带有随机干扰脉冲的低频信号频率测量

介绍带有随机干扰脉冲的低频信号测频原理、实用电路、程序设计和误差分析。     

基于自适应小生境递阶遗传算法的RBF均衡器

递阶遗传算法(HGA)一次只能确定一个最优个体。采用小生境递阶遗传算法,依据进化信息自适应调整小生境区域,在均衡数据误比特率最低,隐层中心聚类有效性最佳的基础上,可以从多个进化优解中确定出最佳结构的径向基(RBF)神经网络均衡器。仿真结果验证了算法的有效性和稳定性。     

膜分离技术在水处理中的应用及存在问题

介绍了膜分离技术在废水处理、饮用水和高纯水制备中的应用，阐述了在分离过程中存在的问题及相关解决途径。     

基于改进RAN算法的调制分类器

资源分配网络（RAN）算法可以在线训练径向基（RBF）神经网络,但算法中的网络隐层中心通常从零开始,容易受噪声和异常数据影响。文章提出一种改进RAN算法,将遗传算法（GA）对数据优化聚类后的中心点作为RAN算法的初始中心。仿真表明,基于改进算法设计的RBF调制分类器,结构简洁,识别准确率高。     

用于调制信号特征选择的改进遗传算法

在特征选择中,特征子集的优化结果影响分类识别的正确率。简单遗传算法存在早熟收敛和局部搜索能力弱的缺陷。在进化过程中,保持合适的个体选择压力,抑制种群多样性的快速下降,是提高遗传算法性能的关键。该文提出一种新的自适应约束惩罚措施,应用相关联赛选择和相关家庭竞争算子对基本遗传算法进行改进,并用于通信信号调制特征选择。仿真结果表明,该算法的收敛性和稳定性均有显著提高。     

基于动态自适应遗传算法的调制信号特征选择

神经网络分类器已被广泛应用在自动模式识别中。降低输入数据特征维数对其结构的简化和性能的提高至关重要。简单遗传算法早熟收敛和局部搜索能力弱的缺陷，使它在特征选择中的效果不理想。提出基于进化群体中值信息的动态自适应遗传算法。仿真结果表明，该算法优选特征子集速度快，解的质量稳定，神经网络分类器的识别准确率有显著提高。     

一种基于遗传算法的聚类方法及其应用

文中提出了一种基于遗传算法的自适应聚类新算法,该算法以聚类中心坐标为遗传算法种群的个体,采用改进的遗传算子和群体更新规则,利用遗传算法的高效全局搜索特性实现聚类,不仅克服了模糊C-均值算法对初始聚类中心和样本输入次序敏感等不足,而且在结合聚类有效性分析的基础上实现了聚类中心数目的自适应调整.通过以该自适应聚类算法对MQAM信号星座进行重构,提出了一种基于星座聚类的MQAM调制识别新方法.仿真表明,文中提出的聚类算法运算效率较高,结果令人满意;基于该聚类算法的MQAM信号识别方法是实际有效的.     

基于改进层次遗传算法优化的神经网络信道均衡器

层次遗传算法的性能与评价个体进化优劣的适应度函数密切相关,对适应度函数的参数进行了研究,提出了依据信道零点和单位圆之间距离设定参数值的新方法,降低了函数复杂度,减少了人为因素影响,提高了算法确定RBF神经网络均衡器结构的效率及性能。仿真结果验证了算法的有效性和稳定性。     

一种基于实数编码遗传算法的常模盲均衡

盲均衡可以看作代价函数优化问题。为了改进经典常模算法的性能,研究了利用实数编码遗传算法的常模盲均衡,把均衡器系数向量作为遗传算法的决策变量,采用轮盘赌选择和精英保留策略相结合的混合选择算子、算术交叉算子和非均匀变异方式,经过一系列的遗传操作,搜索到适应度值最高的个体,即均衡器的最优系数。计算机仿真结果证明了算法具有收敛速率快、能够搜索到全局最优解等特点。     

基于遗传算法的自适应聚类与MQAM星座识别

提出了一种基于星座聚类的MQAM调制识别新方法，运用一种改进的基于遗传算法的自适应聚类算法对MQAM星座进行重构和识别。该自适应聚类算法利用遗传算法的高效全局搜索特性，克服了模糊C-均值算法对初始聚类中心和样本输入次序敏感等不足，结合聚类有效性分析实现了聚类中心数目的自适应调整。仿真结果表明，基于该聚类算法的MQAM信号调制阶数识别方法是有效的。