混合退火粒子滤波在MIMOOFDM信道估计中的应用

MIMO-OFDM系统信道估计是接收机进行信号相干解调的关键。针对MIMO-OFDM系统面临的非高斯噪声信道环境,结合改进的混合退火建议分布,将混合退火粒子滤波改进算法用于对MIMO-OFDM系统进行信道估计。在建立系统状态空间模型和分析混合退火建议分布基础上,将模糊推理系统用于动态产生退火参数,得到混合退火粒子滤波改进算法;将其用于对MIMO-OFDM系统进行信道估计,并对信道估计误码率、归一化均方误差和算法复杂度进行了仿真分析。仿真结果表明,与扩展卡尔曼滤波、粒子滤波、混合退火粒子滤波算法相比,混合退火粒子滤波改进算法在非高斯噪声信道环境下能够有效降低系统误码率;同时,可用较少的采样粒子获得较好的系统性能。     

粒子滤波在单载波频域均衡系统中的应用

为了提高通信系统性能,采用粒子滤波方法对单载波频域均衡系统（SC-FDE）进行信道估计.文中阐述了单载波频域均衡系统及粒子滤波原理.在此基础之上,将粒子滤波的方法应用到单载波频域均衡系统的信道估计中去,并且给出应用步骤.由于该方法不用添加训练序列,因此提高了传输效率,降低了系统开销.最后,将粒子滤波方法和已有信道估计方法进行仿真对比,验证提出算法的优越性.     

非高斯噪声环境下的智能粒子滤波多用户检测方法

粒子滤波适用于任何非线性非高斯系统的状态估计问题,具有应用灵活、适用范围广等优点．建议分布的选择恰当与否直接决定着粒子滤波的估计精度和估计效率．针对这一难点提出了采用粒子群优化算法来确定粒子的建议分布．粒子群优化算法作为新的群智能算法同样适应于各类非线性非高斯系统,采用该算法确定粒子滤波的建议分布保证了粒子滤波广泛的适应性,同时提高了估计精度．最后在Alpha稳定分布噪声环境下对CDMA系统多用户检测进行了仿真,结果表明,采用智能算法来确定粒子的建议分布极大地提高了粒子滤波的估计精度．     

基于高斯白噪声扰动变异的粒子群优化算法

为了有效避免粒子群算法(PSO)早熟和局部收敛的现象,在深入分析PSO算法的基础上,提出了一种基于高斯白噪声扰动变异的粒子群优化算法(GMPSO).该算法以一定的概率选中粒子进行基于高斯白噪声扰动的变异,并重新随机产生飞离搜索区域的粒子,以克服粒子群后期多样性严重下降的缺点.通过对Benchmark函数的测试表明:GMPSO算法无论是搜索精度、速度还是稳定性均显著优于PSO算法.     

一种基于粒子滤波的盲多用户检测器

针对平坦瑞利衰落信道下的多用户检测问题.提出了一种基于可变粒子滤波器的盲多用户检测器。在导频序列接收阶段采用较多的粒子数目来估计信道参数。在信号检测阶段采用较少的粒子数目实现多用户检测算法,这样构成的变粒子数多用户检测算法在保持较好性能的同时具有较低运算复杂度。仿真结果表明,在高斯噪声或非高斯噪声环境,该检测器性能优于基本粒子滤波检测器性能。     

人工蜂群粒子滤波信道估计算法研究

人工蜂群算法是用以解决复杂优化问题的新方法,具有收敛速度快、优化性能高等特点.将人工蜂群算法与粒子滤波相结合应用于信道估计可以摆脱常规方法对线性高斯条件的束缚,具有理论依据和现实意义.结合2种算法的优势提出了人工蜂群粒子滤波,采用人工蜂群算法确定粒子滤波的建议分布.仿真将Alpha稳定分布作为非高斯噪声模型,实现了粒子滤波及其改进算法的信道估计研究.结果表明人工蜂群算法与其他智能算法相比具有更快的收敛速度,改进人工蜂群粒子滤波与无迹粒子滤波相比极大地提高了信道估计精度.     

改进的粒子滤波在含“开关”的资料同化中的应用

针对粒子滤波(PF)应用到含“开关”过程的资料同化时,在采样过程中次优的重要性函数,为了优化采样过程,将粒子群优化算法( PSO)融入PF中(称为PSOPF方法),并将其用于含“开关”过程的资料同化中.为了检验PSOPF的有效性,利用一个含“开关”的偏微分方程作为控制方程,分别从观测算子为线性和非线性、观测误差为高斯型的情形用PF方法和PSOPF方法进行了数值实验.结果显示,在观测误差为高斯噪声时,无论观测算子是线性的还是非线性的,基于PSOPF的同化方法质量明显好于基于PF方法的同化方法.     

一种可用输电能力量子粒子群优化算法

以量子行为与粒子群优化相融合的量子粒子群算法解决可用输电能力计算的优化问题.利用Matlab软件平台,以IEEE-30节点标准系统为算例进行仿真计算,比较本算法与传统粒子群算法的仿真结果,分析两种算法的寻优性能和收敛速度.仿真结果验证了量子粒子群算法解决可用输电能力优化问题的有效性.     

采用多样性引导粒子群算法的干式空心电抗器优化设计

针对粒子群优化(PSO)算法易于早熟收敛的问题,提出了采用多样性引导的吸引-排斥粒子群优化(DGARPSO)算法,并应用于干式空心电抗器的优化设计中.该算法在吸引-排斥粒子群优化(ARPSO)算法中引入变异操作,即当进化群体多样性或个体极值群体多样性小于下限值时,以一定概率对粒子的位置进行变异,从而使得粒子在群体多样性很低时飞离群体的聚集位置,有效减少了PSO算法的早熟收敛现象,同时还比较了均匀变异、高斯变异和柯西变异对优化结果的影响.对50 kV·A干式空心电抗器的仿真结果表明,DGARPSO算法提高了全局搜索能力,比GA算法、PSO算法和ARPSO算法具有更好的寻优性能.     

基于Boltzmann学习策略的粒子群算法

针对粒子群算法过早收敛导致容易陷入局部极值的问题,提出了一种基于Boltzmann学习策略的粒子群算法(BLSPSO).借鉴模拟退火算法的思想,在标准粒子群算法中引入Boltzmann学习策略.在BLSPSO前期粒子能够学习不同的极值点,适当保持粒子个体多样性,提高算法全局寻优能力.在BLSPSO后期粒子更倾向于学习全局最优粒子,提高收敛速度,保证算法的稳定性.仿真结果表明,所提出的算法具有寻优能力强、搜索精度高等优点,可有效避免标准PSO算法的早熟收敛.该算法在求解多极值问题上与其他PSO算法相比有较好表现.     

基于粒子群优化算法的异步电动机动态模型参数估计方法研究

利用粒子群优化算法实现了对异步电动机动态模型的参数辨识和转矩估计。通过MATLAB建模仿真。结果表明电动机动态模型的辨识易受干扰,对于噪声敏感度较大;但在噪声适度范围内,能够比较有效的搜索到真实值,且搜索范围广,精度较高;通过多次辨识,并进行加权融合避免了某个参数陷于局部极值,增强了辨识结果的稳定性,有效地实现了转矩估计。     

非线性非高斯结构系统识别的粒子滤波方法

采用粒子滤波方法（PF方法）在非高斯噪声条件下对非线性系统进行参数识别。传统扩展卡尔曼滤波（EKF）方法具有高斯噪声假设与非线性系统线性化的缺陷,PF方法可以克服EKF方法的缺点;因此在系统识别中具有很强的鲁棒性,更适合进行非线性结构系统参数识别。数值仿真结果发现PF方法的系统识别精度高于EKF方法,证明PF方法在非线性非高斯结构系统识别中的有效性。     

Rayleigh channel estimation based on particle filter with simulated annealing algorithm

In this paper, a particle filter (PF) with simulated annealing algorithm is proposed to estimate and track Rayleigh channel state information (CSI) using decision directed scheme. By iteratively cooling in PF, there are two superiorities in our proposed algorithm. First, there is no degeneration problem in this method. Second, the proposed algorithm converges globally. The proposed algorithm has been implemented in a system on Rayleigh channel with BPSK modulation. Also, the consistency and sensitivity of the algorithm has been tested and the simulation results show that the proposed algorithm is good enough to be applied to wireless communication practice. The relationships between channel estimation and measurement noise, SNR and Doppler frequency have been shown by simulations.      

单载波频域均衡中的信道估计技术研究

为了克服频率选择性信道中符号间干扰带来的影响,研究了单载波频域均衡系统中的信道估计技术。研究了最小二乘(Least Squre,LS)算法及离散傅里叶变换(Discrete Forurier Transform,DFT)改进算法,并将高斯白噪声信道中的信噪比估计方法引入到单载波频域均衡系统中。仿真结果表明基于DFT的改进算法可以有效提升估计精度,二,四阶矩(2,4-ordermoment,M2 M4)等高斯信道中的信噪比算法可以应用到单载波频域均衡系统当中。     

一种改进的粒子群优化算法

提出一种改进的粒子群算法(EDAPSO).这种改进算法结合分布估计算法的探索能力和粒子群算法的开发能力.首先利用EDAPSO算法解决无约束的问题,并且比较EDAPSO算法与其他三种经典的粒子群算法的结果.无约束问题的实验结果表明:EDAPSO算法可以找到更好的解,并且稳定性更高.然后EDAPSO算法被用来解决含有13个单元的电力系统的负荷经济分配问题.实验结果表明:EDAPSO算法所获得的解比近期文献所报道的解好.     

SC-FDE/MIMO技术在宽带无线接入系统中的应用研究

简要介绍了无线宽带接入系统物理层研究的两种重要技术:单载波频域均衡(SC FDE)技术和多入多出(MIMO)技术。然后,给出SC FDE+MIMO系统的模型结构,并重点讨论了该系统模型的频域均衡系数,以及信道估计和信噪比估计的算法实现。最后,给出SC FDE+MIMO系统的性能仿真结果。     

基于粒子群优化的粒子滤波算法应用研究

粒子群优化算法是一种基于群体智能理论的全局寻优算法。文中首先对粒子群优化算法的原理和实现过程进行了研究,然后比较了粒子群优化算法与粒子滤波算法的异同,并将粒子群优化算法引入到粒子滤波算法中,解决了粒子贫乏的问题,提高了每个粒子的作用效果,同时给出了PSO-PF算法的基本步骤。最后将PSO-PF算法应用于自航耙吸挖泥船的泥舱溢流损失估计中,采用实测工程数据进行了仿真,仿真结果表明该PSO-PF算法基本达到了预期的效果,为自航耙吸挖泥船操作人员的施工提供了决策支持。     

微粒群优化算法研究

微粒群算法(PSO算法)是模拟鸟类、鱼群等的群体智能行为的一种启发式全局优化技术.通过介绍微粒群优化算法的原理、算法流程、算法参数及其对算法性能的影响,给出了各种改进的微粒群算法形式以及研究现状,归纳了微粒群算法的国内外应用进展及研究方向.     

基于均值迁移的粒子滤波算法研究

针对弱观测噪声环境下的粒子退化现象,特别是观测噪声较小时非线性非高斯的粒子滤波问题,提出了一种基于均值迁移的粒子滤波算法。首先,将核密度估计的无参快速模式匹配算法引入到粒子滤波中,并迭代计算概率密度估计。然后,利用均值迁移估计粒子梯度的方向,计算每个粒子移向其样本的均值。当粒子位置发生改变时,对重采样粒子进行加权处理。最后,根据本算法采样更新粒子集,有效地克服了粒子退化现象并提高了状态估计精度。