基于改进PSO算法的自适应均衡算法

传统的自适应均衡算法存在收敛速度慢,稳定性差、均衡效果不理想等缺点,从而使自适应均衡器在高速光纤通信系统中的应用受到限制.具有梯度搜索因子的Grads-PSO算法,结合了传统数值优化方法在计算速度和计算精度上的优势,将梯度法引入粒子群算法中.在梯度搜索因子的指导下,PSO算法的运算过程显得更加有规则,从而提高了算法的收敛速度和运算精度.因此,本文提出将改进PSO算法用作自适应均衡器均衡算法.通过仿真实验表明,改进PSO算法具有收敛速度快,计算精度高的优点,将其作为自适应均衡器的控制算法可收到很好的均衡效果,优于传统的控制算法.     

基于QPSO算法的信道分配方法

由于传统的信道分配方法存在频率利用率低下和处理速度慢的缺点,为此,提出基于量子计算的PSO算法（QPSO）来快速实现信道最优化分配方法。这种优化方法利用了量子计算的并行计算能力强、全局收敛、运算速度极快等特点,主要包括初始化代表每个信道的粒子的速度和位置,根据信道分配的教学模型计算保证信道各种约束条件的适应度函数,根据量子粒子群的规律进行粒子位置更新,直至找到最佳信道分配方案等步骤。仿真结果表明其方法是行之有效的,优化效果优于基于遗传算法和PSO算法的信道分配方法。     

探究移动通信教学内容改革和教学方法

在大学信息专业课程设置中,"移动通信"课程为我国培养从事移动通信运营和移动通信制造行业的应用型高级技术人才和管理人才,关系着未来我国通信事业的发展和在国际市场上的竞争力。传统的教学内容和教学方法培养出来的通信人才已经无法真正从事和管理通信行业,所以教学改革和内容创新势在必行。本文通过分析国内外当前通信行业的发展和目前高等教育对通信人才的培养的之间不对等的现实差距,提出了对教学内容和教学方法上的一些建议,通过提供专业化、系统化的教育体系,为我国培养出新一代符合通信行业需求的人才。     

省属骨干大学通信与信息系统学科建设实践解析

高校学科建设对知识创新和人才培养有重要意义。省属骨干大学作为我国高教体系的重要组成部分,其学科建设不仅对高校自身,更对所属省份的经济发展起着推动作用。本文以河北工业大学通信与信息系统学科为案例,在检视该学科的建设发展现状基础上,对学科近年来的各项建设实践进行解析,并就如何保障学科更快更强建设发展提出了几点思考。     

地震信号的Landweber迭代傅里叶快速重建

地震信号重建具有重要意义,其中傅里叶重建算法受到广泛关注。这些算法具有原理简单、纯数据驱动、假设前提少等优势,但也存在着重建速度慢等不足。以FRMN为基础,构建了一种新的Landweber迭代傅里叶快速重建算法(Fourier Reconstruction with accelerated Landweber Iteration,FRLI);该算法在经典的FRMN基础上,利用快速Landweber迭代求解傅里叶系数,再经过傅里叶反变换重建地震信号。通过不同维数的地震信号重建实验,结果表明:FRLI与经典的FRMN和FRSI重建算法相比,大幅提高了重建速度,且重建效果良好。因此采用FRLI算法重建地震信号可以解决传统算法的缺陷。     

群智能算法在RSA加密算法中的应用

粒子群算法(PSO)及其改进算法,具有算法简单、收敛速度快、运算精度高等特点,将其应用于公钥RSA加密算法,可有效地提高大素数生成速度,从而提高RSA加密算法的加解密速度。     

基于免疫克隆选择算法的天线方向图综合技术研究

方向图综合技术是智能天线中的一项重要技术。由于采用遗传算法存在着易于早熟和局部寻优能力不足等缺点,为此,文中提出一种基于免疫克隆选择算法的阵列方向图综合技术。仿真结果验证了免疫克隆选择算法相对于标准遗传算法来说更容易找到全局最优解,不易陷入局部极值,且收敛速度快,实际应用表明,基于免疫克隆选择算法的方向图综合技术是切实可行的,且具有很好的推广潜力。     

高斯过程混合模型应用于网络流量预测研究

精准的网络流量预测可以避免网络崩溃,保证网络的流畅度。将高斯过程混合（GPM）模型应用于网络流量的多模态预测。对两段不同地区的网络流量序列进行多模态分析,将之通过归一化和相空间重构后生成样本集并输入GPM模型。采用分类迭代学习算法,利用后验概率最大化和似然函数实现模型参数学习。将GPM模型与支持向量机（SVM）、核回归（KR）、最小最大概率机回归（MPMR）和高斯过程（GP）等模型比较。通过对比均方根误差[(RMSE)]和决定系数[(R2)]评价指标,GPM模型的预测准确度要优于其他四种模型。说明GPM模型能够很好应用于网络流量预测,可以为网络管理者分配网络资源提供参考。     

面向畸变扭曲文档的两种图像矫正网络

由于文档纸张的几何形变、拍摄场景的干扰及拍摄角度不理想导致的透视失真,移动设备获取的文档图像的光学字符识别（Optical character recognition,OCR）性能受到很大挑战。针对折叠和扭曲的畸变文档图像预处理问题,设计了两种基于自编码器的网络结构,以实现自适应性图像矫正并提高文字识别正确率。首先提出空洞残差块和非对称卷积残差块两种残差块,然后将残差块与自编码器相结合,设计了一种非对称空洞自编码器网络;同时利用空间金字塔池化代替全连接层,并用非对称卷积残差块实现特征提取,设计了另一种空间金字塔自编码器网络。实验结果表明,与畸变图像相比,经非对称空洞自编码器网络矫正后的图像在OCR正确率、OCR召回率和文本相似度上分别提高了26.3%、20.4%和12.3%,而经空间金字塔自编码器网络矫正后的图像在正确率、召回率和文本相似度上分别提高了27.7%、22.0%和15.5%。与RectiNet等其他图像矫正网络相比,这两种网络可以自适应矫正多种类型的畸变文档图像,且矫正后的图像在文字识别上表现更为优异。本文提出的两种矫正网络能有效提高图像文字识别正确率、召回率和文本相似度,...     

一种基于QPSO和WLS-SVM的智能方法

提出一种基于量子粒子群优化算法(QPSO)和加权最小二乘支持向量机(WLS-SVM)的智能方法,以克服常用方法存在需要较大样本数据量、建模速度较慢差等缺点.方法的具体改进是,将SVM中单一核函数构造成混合核函数,增加自适应权重,采用QPSO算法求解WLS-SVM训练模型中的线性方程组,这样能提高模型的性能.经过典型的二型糖尿病诊断实验,结果表明其建模速度快、诊断准确率高,其效果优于改进BP算法神经网络、LM算法神经网络和单核函数的SVM等方法.