两种模式粒子群算法功放预失真处理比较

针对记忆非线性功率放大器,采用基于粒子群优化算法的预失真处理方法,确定参数选取原则。以同步和异步两种模式粒子群算法进行预失真处理,结果显示,它们都可获得良的好线性化效果,异步模式虽可提高算法收敛速度,但比同步模式更易陷入局部最优。     

基于多项式的记忆型数字基带预失真器

提出了一种由自适应均衡器和基于多项式的无记忆预失真单元级联组成的记忆型数字基带预失真器．在该预失真器中，首先通过传输窄带训练序列得到能够补偿功率放大器非线性的无记忆预失真器的参数．然后通过一种自适应均衡算法修改均衡器的参数抵消功率放大器的记忆效应．由于将功率放大器的非线性和记忆效应分开处理，其结构和自适应算法复杂度比普通记忆型预失真器大大降低．计算机仿真结果表明，该预失真器能够有效地校正由于功率放大器的非线性和记忆效应引起的信号失真．     

基于数字预失真技术的功放性能改善研究

针对高均峰比的宽带输入信号,结合最小均方算法和Wiener模型的优点,该文提出了一种基于Wiener模型的数字预失真算法.通过计算机仿真,验证这种算法的有效性,补偿了功率放大器的非线性失真,提高了功放效率,对发射机功放线性化技术有一定的实用价值.     

粒子群优化算法研究进展

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法．介绍了PSO算法的基本原理和一些改进措施及PSO算法的应用，并对其将来的发展进行了展望．     

改进磷虾群与NBN联合优化神经网络的HPA预失真方法

为克服现有神经网络预失真方法复杂度高、易陷入局域最小等缺陷,提出一种正交差分进化磷虾群(ODEKH)与Neuron-by-Neuron (NBN)算法联合优化实数固定延时全连接级联神经网络 (RVFTDFCCNN)的高功率放大器预失真方法。采用RVFTDFCCNN对预失真系统中的预失真器和逆估计器进行建模,通过ODEKH算法进行全局搜索获得RVFTDFCCNN的初始化参数,再用NBN算法对RVFTDFCCNN进行训练,同时根据复合函数求偏导数的链式规则,从两个层次对NBN算法中的Jacobian矩阵元素计算进行优化。采用宽带DTMB信号作为输入信号,对预失真系统进行仿真。结果表明,当训练误差和泛化误差均在同一数量级时,RVFTDFCCNN的NBN算法计算量比单隐层(SHL)神经网络明显降低;ODEKH算法比传统磷虾群算法具有更快的收敛速度,ODEKH-NBN联合算法的训练精度比Levenberg-Marquardt(LM)算法提高一个数量级,预失真后的邻道功率比（ACPR）比LM算法改善了2dB。说明本文的预失真方法具有较低的复杂度和良好的预失真性能。     

粒子群优化算法研究进展

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法.介绍了PSO算法的基本原理和一些改进措施及PSO算法的应用,并对其将来的发展进行了展望.     

一种级联多项式的功放预失真模型

提出一种基于级联多项式的功率放大器(简称功放)预失真模型。该模型采用直接学习结构模型获得功放前置逆特性曲线,引入动态补偿模块得到的瞬时曲线以修正稳定逆曲线的实时误差,经过多次迭代以得到线性输出的最优值。选用行波管功率放大器(travelling wave tube amplifier,TWTA)和固态高频功率放大器(solid-state power amplifier,SSPA)功放,分别对带外频谱功率谱密度和输出回退参数进行测试,结果表明,与直接学习结构的预失真模型相比,基于级联多项式预失真模型的TWTA功放带外频谱下降速度更快,速率提升40%,抑制带外频谱扩散效果较好;采用SSPA功放输出信号的线性度较高,功放预失真性能较好。     

基于简化记忆多项式预失真技术的功放设计

为了降低功放非线性失真和记忆效应,减小模型的复杂度,结合记忆多项式模型(MP)、动态偏离降低模型和通用记忆多项式模型(GMP)的参数构成特点,提出了一种基于简化记忆多项式模型的预失真设计.仿真实验表明,简化模型预失真性能优于MP模型和动态偏离降低模型,与GMP模型相当,简化模型有效减少了参数数量,在相同ADS仿真条件下,非线性阶数都为9、记忆深度都为4时,简化GMP模型参数数量比MP模型减少了9个,比动态偏离降低模型减少了49个,比GMP模型减少了11个.     

基于混沌思想的粒子群优化算法

为克服粒子群优化算法容易陷入局部最优的缺点，根据混沌运动的随机性、遍历性特点，提出一种基于混沌思想的粒子群优化算法（CPSO）、该算法利用种群适应度方差进行早熟收敛判断，实现对进化过程的监视，当发现种群陷入局部最优时，对种群进行混沌初始化，帮助种群摆脱局部最优点．对4种典型测试函数的仿真结果表明，改进算法明显减少了种群陷入局部最优的可能性．其全局寻优能力明显强于标准粒子群优化算法．     

粒子群优化算法的研究与展望

粒子群优化算法是一种基于群智能的随机优化算法,具有简单易实现、设置参数少、全局优化能力强等优点.着重对粒子群优化算法中的基本算法、改进算法、应用领域和研究热点等方面做了较为详细的论述.     

基于粒子群与模拟退火相结合的无功优化算法

针对电力系统无功优化采用粒子群算法容易陷入局部最优、模拟退火算法约束条件多和收敛速度慢的问题,提出一种新的基于粒子群与模拟退火相结合的算法.该算法根据粒子群的易实现性、快速收敛性及模拟退火的全局收敛性,进行协同搜索,求取系统无功优化的解集.对IEEE14、57、118节点系统进行了无功优化仿真计算,结果表明该算法原理简单易实现,计算效率高且能获得质量更高的解.     

结合混沌粒子群的分布式最大功率点跟踪

光伏阵列在局部阴影环境下输出特性呈现出多峰曲线,传统最大功率点跟踪(MPPT)算法在多峰寻优的过程中容易陷入局部极值,致使光伏阵列效率低下.为了提高局部阴影下光伏阵列的输出效率,提出一种基于分布式架构的混沌粒子群最大功率点跟踪(CPSO-DMPPT)算法,并通过PSIM平台对所提出的算法进行仿真验证.实验结果表明:CPSO-DMPPT算法能在多峰曲线中寻找到最优点,拥有更快速的响应速度和更优的全局搜索能力,其分布式架构可有效地提高光伏阵列的输出效率.     

基于移动最小二乘法和粒子群算法的优化算法

针对复杂电磁装置优化问题中目标函数计算次数过多的问题，提出了一种基于移动最小二乘法（MLS）和粒子群优化算法（PSO）的快速全局优化方法.该方法利用基于MLS的表面响应模型，重构原始的优化问题，采用加权PSO算法对重构后的目标函数进行寻优，再使用拟牛顿法，对原优化问题直接寻优，从而得到优化问题最终的最优解，并对基准测试函数和实际电磁装置问题进行优化计算.结果表明，与加权PSO相比，该算法能找到优化问题的全局最优解，并能有效的减少目标函数的计算次数，节省了计算时间，提高了计算效率.     

基于模糊自适应粒子群的垃圾邮件过滤新方法

提出了一种新的垃圾邮件过滤方法(NSFM),从高维的文本特征中删除冗余的特征,选择对分类精度提高有贡献的特征,从而提高了垃圾邮件过滤的分类准确率。提出了一种模糊自适应粒子群(IFAPSO),通过模糊控制,动态的调控粒子群的惯性权重、学习因子和粒子数量比。NSFM包含核心特征选择、特征选择、垃圾邮件过滤3个阶段,第一阶段利用信息增益求取每个特征的信息值,构建核心特征集合,生成一定数量的核心特征子集;第二阶段根据核心特征子集对IFAPSO进行初始化,利用模糊控制器对粒子群进行自适应的调节,完成特征选择;第三阶段使用支持向量机对最优的特征子集分类,完成垃圾邮件过滤。本文采用PU1、Ling-Spam、SpamAssassin数据集数,通过多种对比实验证明:本方法自适应性强,可选择到较优的特征子集,有效地提高了分类精度,提升了垃圾邮件过滤的性能,具有较高的实用价值。     

基于粒子群进化的输电网络WSN节点定位算法

为了提升WSN的定位精度,提出了一种基于粒子群进化的定位算法,以应用于输电网络中的节点定位.该算法通过区域估计,缩小并限制传感器节点的预估计区域空间,并应用粒子群算法快速寻找节点定位的最优解.通过引入权重自适应的机制,加快节点定位的搜索速度,并提升算法的搜索能力.结果表明,该算法有效增强了WSN节点定位的精度,降低了计算复杂度,为输电网络的无线传感器网络提供更高效准确的定位服务.     

基于改进粒子群算法的配电网检修计划优化方法

为提高配电网检修计划的合理性与经济性,提出一种基于改进粒子群算法配电网检修计划优化方法.首先,以检修成本、供电损失和故障损失最小为目标,以实际检修过程中存在的检修资源限制、检修先后顺序、安全稳定运行等问题为约束条件,建立符合实际配网检修过程的检修计划优化模型;其次,为减小求解问题的复杂度,提出对不同类型的约束采取相应的预处理方法;最后,通过将自然选择思想融入到种群粒子的迭代更新中,提高种群粒子的整体质量,克服标准粒子群算法存在的早熟收敛、易于陷入局部最优解的问题.将改进的粒子群算法应用于具体算例的求解,结果表明提出的模型和算法具有很好的可行性与合理性.     

一种采用两段粒子群优化的路径规划方法

在路径规划中普遍采用多条短曲线拼接成一条长曲线,这种方法通常只实现了C1连续,导致相邻短曲线在连接处的二阶导数不连续。为解决这个问题,采用具有C2连续特点的三次B样条曲线作路径,并提出一种两段粒子群优化实现路径规划。在第一阶段确定B样条曲线的控制顶点数,在第二阶段搜索最优路径。为保证粒子的有效性,依据B样条曲线的特点改进了粒子的初始化方法。在适应度函数中通过弧长因子、碰撞因子分别考察路径的长度及碰撞检测,粒子通过循环逐步逼近全局最优解。实验结果表明粒子初始化采用改进的方法后更接近实际路径,采用两段粒子群优化算法能获得C2连续的路径。     

微粒群优化和区域生长结合的彩色图像分割算法

提出了一种微粒群优化和区域生长相结合的彩色图像分割算法,以彩色图像直方图中自适应搜索到的峰值作为像素种子。由于搜索像素种子点是按密度进行,计算量小,大幅度提高了算法的计算速度,同时克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性。实验表明：该方法提高了图像分割速度,并可以准确地分割出目标,是一种有效的图像分割方法。     

基于粒子群算法的星敏感器布局设计

为了有效解决星敏感器安装布局的问题并提高效率,提出了一种基于粒子群优化(PSO)算法的星敏感器布局设计方案。首先,应用空间球面投影方法选择有效规避地气光的点集作为粒子种群库。然后,将星敏感器光轴矢量和太阳矢量间的夹角与星敏感器太阳规避角的差值作为种群评价函数,通过种群粒子搜寻全局最优解的方式寻找到最佳的星敏感器布局。最后,通过试验案例证明由本文设计方法选出的星敏感器布局完全满足星敏感器在轨有效性的要求。