基于模拟退火算法的波束图设计

文中提出了基于模拟退火算法的波束设计方法.其思想是按照给定的波束优化要求,建立某种相应的目标函数,利用模拟退火算法对波束的加权系数进行全局寻优,达到波束优化的目的.模拟退火算法模拟了固体缓慢退火从而获得最低内能的物理过程,是一种简单而有效的随机性全局优化算法.为证明该设计方法的可行性和有效性,给出了15元平面阵的设计实例以及仿真结果.结果表明,使用该方法设计的波束与常规方法相比,获得了更低的旁瓣级.     

基于二次组阵的低旁瓣波束形成的修正算法

为了有效降低阵列波束中的旁瓣,抑制旁瓣区域的干扰信号,提出一种基于二次组阵的低旁瓣波束形成的修正算法。理论分析与计算机仿真结果表明,该方法与常规LCMV方法相比,既能深度抑制干扰信号,又能有效地降低方向图中的旁瓣水平,大大提高了系统的抗干扰能力。     

基于改进遗传算法的波束形成方法

研究传感器阵列信号优化问题,针对传统的简单遗传算法应用于传感器阵列的波束形成时,存在收敛速度慢和计算结果稳定性低的问题,提出了一种基于改进遗传算法的波束形成优化方法。算法对简单遗传算法的初始种群生成、适应度函数、交叉算子和异化算子等多个要素进行了改进,并融入了自适应技术。将改进的遗传算法应用于波束形成,并进行了仿真。仿真结果证明,有效地提高了收敛速度和计算结果的稳定性。证明改进遗传算的波束形成方法,获得了比原始方法旁瓣级更低的波束图,波束形成的性能更优。     

一种改进的非均匀线列阵宽带波束形成方法

研究无线网络宽带信道优化问题,关于非均匀线列阵可以使用较少的阵元避免栅瓣的出现,针对非均匀线列阵的宽带波束形成问题.采用非均匀线列阵进行宽带波束形成方式,为了使非均匀线列阵在无失真接收信号的同时更好地抑制噪声,需要设计低旁瓣的宽带恒定束宽波束;利用渐近理论宽带非均匀线列阵的设计方法和优化方法相结合,提出了一种改进的宽带非均匀线列阵的设计方法,并给出了一个设计实例.仿真结果表明,方法可以在使用较少阵元数的情况下避免栅瓣的出现,同时得到低旁瓣的宽带恒定束宽波束,更好地满足波束性能要求,提高了宽带性能.     

一种基于协方差矩阵重构和EMP的宽带波束形成算法

在宽带波束形成中,若干扰信号从主瓣方向进入,会引起主瓣畸变、旁瓣电平抬高,从而使波束性能严重恶化。为了解决波束形成中的这些问题,研究了一种基于协方差矩阵重构和特征投影预处理（EMP）的宽带波束形成算法。该算法首先通过EMP算法求取阻塞矩阵,对接收信号进行干扰相消预处理阻塞掉主瓣干扰;然后通过相干信号子空间（CSM）方法、协方差矩阵重构求取合理的协方差矩阵;最后进行波束形成。在主瓣干扰、旁瓣干扰同时存在的情况下,该算法能够自适应地阻塞主瓣干扰、抑制旁瓣干扰,解决了存在主瓣干扰情况下宽带波束形成的波形畸变问题。计算机仿真验证了该算法有效性。     

基于凸优化的3D变迹函数水下声呐成像算法

针对水下声呐成像算法中旁瓣电平过高的问题,提出一种基于凸优化的3D变迹函数优化方法,用于成像算法之前,以求在波束形成中获得较低旁瓣电平。利用凸优化算法高效求解满足约束条件的阵元激励权值,将激励权值形成一个3D变迹函数,以幅度变迹的方式作用于各阵元接收的信号,并对幅度变迹后的各阵元接收信号采用延时叠加方法波束形成并成像。以主瓣宽度和峰值旁瓣电平作为衡量波束性能的指标,将所提出方法与切比雪夫窗函数方法和未经变迹函数方法处理进行对比,并进行成像仿真。实验结果表明:所提出方法可以有效地抑制波束峰值旁瓣电平,提高成像对比度。     

基于二阶锥规划的宽带波束形成器设计

宽带波束形成器有两种典型的实现方式,分别基于FIR滤波器和基于长方形阵列,将这两种波束形成器的波束响应表达为统一的形式,并根据参考波束的选择情况,为该类波束优化问题的求解建立了数学模型,该数学模型属于二阶锥约束问题,可以用二阶锥规划方法进行求解。仿真结果表明,提出的求解宽带恒定束宽响应波束形成器权系数的数学模型具有通用性,并且把二阶锥规划方法运用到宽带波束形成器优化设计中,其约束控制灵活,问题求解方便,设计结果精确。     

适用于稳健自适应波束形成的基于岭迹法的对角加载方法

基于标准Capon波束形成器的广义旁瓣消除器参数化形式,提出了使用岭迹法确定对角加载矩阵,从而得到稳健的Ca-pon波束形成器.该方法与近年来提出的稳健自适应波束形成器相比的优点是无需提前给定任何参数,直接通过观察岭迹修正采样协方差矩阵.仿真结果表明本文提出的方法有着很好的效果.     

一种广域稀布雷达低旁瓣波束形成方法

广域稀布雷达具有抗干扰、抗摧毁能力强等优点,但是其方向图会因阵元稀布而存在大量的高旁瓣。提出一种脉组内捷变频联合波束形成方法,通过在雷达的连续脉组内发射不同频率的信号,并将不同频率的信号进行相参合成,在使主瓣电平不变的情况下,得到更低的旁瓣电平。通过与遗传算法相结合,并设定适当的约束和适应度函数,经迭代优化后的布局,可以得到具有更低的旁瓣电平的方向图。仿真结果表明：经该方法优化后,广域稀布线阵旁瓣电平降低至-11.85dB,广域稀布面阵方位向和俯仰向旁瓣电平分别降低至-14.18dB及-14.73dB。该方法可以有效降低广稀疏阵列的旁瓣电平。     

小型阵列宽带恒定束宽波束形成器仿真研究

关于优化宽带恒定束宽波束形成,是阵列小型化和对低频宽带信号探测的核心问题.为了研究阵元间距小于四分之一波长的线列阵的宽带恒定束宽波束形成器设计,提出了FIR滤波器的适用于小型传感器阵列的时域恒定束宽波束形成方法,分析了频域和时域宽带波束形成的特点,进行了时域宽带恒定束宽波束形成器的设计.根据最小均方准则,求出了频域子带波束形成加权向量,使工作频带内各子带波束主瓣趋近于期望波束,同时控制工作频带内波束旁瓣响应幅度,波束图主瓣形状设计与期望频率响应FIR滤波器的设计问题都转化为二阶锥规划方法,从而实现工作频带内的恒定主瓣束宽.通过仿真证明,改进方法可使密排阵列在2000Hz ～ 4000Hz工作频段范围内具有恒定束宽的方向特性.     

SA与GA算法在波束图设计中的比较分析

针对模拟退火算法(SA算法)和遗传算法(GA算法)在阵列波束图设计上的应用进行了比较分析.SA算法和GA算法是近些年发展起来的两种全局优化算法,把这两种算法分别应用到线列阵波束图设计上.并通过改变那些相关参数反复仿真了多次,然后将其结果分别和线列阵的最佳加权-切比雪夫加权进行比较,可以发现它们基本逼近了切比雪夫加权的设计效果,满足了波束图设计的一般要求,并且发现GA算法较SA算法为优.     

基于模拟退火法的优化线阵的前视三维SAR模型

提出了一种基于模拟退火法的优化线阵的前视三维合成孔径雷达（SAR）模型。针对实线阵需要的阵元个数多、数据计算量大等问题,利用模拟退火法优化3D-SAR的天线阵列得到一个位置优化的非均匀稀疏线阵。分析比较非均匀稀疏线阵和几种不同结构的线阵：非均匀稀疏线阵能以较少的阵元数目达到与其他几种阵列相似甚至更好的波束分辨率,并有效地避免了均匀稀疏阵列的栅瓣问题。分析了前视三维SAR的信号模型。将位置优化的非均匀稀疏线阵应用于前视三维SAR成像并结合BP成像算法。通过仿真实验验证了该模型的正确性和有效性。     

基于模拟退火算法的盲均衡算法改进

码间干扰是水声信道通信中存在的一个主要问题,它的主要解决方法是在接收端采用盲均衡方法.HOS盲均衡算法是理论非常完备的一种盲均衡算法,由于直接使用了高阶统计量的性质,该算法抗码间干扰的能力很强,但是运算速度慢,收敛费时.为了解决这个问题,要在HOS盲均衡算法中引入模拟退火算法.模拟退火算法是一种全局优化算法,可以有效地避免算法收敛到局部解.两种算法的结合,最大程度的利用了两种算法的特性,通过对代价函数的有效求解,可以大大提高HOS盲均衡算法的收敛速度,减少码间干扰.最后经计算机仿真证明该算法在不破坏HOS盲均衡算法收敛效果的同时加快了算法的收敛速度.     

粒子群退火算法优化的BP神经网络及其应用

以提高预测软件老化趋势为应用背景,提出一种新型粒子群退火算法(New Particle Swarm Annealing Algorithm, NPSOSA)优化BP神经网络的权值和阈值,继而构建NPSOSA-BP神经网络预测模型.实验通过搭建软件老化测试平台,收集所需的老化数据并进行仿真训练.实验结果表明, NPSOSA-BP神经网络模型相比于传统粒子群算法(PSO)、传统粒子群退火算法(PSOSA)优化的BP神经网络模型提高了预测精度和适用度,在该应用领域验证了本文方法的有效性.     

利用模拟退火算法设计方向图的原理和方法

在声纳系统中,基阵方向图的作用是用来指示目标方位的,它是一个声纳系统的核心和重要部分.由于声纳系统的使用环境比较复杂,如何快速、有效、多角度地设计基阵方向图是一个很值得关注的问题.为了解决这个问题,引入了模拟退火算法来进行方向图的辅助设计.模拟退火算法是近些年发展起来的一种全局优化算法,它最大的特点是可以根据不同的标准来进行优化.利用它来设计基阵方向图,可以省去很多繁琐的步骤,有效地简化方向图的设计.计算机仿真结果表明,模拟退火算法可以很好的完成在不同情况下设计基阵方向图的任务.     

遗传和模拟退火融合的软硬件划分

针对嵌入式系统软硬件划分问题,在比较了遗传算法（GA）和模拟退火（SA）各自优缺点的基础上,提出了采用遗传/模拟退火混合算法（GASA）的策略。该算法的核心思想是将模拟退火算法嵌入到遗传算法中,利用遗传优化算法的结果来制约模拟退火的随机状态产生,然后根据模拟退火算法的接受准则和随机状态产生函数来更新遗传算法的种群,从而最终得到最优解。与单纯的遗传算法和模拟退火算法进行对比实验,实验结果表明,GASA更有优势,得到的划分结果也更优秀。     

自适应遗传退火算法优化BP神经网络及其应用

以提高预测软件老化趋势为应用背景,提出一种新型自适应遗传退火算法（NAGSA）优化BP神经网络模型,该模型采用轮盘赌选择法与精英保留策略相结合的选择算子,在迭代后期通过模拟退火算法对适应度函数进行拉伸,相比传统的自适应遗传算法（AGA）在个体适应度较低时,能够非线性地自适应调节交叉概率和变异概率,从而对BP神经网络的权值和阈值优化并进行网络训练.对在线售书网站注入内存泄漏的代码使之老化,收集实验所需的老化数据进行仿真训练,实验结果表明,NAGSA-BP模型相比于传统遗传算法（GA）、传统自适应遗传算法（AGA）、传统自适应遗传退火算法（NGSA）优化的BP神经网络模型提高了预测精度和取得了优良的收敛效果,在该应用领域验证了本文方法的有效性.     

基于SAPSO-LSSVM的蛋白质模型质量评估

针对传统蛋白质模型质量评估没有考虑同源信息的问题,提出了一种基于LS-SVM评估蛋白质模型质量的方法。首先,综合模拟退火(Simulated Annealing,SA)算法跳出局部最优解和粒子群(PSO)算法收敛速度快的特点,提出了模拟退火粒子群(SAPSO)算法;然后利用SAPSO算法来优化LS-SVM参数 和 ;最后得到最优模型来评估蛋白质模型质量。实验结果表明,经SAPSO优化LS-SVM参数所得到的评估预测误差较小,且预测值更稳定。     

武器-目标分配问题的模拟退火算法

武器-目标分配(WeaponTargetAssignment)问题是一个典型的优化问题,模拟退火算法是求解此问题的一种有效方法。文章采用模拟退火算法对WTA问题进行求解,通过实验得到了理想的仿真结果。     

图象重建中的最优化方法

首先讨论了投影数据零空间对重建结果的结果,分析了代数重建算法（ＡＲＴ）的收敛过程以及对不投影数据ＡＲＴ方法的重建结果,针对投景数据不完备约束的问题,将统计物理学中的模拟退火的ＡＲＴ的迭代过程中,根据对图象像素间连续性的假设,最平稳解的约束,并利用模拟退火方法得到最优。