基于正交小波变换的前馈神经网络盲均衡算法

针对前馈神经网络（FNN）盲均衡算法收敛速度慢、均方误差大的缺点,在分析FNN盲均衡算法和正交小波变换（OWT）理论的基础上,提出了基于正交小波变换的FNN盲均衡算法。该算法利用正交小波变换良好的去相关性,对FNN均衡器输入信号进行预处理后,降低了输入信号的自相关性,从而加快了收敛速度和减小了均方误差。水声信道盲均衡的仿真结果表明,该算法在收敛速度与均方误差方面的性能比FNN盲均衡算法优越。     

基于多智能体粒子群算法的盲均衡技术研究

在解决盲均衡的问题中,当前主要采用梯度搜索的方法,这种方法的优点在于局部最优解收敛,降低通信性能。本文根据粒子群算法,设计了各种算子,提出了用粒子群算法的快速搜索全局最优解的性能来优化盲均衡算法的代价函数,从而提出了一种新的基于粒子群算法的盲均衡算法。仿真结果表明,所提出的算法在较少的迭代次数情况下,能够快速收敛,具有较优的性能。     

基于改进混合遗传的正交小波盲均衡算法

为克服传统盲均衡算法收敛速度慢、均方误差大、易陷入局部极小值等缺点,在正交小波变换盲均衡算法(WT-CMA)的基础上,提出一种基于改进混合遗传的正交小波盲均衡算法(MHGA-WT-CMA)。该算法采用基于改进的编码方式、种群初始化、选择算子及交叉算子的遗传算法,以均衡器权系数为初始种群,将正交小波盲均衡算法嵌入遗传算法的父代与子代之间,对父代种群进行局部搜索,将得到的精英个体直接复制到子代中。再将其余个体进行二进制编码、轮盘赌选择、POX交叉以及非均匀变异等遗传算法操作,经过解码成实数进入子代中,进行下一次混合遗传优化,满足停止准则后输出最优权向量。这样可以结合二者的长处,使得算法既能较快收敛,又能在全局范围内得到最优权向量。计算机仿真实验表明,该算法具有收敛速度快、均方误差小、能搜索到全局最优解等特点。     

基于正交小波变步长盲均衡算法的DSP实现

为了克服常数模盲均衡算法收敛速度慢、稳态误差大的缺点,提出了基于正交小波变换的变步长盲均衡算法。该算法定义了一种以误差函数为自变量的双曲正切函数变步长来加快收敛速度,利用小波变换的强去相关性,通过最小化代价函数来优化均衡器权向量。为了用DSP实现该算法,通过Matlab平台在水声信道中仿真得到该算法的最优参数。在此基础上,设计了该算法的DSP硬件模块和软件流程。结果表明,该算法加快了算法的收敛速度,减小了稳态误差,DSP实现效果良好。     

基于小生境遗传优化的正交小波变换盲均衡算法

针对现有盲均衡技术收敛速度慢、稳态误差大、容易收敛到局部极小值的缺点,文中提出了基于小生境遗传优化的正交小波变换盲均衡算法.该算法利用小生境遗传算法搜寻全局,并利用正交小波盲均衡提高收敛速度.计算机仿真结果验证了算法的有效性.     

基于正交小波变换的变步长盲均衡算法研究

针对常数模算法(CMA)剩余误差大与收敛速度慢的问题,将变步长思想和正交小波变换引入到常数模盲均衡算法中,提出了基于正交小波变换的指数型变步长常数模盲均衡算法(WT-VCMA)。水声信道仿真结果表明:与基于剩余误差的指数型变步长常数模盲均衡算法(VCMA)及常规常数模算法(CMA)相比,新算法具有更快的收敛速度和更小的剩余误差。     

一种基于正交多小波的自适应均衡算法

该文提出了用正交多小波来表示均衡器,由于多小波可同时具有正交性、紧支性和线性相位等特点,因此经多小波变换后所得到的信号相关阵的稀疏化估计与单小波变换相比非零元素较少,边界效应减小,基于此,文中给出了正交多小波变换域的一种Newton-LMS类自适应均衡算法,其计算复杂性可通过有预处理的共轭梯度法进一步降低为O(N log N),仿真结果表明了该算法收敛速度较快,且易于实时实现。     

基于小波粒子群混合算法的图像压缩技术

在小波包变换的图像压缩技术中,小波包基以及阈值的选择对图像的压缩效果有很大的影响,且软硬阈值各有其缺陷。文中提出了一种基于PSO(Particle Swarm Optimization)和小波包变换的图像压缩算法,算法中的适应度函数根据原图像和重建图像间的均方根误差与小波包分解的节点熵值之和设计,该函数被用来选择最佳小波包基并为小波包分解中的细节分量选择单独的阈值,解决了小波包变换设计的结构优化以及自适应阈值问题。实验结果表明,该算法加快了压缩速度,提高了自适应阈值图像压缩算法的适应能力,有较好的压缩性能。     

基于粒子群优化和小波变换的视频水印算法

为了保护数字视频的版权,提出一种基于粒子群优化和小波变换的视频水印算法,首先对水印图像进行Arnold变换与Logistic混沌映射相结合的灰度置乱预处理以增强其安全性能;再利用直方图帧差法将视频流分为不同的场景,通过密钥从中选取若干场景进行三级三维小波变换;最后借助乘法嵌入方式把水印信息嵌入到小波变换域的中频部分,水印的嵌入强度则由粒子群优化算法(PSO)搜索得出.仿真实验结果表明,该算法能较好的体现水印的鲁棒性和不可见性.     

改进的分布式粒子滤波盲均衡算法

针对多节点合作接收系统中的盲均衡问题,提出了一种基于一致优化的分布式粒子滤波盲均衡改进算法。该算法采用多个接收机组成无融合中心的分布式网络,使用分布式粒子滤波合作估计共同的发送符号序列,克服了单接收节点受信道影响大、误码率高的问题。为了保证粒子滤波中每个节点产生共同的粒子集和粒子权重,采用基于交替方向乘子法的一致优化算法获得联合似然函数,并与最大一致协议相结合,从而使每个节点获得相同的最佳重要性函数和粒子权重。理论分析与仿真结果表明,该算法只需经过有限次的一致迭代就可以达到集中式合作盲均衡的性能。全分布式的多节点合作获得了空间分集增益,降低了系统误码率。      

一种基于粒子群优化的稀疏恢复算法

稀疏恢复问题是目前国际数学与信息处理领域的一个研究热点,主要通过凸松弛法和贪婪追踪法两大类方法求解。但前者在恢复效率方面,后者在恢复能力方面都存在缺陷,而且两者都不能对高斯信号在较大的稀疏度下或在较小的观测度下获取有效的恢复。该文基于粒子群优化并结合了贪婪追踪法的思想,提出了一种新的稀疏恢复算法。数值实验表明,与其它方法相比,该文提出的算法不仅能获得更有效的恢复,而且在一般的稀疏度和观测度条件下运行速度较快。     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型,并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案,与其他算法相比,所得Pareto解集在收敛性和多样性上具有性能优势。

     

基于改进粒子群优化的探地雷达波形反演算法

探地雷达工作的最终目的是反演解释地下结构参数,由于大多数反演问题是非线性的,研究非线性的反演方法具有重要意义。该文提出基于改进粒子群优化方法的探地雷达反演问题,该算法以信号均方误差为目标函数,用时域有限差分方法作为正演工具。通过与基于遗传算法等反演方法的结果对比,说明了该算法兼顾了准确性和简便性;通过对模型复杂、参数多、信噪比差的仿真数据的反演结果,说明了该算法对多参数反演的有效性和良好的抗噪性;对实测数据的反演结果,进一步验证了该算法的可行性。     

基于粒子群优化算法思想的组合自适应滤波算法

根据粒子群优化(PSO)算法的社会心理学指导思想并结合自适应FIR滤波器的特点,设计了合适的惯性项、认知项与社会项表达式,并将之应用于组合自适应滤波器的子自适应滤波器更新中,提出了基于PSO算法思想的组合自适应滤波算法,分析了新算法的计算复杂度。理论分析与不同条件下的自适应系统辨识仿真结果表明,新算法可以在不明显提高计算量的条件下较好地平衡自适应滤波器的稳态失调与跟踪能力,其收敛性能优于其它几种较新的LMS算法。     

一种改进的粒子群和K均值混合聚类算法

该文针对K均值聚类算法存在的缺点,提出一种改进的粒子群优化(PSO)和K均值混合聚类算法。该算法在运行过程中通过引入小概率随机变异操作增强种群的多样性,提高了混合聚类算法全局搜索能力,并根据群体适应度方差来确定K均值算法操作时机,增强算法局部精确搜索能力的同时缩短了收敛时间。将此算法与K均值聚类算法、基于PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,数据实验证明,该算法有较好的全局收敛性,不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和收敛速度都有显著提高。     

改进粒子群算法的多峰值优化研究

粒子群优化算法对于多维函数的最优解搜索存在前期易陷入局部最优,后期收敛速度缓慢的问题.将改进的k-中心点聚类分析与PSO相结合提出了一种混合粒子群算法KM-PSO,用于多峰值问题的优化.在算法中,利用k-中心点聚类分析方法将粒子群划分成若干个子群,结合PSO的隐含并行搜索的优势增强了寻优性能.不仅增加了粒子间的信息交换,抑制了早熟收敛,还提高了全局寻优速度和计算精度.仿真实验结果表明,KM-PS0性能优于基本粒子群优化算法.     

基于小波包变换的自适应均衡算法

本文在推导出离散正交小波包变换对应的正交矩阵的基础上,提出了基于小波包变换的自适应均衡算法,并分析了这种均衡算法的性能,给出了计算机仿真结果.另外,为了使基于小波包变换的自适应均衡算法应用于实际,给出了减低算法复杂度的方法.