多小区分布式发射天线位置优化

在分布式发射天线的多小区环境下,分析了多层同频干扰对小区平均遍历容量及天线位置的影响,给出了分布式天线位置选择与小区平均遍历容量的关系.数值分析和仿真结果表明外围的第一层同频小区干扰能量决定了分布式天线的最佳位置摆放,在半径1000m的小区中,各天线距离小区中心450m附近时,小区的平均遍历容量达到峰值.     

分布式MIMO系统小区平均遍历容量分析

针对分布式MIMO系统的圆形小区平均遍历容量展开研究.文章首先建立了包含快衰落、阴影衰落和路径损耗的复合衰落信道模型;然后,对分布式天线采用覆盖式（BT）传输策略,并在高信噪比条件下,导出给定移动台位置时,区上、下行点对点链路遍历容量表达式.最后,考虑移动台在小区内任意分布特点,进一步推导出小区平均遍历容量闭合近似表达式.仿真结果表明,所推导的近似表达式可很好的反应系统的实际性能.导的近似表达式可很好的反应系统的实际性能.     

一种改进的分布式MIMO递增天线选择算法研究

分布式MIMO系统的天线数目与点对点MIMO相比进一步增多,文章通过对分布式MIMO系统模型进行分析研究,在原有次优的递增选择算法基础上,提出一种改进的递增选择算法。该算法通过选取贡献最大天线与更新信道矩阵合并的方法,逐步去除对信道容量贡献最小的天线。结果表明,该算法可以快速选择出使系统容量最大的天线子集,且复杂度大幅降低,在强相关信道下表现出良好的适应性。     

基于粒子群优化算法的多智能体系统分布式任务分配

本文提出了一种基于粒子群优化并且具备冲突消解能力的多智能体系统分布式任务分配算法。将多项任务分配给多个智能体是一个基础的资源分配问题,这类问题在很多控制和决策系统中出现,例如多机器人系统以及计算机系统。被用于分布式系统中解决此类问题的算法可以看做是一系列步骤,智能体能够利用这些步骤自动周期性地进行信息交换并更新自己的任务。本文提出的算法经过仿真实验验证,仅需要少量的信息交换即可消解智能体之间任务分配的冲突。     

基于分布式算法的MIMO系统天线选择和用户调度方案研究与应用

针对大规模多输入多输出(MIMO) 系统基站空间路径衰减问题,提出一种分布式算法适应于MIMO系统的天线选择与用户调度解决方案.以用户服务质量(QoS)为条件,在不增加天线发射增益的情况下,实现在天线选择的同时调度最优用户进行通信,仿真结果表明,该方案能够大幅度提高系统稳定性。     

一种基于粒子群算法的DC-NOMA系统遍历容量优化方案

为提升设备到设备（Device-to-Device,D2D）辅助的协作非正交多址接入（Non-orthogonal Multiple Access,NOMA）中继系统的性能,以最大化系统遍历容量为目标建立优化模型,利用粒子群优化（Particle Swarm Optimization,PSO）算法设计最优功率分配策略,求出每个用户的最佳功率分配因子,从而得到系统遍历容量的最优值。仿真结果表明,所提出的基于PSO的功率分配方案不仅能提高系统容量,还可以降低用户的中断概率。     

基于粒子群优化算法的阵列天线方向图综合

粒子群优化算法（PSO）是一种基于群智能的随机优化算法,其理论简单,参数少,易于实现,可用于解决大量非线性、不可微和多峰值的复杂问题。本文介绍了粒子群算法的基本原理和基本流程,研究了如何将这种方法应用于阵列天线的方向图综合上,给出了PSO 算法在阵列天线方向图综合的应用实例,结果表明粒子群算法在阵列天线方向图综合上有很好的应用前景。     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

基于改进粒子群算法的天线方向图综合技术

针对基本粒子群算法的早熟收敛、易收敛于局部极值的特点，提出一种改进的粒子群优化算法，采用对全局最佳微扰和惯性权重跳变阈值的设置改善了算法的优化速度和收敛精度。经过对一系列测试函数的计算，证明该方法具有良好的优化效果。最后，给出了该方法应用于阵列天线方向图综合中的模型和仿真实例。     

分布式天线系统MIMO信道容量分析

结合了分布式天线系统和MIMO信道特点的分布式MIMO系统可以改善覆盖特性,提高系统容量。提出了包含路径损耗、快衰落和阴影衰落的两层分集分布式MIMO系统。对MIMO信道容量的分析表明,分布式MIMO系统具有良好的信道容量均匀覆盖特性。与传统集中式天线系统相比,分布式MIMO系统可以获得更好的小区平均信道容量。对下行信道容量的数值分析表明,由于“充水”方式功率分配可以充分利用MIMO信道信息,此时的分布式MIMO系统可以比等功率分配条件下的分布式天线系统多获得0.25bit/(s·Hz)每发送天线的信道容量增量。     

基于粒子群算法的天线阵方向图优化

雷达阵列天线常涉及方向图综合,而天线阵综合常常是利用优化算法优化单元幅相及间距等参数的过程。粒子群算法具有理论简单、参数少和易于实现等特点,文中基于这一简单易行的优化算法,给出一种阵列天线赋形波束综合方法。通过优化阵列天线中各单元的馈电幅度和相位同时实现主瓣的赋形和副瓣电平的抑制,或通过仅相位加权实现主瓣波束赋形,得到优良的余割平方赋形。通过实例设计验证了粒子群算法优化天线阵方向图的有效性。     

基于改进粒子群算法的共形阵列天线综合

共形阵列天线的赋形方向图综合涉及大量的运算,成为现在研究的一大难点,目前对共形阵方向图综合的研究比较少,且所用算法存在理论复杂、耗时长的缺点。文中运用改进粒子群算法对圆环阵、圆柱阵方向图的综合进行了研究,仿真结果表明,改进粒子群算法能够较快地形成期望方向图,证明了该方法的有效性和实用性。     

Wavelength Converters Placement in All Optical Networks Using Particle Swarm Optimization

Placement of wavelength converters in an arbitrary mesh network is known to be a NP-complete problem. So far, this problem has been solved by heuristic strategies or by the application of optimization tools such as genetic algorithms. In this paper, we introduce a novel evolutionary algorithm: particle swarm optimization (PSO) to find the optimal solution to the converters placement problem. The major advantage of this algorithm is that does not need to build up a search tree or to create auxiliary graphs in find the optimal solutions. In addition, the computed results show that only a few particles are needed to search the optimal solutions of the placement of wavelength converters problem in an arbitrary network. Experiments have been conducted to demonstrate the effectiveness and efficiency of the proposed evolutionary algorithm. It was found that the efficiency of PSO can even exceed 90% under certain circumstances. In order to further improve the efficiency in obtaining the optimal solutions, four strategic initialization schemes are investigated and compared with the random initializations of PSO particles.     

基于粒子群算法的软件可靠性分配问题研究

针对软件可靠性分配中不易求解全局最优解这一问题,将可靠性指标分配到每个模块中,并利用改进的粒子群优化算法来搜索模型的最优解.实验结果表明,改进的粒子群优化算法在求解软件可靠性分配问题时的效果优于遗传算法等其他智能优化算法.     

采用近邻粒子群算法设计非规则曲面微带共形阵

采用近邻粒子群算法设计了一个安装于非规则曲面上的微带共形阵。通过测量安装于非规则曲面上的天线单元的方法，将载体对共形阵的影响计入天线设计中。采用近邻粒子群算法对单元进行了优化，根据优化结果制作了微带共形阵，给出了非规则微带共形阵的驻波曲线和远场方向图。实验结果表明，近邻粒子群算法能够有效地对复杂曲面上安装的共形阵进行设计。     

基于改进QPSO算法的阵列天线方向图综合

 针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在基于量子位概率幅编码的量子粒子群优化算法(QPSO)的基础上,设计一种进行收敛停滞检测,并对粒子选择性变异的新量子粒子群算法,然后将其应用于阵列天线方向图综合.仿真结果表明,在多零点和低旁瓣约束情况下新算法均可以取得良好的优化效果,而且该算法相对于近邻粒子群算法(NPSO)和免疫克隆选择算法(ICSA)来说,在方向图综合中精度更高,速度更快,具有很好的推广能力.     

基于微粒群的颜色量化算法

将微粒群算法应用于彩色图像的颜色量化.根据种群的进化原理,在RGB彩色空间中对图像像素的颜色值进行聚类,通过迭代寻优确定最优调色板,然后进行像素的颜色映射,从而完成量化工作.仿真实验表明,该算法具有颜色失真小,收敛性好,鲁棒性强和受初始条件影响小等特点,是一种有效的颜色量化算法.