基于自适应滤波器PN码同步和多普勒频移联合捕获方法

近年,基于自适应滤波理论的PN码捕获算法受到越来越多的关注。本文将这种思想用于多普勒频移捕获,提出了一种基于频域自适应滤波器的多普勒频移捕获算法,并进一步推导出了PN码和多普勒频移联合捕获算法。另外,针对传统自适应PN码捕获算法会受到调制数据的影响,提出了一种差分自适应算法,解决了调制数据引起的PN码极性翻转问题,提高了自适应滤波PN码捕获的适用性。最后对所提算法进行了仿真验证。     

基于扰动特征分解和前馈调制的网络波动跳变信号抑制算法

在网络切换和数据通信中,会产生一种网络波动下的时频跳变谐振信号,需要对这种网络波动跳变信号进行抑制,以提高网络稳定性。提出一种基于扰动特征分解和前馈调制的网络波动跳变信号抑制算法,构建网络波动跳变信号谐振数学模型,采用射线模型对网络跳变单频脉冲中的波动信号进行传播损失估计,基于多普勒频移算法提取扰动特征,利用混响慢变包络切片把波动跳变信号的能量聚集在扰动方向,在希尔伯特空间上对网络波动跳变信号进行扰动特征分解。设计前馈调制滤波器,实现对网络波跳变信号的前馈调制抑制。仿真结果表明,该算法能有效抑制网络波动跳变中的谐振信号,避免了信息损失,数据传输丢包率得到降低,实时性好,解决了大规模混合组网中启动滞后、服务器负载、颤抖等问题。     

基于三角函数搜索因子的混合蛙跳算法

针对传统混合蛙跳算法存在收敛速度慢、容易陷入局部最优和搜索精度不高的缺陷,提出了基于三角函数搜索因子的混合蛙跳算法。该算法将基于三角函数搜索因子的局部进化策略和产生新个体策略引入到混合蛙跳算法中,改进混合蛙跳算法的局部搜索精度和全局收敛性能。实验结果表明,基于三角函数搜索因子的混合蛙跳算法能够显著改善混合蛙跳算法的寻优精度和收敛速度,使算法的搜索效率和稳定性同时得到提高。     

北斗信号快速捕获研究与仿真

捕获速度和捕获多普勒误差影响着北斗接收机的工作性能,北斗信号导航电文的高数据率使传统通过加长快速傅里叶变换(FFT)数据长度来精细化多普勒频移估计的方法不再适用.在研究北斗信号结构和并行码相位搜索捕获原理的基础上,利用FFT对北斗信号实现快速捕获,根据信号相关幅值与多普勒频移估计误差的关系,采用曲线拟合对多普勒频移进行精细化估计,提高了北斗信号的捕获性能.利用采集的北斗导航模拟器信号和MATLAB对算法进行了仿真,仿真结果表明,在1 ms相干积分时间下,并行码相位搜索捕获算法成功捕获到全部卫星信号,经曲线拟合精细化之后的多普勒频移估计误差小于50Hz.     

斜视SAR分数阶距离多普勒成像算法

针对传统距离多普勒(RD)算法在斜视合成孔径雷达(SAR)成像时运算量不足和边缘存在干扰的问题,将传统的RD算法中的匹配滤波用分数阶Fourier变换替代,提出基于分数阶Fourier变换SAR斜视距离多普勒成像(FrRD)算法。理论分析斜视SAR回波信号分数阶Fourier变换域模型,徙动校正在距离分数阶Fourier域方位频域完成,给出FrRD算法仿真流程。仿真结果表明,与传统RD算法相比,FrRD算法成像副瓣更低,成像边界更加清晰,成像时间缩短近一半。     

一个用于卷积混合模型的时频分析盲分离算法

提出一种基于时频分析的卷积混合盲分离算法.由于信号源与各传感器的距离不同,在传播的过程中会产生不同的幅度衰减和时间延迟.该算法用短时傅里叶变换对语音信号进行时频分析,将其中一个传感器信号作为参考信号,构造了源信号的幅度衰减向量和时间延迟向量.根据语音信号的时频域稀疏性,以这两个向量为特征,在时频域上对传感器信号进行聚类,再通过估计参考信号混合系数来获得源信号时频域表示,进一步得到源信号.该方法可以用于源信号数目大于传感器信号数目的情况.仿真实验证明,算法可以完成欠定情况下卷积混合信号的盲分离,分离结果令人满意.     

时变单音干扰下GPS系统的性能分析及干扰抑制方法

针对实际系统中干扰源的移动特性,将干扰信道建模为时变瑞利衰落信道,分析了时变单音干扰下多普勒频移对GPS系统性能的影响并推导了误码率公式,提出了一种基于短时傅里叶的自适应时频域干扰抑制算法。该算法首先对接收到的GPS信号进行时频分析,检测出受到干扰的频点,然后设置合理的干扰剔除门限,最后通过自适应二阶格型陷波器将所受干扰的频点剔除。并与基于lms的时域自适应滤波算法进行了对比,实验证明,所提算法对时变单音干扰具有较好的干扰抑制能力。     

一种基于循环谱的时频混叠信号参数估计方法

时频混叠信号的参数估计是通信信号领域一个新兴课题,它是对混合信号进行分离,识别与解调等后续处理的基础。信号经过调制、成形及采样后具备循环平稳的特性。本文基于时频混叠信号的循环平稳特性,计算其循环谱并用形态学滤波的思想提取含有载频与码元信息的截面的谱峰,而后进行搜索从而实现估计。解决了参数配对的问题,并且由形态学滤波在提取谱线时能有效降低背景色噪声。同时探究了多径与多普勒频移信道下该算法对估计精度的影响。经仿真验证,该算法能实现BPSK与8QAM任意任何后的载频与码元速率估计,具有抗噪声,精确度高等优效性。     

OFDM水声通信多普勒频移采样率转换算法

对于OFDM水声通信系统,传统的基于数据辅助多普勒频移因子估计算法会降低系统的信息传输速率,对接收信号进行采样率转换通常采用重采样的方法,计算量较大。针对上述问题,提出基于过采样技术的多普勒频移因子估计算法及采样率转换算法,通过采用对系统发射信号与接收信号采样点数进行比较的方法,得到多普勒频移因子的估值。在此基础上,利用上述过采样数据和线性插值算法对接收信号进行采样率的转换。理论分析和仿真结果表明,改进算法在保证系统性能的同时,可以大幅减小接收机的计算量,适用于高速实时水声通信系统。     

多普勒频率补偿算法在GPS信号捕获中的应用

在GPS卫星高速运动和地面GPS接收机的移动中,由于卫星和接收机之间的径向速度引起了载波多普勒频移、C/A码的多普勒频移和数据码的多普勒频移,多普勒频移会对GPS接收机的信号捕获产生影响,使其准确度下降。针对上述情况,在常用的相干积分结合非相干积分的GPS信号捕获方案中引入一种多普勒频率补偿算法,并对此算法进行相应的仿真。结果表明该设计方案是可行的,引入的补偿算法能够有效消除多普勒频移对GPS信号捕获的影响,能够实现对GPS卫星信号的多普勒和码相的准确捕获。     

基于混合蛙跳算法的高维生物医学数据特征选择方法

针对高维生物医学数据包含大量无关或弱相关特征,影响疾病诊断效率的现状,提出了一种基于改进混合蛙跳算法的高维生物医学数据特征选择方法。该方法将混沌记忆权重因子和平衡分组策略引入基本混合蛙跳算法,在强化算法多样性的同时,维持了算法全局和局部寻优之间的平衡,降低了算法陷入局部最优的可能,进一步提高了混合蛙跳算法特征选择方法在特征空间的探索能力。实验结果表明:与改进遗传算法、粒子群优化算法特征选择方法比较,改进混合蛙跳算法特征选择方法在高维生物医学数据特征子集识别、分类精度方面取得了更好的效果。     

基于混合蛙跳和遗传规划的跨单元调度方法

针对运输能力受限条件下的跨单元问题,提出了一种基于混合蛙跳与遗传规划的超启发式算法.将改进的混合蛙跳算法作为超启发式算法的高层框架,为跨单元调度问题搜索启发式规则,同时利用遗传规划产生可以兼顾多因素的优质规则,用于扩充超启发式算法的规则集.实验表明,提出的算法可以有效地搜索出优异的规则组合,并且通过遗传规划产生的规则可以在很大程度上改善候选规则集,提升算法性能.     

基于混合蛙跳算法的认知无线电频谱分配

提出一种二进制混合蛙跳算法和基于该算法的认知无线电频谱分配方法。对该方法与颜色敏感图论着色算法进行仿真比较,结果表明在最大化网络总效益和最大化公平效益准则下,基于二进制混合蛙跳算法的频谱分配方法的性能较高。二进制混合蛙跳算法能找到理想最优解,颜色敏感图论着色算法得到的解与理想最优解偏差较大。     

Sensor network optimization of gearbox based on dependence matrix and improved discrete shuffled frog leaping algorithm

This paper reports a new improved discrete shuffled frog leaping algorithm (ID-SFLA) and its application in multi-type sensor network optimization for the condition monitoring of a gearbox. A mathematical model is established to illustrate the sensor network optimization based on fault-sensor dependence matrix. The crossover and mutation operators of genetic algorithm (GA) are introduced into the update strategy of shuffled frog leaping algorithm (SFLA) and a new ID-SFLA is systematically developed. Numerical simulation results show that the ID-SFLA has an excellent global search ability and outstanding convergence performance. The ID-SFLA is applied to the sensor’s optimal selection for a gearbox. In comparison with GA and discrete shuffled frog leaping algorithm (D-SFLA), the proposed ID-SFLA not only poses an effective solving method with swarm intelligent algorithm, but also provides a new quick algorithm and thought for the solution of related integer NP-hard problem.     

求解k条最短路径问题的混合蛙跳算法

提出了一种求解k条最短路径问题的混合蛙跳算法.采用自然路径的形式对青蛙个体编码,设计了一种能够使模因信息在青蛙个体间传递的蛙跳方法.在各青蛙族群内部,通过较差个体向优秀个体的跳跃进行局部搜索,从而优化模因信息.在族群之间,通过混合与排序使各族群的模因信息得以交流与重组,从而获取新的寻优方向.数值实验表明,本文算法搜索k条最短路径的能力强、收敛速度快、稳定性好,可应用于求解大规模网络中的多条最优路径问题.     

一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

引入混合蛙跳搜索策略的人工蜂群粒子群算法

由于标准粒子群算法易于陷入局部最优和收敛速度慢等问题,提出了一种引入人工蜂群搜索策略和混合蛙跳搜索策略的粒子群算法（ABCSFL-PSO）。使用人工蜂群的搜索策略提高算法的探索能力,避免算法陷入局部最优;使用蛙跳算法中更新最差粒子的策略,来加快算法收敛速度,并进一步提高求解精度。在12个标准测试函数上的仿真实验结果表明,算法性能优良,不仅能够避免陷入局部最优,而且显著提升了收敛速度。     

基于蛙跳算法的无线传感器网络节点定位

为减小测距误差对无线传感器网络定位精度的影响,将蛙跳算法应用到距离式定位算法的位置计算阶段中,提出了蛙跳定位算法。该算法在适应度函数设计中,根据节点间的测距信息对锚节点进行了加权处理,以降低测距误差对定位结果的影响。结合最小最大法构造初始种群,使其包含更多可行解,从而提高算法效率。仿真结果表明,与采用极大似然估计法或总体最小二乘法来进行位置计算的距离式定位算法相比,该算法有效降低了距离误差对定位精度的影响,具有较高的定位精确度和稳定性,是一种实用的无线传感器网络节点定位方法。     

协同进化混合蛙跳算法

针对基本混合蛙跳算法收敛速度慢、求解精度低且易陷入局部最优的问题,提出了一种新的协同进化混合蛙跳算法。该算法在局部搜索策略中,对子群内最差个体的更新引入平均值的同时充分利用最优个体的优秀基因,可有效扩大搜索空间,增加种群的多样性;同时对子群内少量的较差青蛙采取交互学习策略向邻近子群的最优个体交流学习,增加子群间交互的频繁性,提高信息共享程度,有利于进化。在全局迭代过程中采取精英群自学习进化机制,以对精英空间进行精细搜索,获得更优解,进一步提升算法的全局寻优能力,正确导向算法的进化。实验结果表明,所提算法在七个测试函数中均能收敛到最优解0,成功率为100%,优于其他对比算法。所提算法可有效避免陷入早熟收敛,极大地提高了算法的收敛速度和优化精度。