一种结合人工蜂群和K-均值的混合聚类算法

传统的K-均值聚类算法虽然收敛速度快,但由于过度依赖初始聚类中心,算法的鲁棒性较差。为此,提出了一种改进人工蜂群算法与K-均值相结合的混合聚类方法,将改进人工蜂群算法能调节全局寻优能力与局部寻优能力的优点与K-均值算法收敛速度快的优点相结合,来提高算法的鲁棒性。实验表明,该算法不仅克服了传统K-均值聚类算法稳定性差的缺点,而且聚类效果也有了明显改善。     

一种提高雷达HRRP识别和拒判性能的新方法

针对传统雷达HRRP自动目标识别算法中识别率较低和库外样本拒判效果不理想的问题,提出了一种基于数据预处理和子像空间的新识别方法。该方法一方面通过对数据的预处理来消除噪声的影响,另一方面通过建立子像空间进一步提高了库内样本的识别率,并基于假设检验理论引入了拒判门限,用于对库外样本进行拒判。实验表明,该方法不仅在识别率方面优于传统识别算法,且能有效对库外样本进行拒判。     

一种OFDM多带联合频谱感知新算法

针对目前OFDM系统多带联合频谱感知中门限向量优化方法存在收敛速度慢,收敛精度低的问题,文中提出了一种基于差分进化算法的门限向量优化方法。该算法根据OFDM系统的多载波数字调制原理及良好的频率选择性能,充分利用了差分进化算法收敛速度快、全局寻优能力强的特点,保证了在一定的主用户干扰限制下,充分考虑各子信道信息,获得各自最佳的门限向量。实验结果表明,文中所提出算法在收敛时间和收敛精度上均有明显提高,在干扰量一定的情况下,使认知系统总吞吐量最大。