和减小了均方误差。水声信道的仿真结果表明,该算法在收敛速度与均方误差方面的性能比前馈神经网络盲均衡算法优越。     

基于多种群萤火虫算法的车载燃料电池直流微电网能量管理优化

绿色高效的新能源系统已广泛应用于汽车、有轨电车和智能建筑等领域。为了降低燃料电池(fuelcell,FC)有轨电车直流微电网系统的运行成本,提出一种基于多种群萤火虫算法的车载燃料电池直流微电网能量管理优化方法。该方法引入以初始投资成本、设备运行成本和更换维护成本为框架的系统运行成本模型。基于成本模型,设计一种融合多种群遗传算法与萤火虫算法的多种群萤火虫算法,对有轨电车状态机控制策略进行优化。在3种运行工况下,将所提方法与状态机控制策略、基于遗传算法的策略、基于多种群遗传算法的策略、基于粒子群算法的策略和基于萤火虫算法的策略进行对比。结果表明,所提方法能合理分配各能量源的输出功率,并获得最低的系统运行成本。     

改进的FastICA在盲图像分离中的应用

盲源分离（BSS）是信号处理领域的一个热点问题。独立分量分析（ICA）是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域。为了有效地对混合图像进行盲源分离,介绍了一种基于改进的快速固定点算法（FastlCA）,对经过随机线性混合后的模糊图像进行盲源分离。仿真结果显示,该算法可以很有效地对线性混合图像进行盲源分离。     

π／4 DQPSK解调算法的研究与仿真

针对数字通信系统中符号间干扰（ISI）问题,提出了一种适用于π／4 DQPSK解调的自适应盲均衡和载波恢复算法。T／4 CMA盲均衡器利用接收信号的所有采样点进行迭代,解决了采样相位敏感的问题;改进的载波恢复算法简单易于实现,减小了接收机设计的复杂度和难度。仿真结果表明,这种算法复杂度小、性能好,具有一定的实用价值。     

基于小波包混合优化的欠定盲源分离方法

为解决欠定盲源分离问题,提出一种基于小波包混合优化的欠定盲源分离方法。 该方法采用小波包变换将观测信号分 解,将观测信号的维数进行扩展,利用互相关系数值剔除冗余的信号分量,欠定盲源分离问题得到转化。 接着使用贝叶斯信息 准则下的奇异值分解方法估计源信号数目,通过白化过程对信号降维。 最后,引入鲸鱼优化算法中的螺旋泡网狩猎行为与莱维 飞行策略,对灰狼优化算法进行改进,将改进后的混合灰狼优化算法与独立成分分析算法相结合,实现重构正定白化信号的分 离,从而得到源信号的近似估计。 通过仿真实验对算法性能进行测试,结果验证所提方法的可行性和有效性。     

基于支持向量拟合的恒模盲均衡算法

本文提出了一种利用迭代最小二乘支持向量拟合(IRWLS-SVR)的盲均衡算法.该算法利用数字通信系统中调制方式的恒包络特性(CMA),在基带条件下对具有严重码间干扰的接收信号进行均衡处理,实现无线信道的无误差传输.该方法不同于以往基于神经网络算法和高阶统计量的盲均衡方法,具有收敛速度快,干扰抑制强,计算量小的优点.计算机仿真结果表明,经过多径瑞利信道衰减后的接收信号可以通过该均衡器得到正确解调.     

基于自适应遗传算法的变电站红外图像模糊增强

为增强变电站中电力设备红外热像图的视觉效果,突出局部热异常区域,方便故障定位及检修,提出了一种基于自适应遗传算法的红外热像图模糊增强技术。对小波变换后的红外子热像图,进行同态滤波增强处理和模糊增强处理,并运用动态自适应遗传算法对模糊参数进行优化,最后,经小波重构得到了效果增强的红外图像。实验结果表明,该方法相对同态滤波、模糊集增强、遗传模糊等算法,红外图像的边缘强度、对比度、清晰度分别至少提高12.6%、27.7%、33.7%,有利于检修人员进行电力设备的热异常定位及故障诊断。     

基于光线重排的印制电路板高速扫描成像迭代去模糊方法研究

自动光学检测(automated optical inspection, AOI)相机运动速度过高,拍摄印制电路板(printed circuit board, PCB)图像会产生严重模糊。如能正确恢复因此而产生的退化,可提高相机的运动速度,进而提高AOI的检测效率。受代数迭代重建算法(algebraic reconstruction technique, ART)启发,提出一种基于光线重排的图像非盲去模糊算法。该方法在模糊核已知的情况下,基于快速迭代收缩阈值算法(fast iterative shrinkage thresholding algorithm, FISTA)迭代重建算法,运用Nestrov加速和光线重排提高了迭代收敛速度,运用数据正则抑制图像的各类加性噪声和伪影,较好地重建出原本的清晰图像。结果表明,该方法对噪声具有较好的抑制能力,对AOI相机运动曝光引起的严重模糊,较常用的传统逆滤波方法具有更好的图像恢复效果。     

Design of a blind spatial and temporal RBF equalizer using a genetic algorithm

This paper describes a new solution to channel intersymbol interference and nonlinear distortion by means of an adaptive array antenna and radial basis function (RBF) equalizer. The RBF equalizer can reduce the influence of intersymbol interference and additive noise in the digital communication system. It is also well known to eliminate nonlinear distortion effectively. However, conventional RBF equalizers including our previous proposed equalizer, a spatial and temporal RBF equalizer using adaptive array antenna, need training data to learn channel states, which incurs a decline in the data rate. In this paper, without training data, we construct a blind spatial and temporal RBF equalizer using genetic algorithm. We also describe a method of synthesizing Bayesian decision variables of RBF equalizers in order to obtain better performance. The RBF equalizer based on the proposed method can achieve a remarkable improvement in BER characteristics and its performance is demonstrated by computer simulations. © 2005 Wiley Periodicals, Inc. Electr Eng Jpn, 152(4): 50–56, 2005; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20123     

基于萤火虫算法的短期电力负荷预测方法

近年来,电力行业快速发展,对电力负荷进行预测也越来越重要,其中短期负荷预测对于电力系统的调度和市场运行起到极其重要的作用,精准的电力负荷预测可以有效提高发电设备利用度。融合卡帕（Kappa）测度和萤火虫算法的进行选择性集成学习方法实现短期负荷预测,该方法首先使用自展法（bootstrap抽样）生成多个学习器,然后使用Kappa测度对学习器进行初步筛选,接着使用萤火虫算法从中选择部分差异度大、准确率高的学习器参与集成,其准确率相较于单个学习器而言,有着明显提升。选取2015−2016年武汉2家激光企业的日均负荷曲线作为研究对象,进行负荷预测,通过与其他预测方法进行对比,该方法的预测精度较高。     

Semi‐blind fast equalization of QAM channels using concurrent gradient‐Newton CMA and soft decision‐directed scheme

This contribution considers semi‐blind adaptive equalization for communication systems that employ high‐throughput quadrature amplitude modulation signalling. A minimum number of training symbols, approximately equal to the dimension of the equalizer, are first utilized to provide a rough initial least‐squares estimate of the equalizer's weight vector. A novel gradient‐Newton concurrent constant modulus algorithm and soft decision‐directed scheme are then applied to adapt the equalizer. The proposed semi‐blind adaptive algorithm is capable of converging fast and accurately to the optimal minimum mean‐square error equalization solution. Simulation results obtained demonstrate that the convergence speed of this semi‐blind adaptive algorithm is close to that of the training‐based recursive least‐square algorithm. Copyright © 2009 John Wiley & Sons, Ltd.     

基于改进型象群优化算法的 BSS 方法

为了克服传统群智能算法在求解盲源分离(BSS)问题时收敛速度慢和分离精度差的缺点,提出一种基于改进型象群优化(IEHO)算法的BSS方法.该方法利用独立性原则,融合分离信号的峭度和互信息来构建目标函数.在氏族更新阶段,通过改进算法比例因子并加入邻域搜索,提高了算法搜索方式的多样性;在分离阶段,引入量子粒子群优化策略,提高了算法的全局搜索能力.仿真结果表明,与传统的象群优化算法和粒子群优化算法相比,IEHO算法的寻优效果较好,并成功实现了图像信号和语音信号的盲源分离,分离精度更高,收敛速度更快.     

基于二维Renyi交叉熵的刀具磨损图像分割

为了快速准确地完成刀具磨损检测系统中刀具磨损图像的分割,提出了分解的二维Renyi交叉熵刀具磨损图像阈值分割方法。首先引入Renyi交叉熵的定义,给出一维Renyi交叉熵阈值选取公式。然后推导出二维Renyi交叉熵阈值选取公式,并采用快速递推公式来降低阈值选取准则函数的计算复杂度。最后提出了二维Renyi交叉熵的分解算法,将二维Renyi交叉熵的运算转化为两个一维Renyi交叉熵的运算,使算法的运算量从O(L4)降为O(L)。针对不同类型的刀具磨损图像的实验表明,所提出的方法与基于粒子群优化的二维最大Shannon交叉熵法、基于粒子群优化的二维Renyi熵法、二维最小Tsallis交叉熵法相比,在分割效果和运行速度上均具有很大优势。     

基于数学形态学和遗传算法的配电网动态无功优化方法

提出了一种基于数学形态学和遗传算法的配电网动态无功优化方法，通过构造数学形态学滤波器对由染色体的等位基因构成的二值图像进行滤波，将对补偿调压设备动作次数的处理问题转化为离散二值图像的滤波问题。为提高遗传算法的计算速度，对交叉和变异操作进行了改进：基于遗传性状的思想，防止了交叉操作中对优良基因组合的破坏；借鉴粒子群算法中根据个体极值和全局极值修正个体速度和位置的思想，提出了根据基因性状进行进化变异的方法。分别采用改进遗传算法、简单遗传算法和该动态无功优化方法对某区域配电系统进行无功优化，结果验证了该优化方法的正确性和有效性。     

Fractionally spaced blind equalization with low‐complexity concurrent constant modulus algorithm and soft decision‐directed scheme

The paper proposes a low‐complexity concurrent constant modulus algorithm (CMA) and soft decision‐directed (SDD) scheme for fractionally spaced blind equalization of high‐order quadrature amplitude modulation channels. We compare our proposed blind equalizer with the recently introduced state‐of‐art concurrent CMA and decision‐directed (DD) scheme. The proposed CMA+SDD blind equalizer is shown to have simpler computational complexity per weight update, faster convergence speed, and slightly improved steady‐state equalization performance, compared with the existing CMA+DD blind equalizer. Copyright © 2004 John Wiley & Sons, Ltd.     

A new ARMAX model based on evolutionary algorithm and particle swarm optimization for short-term load forecasting

In this paper, a new ARMAX model based on evolutionary algorithm and particle swarm optimization for short-term load forecasting is proposed. Auto-regressive (AR) and moving average (MA) with exogenous variables (ARMAX) has been widely applied in the load forecasting area. Because of the nonlinear characteristics of the power system loads, the forecasting function has many local optimal points. The traditional method based on gradient searching may be trapped in local optimal points and lead to high error. While, the hybrid method based on evolutionary algorithm and particle swarm optimization can solve this problem more efficiently than the traditional ways. It takes advantage of evolutionary strategy to speed up the convergence of particle swarm optimization (PSO), and applies the crossover operation of genetic algorithm to enhance the global search ability. The new ARMAX model for short-term load forecasting has been tested based on the load data of Eastern China location market, and the results indicate that the proposed approach has achieved good accuracy.     

电力系统无功最优潮流模型及其求解——基于改进粒子群优化算法的潮流优化

提出了一种基于改进粒子群优化算法的无功最优潮流模型及求解方法,灵活处理最优潮流问题的各种约束条件。通过对IEEE-30节点系统的仿真计算,并与遗传算法、基本粒子群优化算法计算结果进行比较,验证了本文提出的模型和方法的有效性。     

自适应粒子群集优化二维OSTU的图像阈值分割算法

为了解决红外相机采集行人图片时图像分割效果问题,提出一种自适应粒子群优化二维OSTU的阈值分割算法。利用当前帧图像的灰度级和当前帧图像像素的邻域灰度级构成二元组,通过计算二者的均值和方差,建立二维最大类间方差模型,结合自适应粒子群集算法,估计出图像的最佳阈值,该方法不仅能够准确估计阈值且计算时间减少。仿真结果表明,阈值最佳时,当结合自适应粒子群集优化算法后计算时间减少到原来的50%,所提出的算法能够快速准确得到最佳阈值,提高了图像预处理的分割效果。