一种求解动态多目标优化问题的粒子群算法

针对时间变量取值于正有理数集+、自变量的维数随时间可发生变化的一类动态多目标优化问题提出了一种求解的粒子群算法。该算法通过引入新的变异算子和自适应动态变化惯性因子,有效地避免了粒子群算法易陷入局部最优的缺陷;同时,给出了一种判断环境变化的有效规则,极大地增强了算法跟踪问题环境变化的能力,提高了算法的有效性。计算机仿真表明新算法对动态多目标优化问题的求解十分有效。     

基于群集智能的多主体创新设计自动协商算法

为了解决复杂产品创新设计系统中多主体协作的冲突协商问题,提出一种基于模糊物元分析的启发式自适应变异微粒群全局优化算法.首先,引入模糊物元分析理论,将各设计主体的个性化要求、特征及相应的模糊量值结合起来建立其形式化模糊物元模型,应用模糊物元优化方法将多目标协商问题转化为单目标协商问题;然后,给出了该协商模型的自适应变异微粒群求解算法,在微粒群寻优过程中引入变异机制,根据自适应变异概率对惰性和适应度差的微粒进行突变操作,增大微粒间的差异性和非均匀性,有效阻止算法过早收敛于局部最优点,提高算法的求解速度;最后,通过在汽车动力传动系统参数优化匹配协同设计中的应用,表明了该协商算法的有效性.     

基于动态进化算法的多阶段备件供应优化决策

由于实际备件保障工作中备件需求以间歇性需求为主,备件供应通常为多阶段的动态优化。针对以上问题,构建了多阶段备件供应数学模型。为求解动态优化模型,提出了一种元启发式动态进化算法。首先,在经典差分进化算法中增加了环境变化检测算子和环境变化响应策略,使得差分进化算法能够解决环境变化的动态优化问题。其次,提出了自适应莱维飞行策略,使得算法在环境发生变化时仍能保持良好的全局搜索能力和局部寻优能力。算例表明,所提出的动态自适应差分算法能够求得模型的最优可行解,且算法的分布性和收敛性均得到了很大的提升。     

基于Fuzzy-ART神经网络的红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论（fuzzy adaptive resonance theory, Fuzzy ART）神经网络的弱小目标检测算法。首先,采用Fuzzy ART神经网络结合Robinson 警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。     

混合粒子群算法在柔性工作车间调度中的应用

混沌是一种新颖的优化技术,具有随机性、遍历性的特点和易跳出局部极值的能力。为了提高粒子群优化算法(PSO)的性能,在PSO中引入混沌,优势互补,提出了一种混合PSO算法,并应用于柔性工作车间调度问题的求解。首先基于混沌对PSO的参数进行自适应优化,实现全局搜索与局部搜索间的有效平衡;然后,在PSO的搜索过程中引入混沌局部搜索策略,来提高解的精度和收敛速度。实验比较结果验证了该算法的全局搜索性能。     

联合准则下的认知雷达波形设计

针对不同工作环境中, 需要雷达同时具有多种模式和多种任务的问题, 提出了一种联合优化准则的雷达波形设计方法, 该方法综合考虑了目标与回波之间的互信息与信干噪比。在发射信号能量有限的约束条件下, 首先通过最大边缘分配算法求解最优波形, 其次讨论互信息与信干噪比的增减率, 当改变系数值时, 联合准则下的雷达信号模型既可同时提高互信息和信干噪比值, 又可根据发射需求分别优化互信息或信干噪比。最终信号模型通过一次或较少次数的观测同时完成目标参数估计、检测或识别任务, 为雷达波形优化朝着多功能模型设计提供研究依据。     

不敏空时自适应处理算法

针对空时自适应处理(STAP)的非均匀检测环境,提出了一种新的不敏空时自适应处理算法.该算法通过对有限的非独立同分布(non-i.i.d)数据应用不敏变换(UT)来获得近似估计的协方差矩阵,即将原始的非均匀数据到其所对应的均匀数据看作一种特殊的非线性变换,利用不敏变换(UT)估计非均匀数据经非线性变换后所对应均匀数据的协方差矩阵,有效地降低了非均匀特性的影响.仿真结果验证了该算法在非均匀环境下具有良好的运动目标检测性能.     

捷变频联合波形熵的密集假目标干扰抑制算法

密集假目标干扰具备欺骗性和压制性的双重特性, 严重影响雷达作战效能。对此, 提出一种捷变频联合波形熵的密集假目标干扰抑制算法。首先采用Kittler算法进行二值化处理;其次利用波形熵识别目标和干扰;然后采用局部离群因子检测算法对目标回波中叠加有较强干扰旁瓣的数据进行剔除; 最后采用稀疏重构算法进行脉间相参处理。数字仿真实验和外场实测数据处理结果验证了所提算法的有效性。算法性能分析结果表明, 当干信比为58 dB时, 所提算法仍能有效抑制干扰, 正确检测目标。     

提高MIMO雷达检测和参数估计性能的波形设计

针对目前多输入多输出(multiple-input multiple-output, MIMO)雷达中通常基于某一种而不是整体性能的波形优化问题,提出一种提高MIMO雷达检测和参数估计性能的波形优化方法。该方法基于提高检测概率、降低参数估计方差及抑制旁瓣3种性能约束优化发射波形相关矩阵(waveform covariance matrix, WCM)。首先推导了检测概率及克拉美罗界(Cramer-Rao bound, CRB)的等价表达式,而后联合最大化主旁瓣差约束,并对各约束条件加权,从而得到可灵活调整加权系数以满足实际应用中不同需要的波形优化问题。此波形优化问题可表示为线性规划问题,因而可高效求解。仿真实验对3种约束条件对雷达性能的影响进行了详细分析,实验结果验证了所提方法的有效性。     

检测信息最优融合算法及性能分析

针对分布式多传感器检测信息融合问题进行了研究。首先在局部检测器规则已知的情况下,系统地研究了融合中心规则的优化问题。推导了不同性能指标下检测信息最优融合算法,在此基础上对各种方法的检测性能进行了系统分析,提出了一种N P检验准则下的融合算法,并研究了典型瑞利分布环境下的检测融合系统性能,给出了系统的对比结果。理论分析和仿真结果表明了该算法的有效性。     

近区低旁瓣的OFDM MIMO雷达波形设计

雷达系统在临近目标分辨中存在近区旁瓣过高的问题,导致了弱目标淹没、临近目标回波主旁瓣混叠等现象。针对这一问题,该文提出了一种抑制近区距离旁瓣的正交频分复用(orthogonalfrequency division multiplexing, OFDM) 多输入多输出雷达波形设计方法。首先,构造一组基于相位编码调制的OFDM发射波形集,在此基础上,以极小化极大原理和近区积分旁瓣水平建立目标函数,令发射波形恒模为约束条件;然后,借助发射波形与相位的对应关系,将波形设计转化为无约束优化问题,并利用Broyden-Fletcher-Goldfarb-Shanno算法求解。理论分析和仿真结果表明,该文方法较现有方法具有更好的近区旁瓣抑制特性和更低的运算复杂度。     

认知MIMO雷达发射波形与接收滤波器联合优化设计方法

为了突破传统雷达的性能瓶颈，具有发射端自适应机制的认知雷达成为了研究热点，其中发射波形优化设计是认知雷达的核心组成。为了提升机载平台下对运动目标的检测能力，考虑了多输入多输出雷达中发射波形与接收滤波器的联合设计问题，并使用交替优化方法进行求解。在求解最优接收滤波器时，优化问题被建模为经典的广义瑞利熵问题，对此使用最小方差无失真响应方法进行求解以避免特征值分解运算。在设计最优发射波形时，在最大化信杂噪比的准则下建立目标函数，并引入工程常用的恒模约束条件，最终将波形设计问题建模成一个非凸的优化问题。对此，经典的求解方法是先使用近似手段松弛恒模约束，然后使用Charnes-Cooper变换进行求解。区别于经典方法，提出一种基于信杂噪比近似的优化算法以减少计算复杂度。实验结果表明，所提方法不仅具有更快的收敛速度，还可以实现更优的信杂噪比增益性能。     

多种转发干扰下的脉内脉间波形综合优化设计

复杂电磁场景中多种转发干扰并存, 严重影响了雷达的探测效果, 而传统的波形设计方法多针对一种特定的干扰样式进行分析, 面对多种干扰时对抗效果有限。针对此问题, 对脉内线性调频相位编码脉间频率捷变波形进行了综合优化设计。首先, 在分析脉内脉间多种转发式干扰样式的基础上, 兼顾转发干扰与波形本身特性进行代价函数设计。之后, 利用遗传模拟退火算法优化波形参数, 具有良好的抗干扰效果。最终, 数值仿真实验验证了所设计波形的有效性。     

认知雷达中基于Q学习的自适应波形选择算法

自适应波形选择器是认知雷达中智能发射器的重要组成部分。有效的波形选择能够在不同的环境下选择发射最优的波形序列,从而以更高的精度追踪目标。针对雷达目标转移概率未知这一特点,把自适应波形选择问题建模为随机动态规划模型,提出应用Q学习的方法来解决这个问题。仿真结果说明,该算法接近于最优波形选择方案,并且状态估计的不确定性低于固定波形。     

基于序列线性规划的雷达低峰均比估计波形设计

在信号相关杂波背景下,现有方法大部分均基于频域进行雷达估计波形设计,这将引起相位信息的缺失从而导致波形变换到时域后性能降低。针对上述问题,同时兼顾放大器的非线性特性,提出了一种基于时域的低峰均比(peak to average power ratio, PAR)估计波形设计方法。首先,根据最大互信息准则在时域上构建了优化问题模型;然后,基于序列线性规划思想,将非凸的优化问题松弛为凸问题,并求得波形矩阵的近似解;最后,对该波形矩阵解进行逼近,使得新的波形矩阵满足Toeplitz结构,进而提取出波形向量解。仿真结果表明,与现有方法相比,本文方法在不增加运算量的前提下具有更好的估计性能。     

基于GASA算法的DFCW-LFM波形设计

离散频率编码波形是一类常用的多输入多输出雷达波形,加入线性调频能够改善其自相关性能。将基于遗传算法和模拟退火的混合算法用于离散频率编码线性调频(discrete frequency coding waveform linear frequency modulation, DFCW-LFM)波形的优化设计,仿真结果表明,用该优化算法得到的信号其相关性能要优于现有方法。另外,提出了一种改进的DFCW-LFM波形设计方法。该方法在DFCW-LFM波形的基础上,对频率编码子脉冲同时进行相位编码,构成DFCW-LFM和相位编码的混合波形,并采用混合算法对其进行优化设计。仿真结果表明,和已有的DFCW-LFM波形相比,所设计混合波形的相关性能得到了进一步改善。     

概率约束MIMO雷达稳健发射波形设计方法

传统多输入多输出(multi-input multi-output, MIMO)雷达发射波形设计方法对传播矩阵误差敏感,导致难以得到最优的匹配波形,进而造成系统检测性能严重下降。针对此问题,提出一种基于概率约束的MIMO雷达稳健发射波形设计方法。该方法考虑最差情况的发生为小概率事件,基于输出信噪比(signal noise ratio,SNR)低于可接受水平的概率小于中断概率的约束条件,通过最大化输出信噪比设计最优波形。利用传播矩阵误差的概率分布特性,将概率约束转化为凸约束,从而将统计优化问题转化为确定性优化问题。该方法在传播矩阵存在误差情况下以高概率实现系统性能最优化。仿真结果表明所提方法能够提高输出SNR,具有较好的检测性能。     

VTS雷达及岸基溢油雷达组合选址优化

针对实际建址时存在障碍物遮挡和雷达传递衰减的船舶交通管理系统（Vessel Traffic Service，VTS）雷达及岸基溢油雷达组合选址问题，基于空间几何方法，在三维空间中提出了障碍物遮挡判断方法，并引入衰减函数进行雷达衰减测度，以建站成本最小和水域面积覆盖率最大为目标建立多目标选址模型。根据问题设计了自适应混沌多目标粒子群算法，在满足位置约束时生成初始解，提高算法求解速度；引入混沌机制和飞蛾火焰算法的螺旋搜索机制对粒子速度及位置更新策略进行改进，增强算法的局部和全局搜索能力。通过算例验证了本文所提出的判断方法及模型的有效性。研究成果不仅深化和拓展了VTS雷达选址及溢油问题的相关研究，也为海事主管机构在进行VTS雷达站及溢油雷达选址时提供理论依据。     

单个天基对地飞行器停泊轨道的优化设计

为了解决单个天基对地飞行器的停泊轨道优化设计中优化变量搜索范围大、初值敏感的问题，提出了基于模糊自适应粒子群（fuzzy adaptive particle swarm optimization，FAPSO）算法的停泊轨道优化设计方法。首先建立了给定变轨时刻下天基对地飞行器的落点范围求解模型，为求解停泊轨道优化设计的评价指标打下基础；其次提出了以覆盖预定落点数和覆盖不同预定落点数的平均时间为评价指标，建立了基于FAPSO算法的停泊轨道优化设计模型；最后仿真结果表明FAPSO算法能够获得收敛精度更高的结果，该方法能够更有效地解决单个天基对地飞行器的停泊轨道设计问题。