一种改进重采样的粒子滤波盲分离算法

在通信混合信号单通道盲分离技术中,粒子滤波盲分离算法是一大主流算法。针对粒子滤波算法必然存在的粒子退化问题,提出一种结合有效粒子数和残差重采样思想的改进重采样粒子滤波盲分离算法。所提算法在粒子退化,即有效粒子数减少至需进行重采样时,根据有效粒子数的值找出一定数量的权重大的粒子,按每个粒子的权重占总权重的比例复制一定数量的该粒子到新粒子集中。复制后将该粒子权重更新为剩余权重,把所有权重重新归一化,再用传统随机重采样方法复制少量粒子,完成重采样的改进算法,进而得到改进重采样的粒子滤波盲分离算法。仿真结果表明,在粒子滤波单通道盲分离应用中,提出的改进重采样算法与传统随机重采样算法相比,在复杂度近似相同的情况下误码性能提高了约1 dB。     

基于人工免疫重采样粒子滤波的单通道盲源分离

针对单通道盲源分离重采样过程中出现的粒子枯竭现象,提出了一种基于人工免疫重采样粒子滤波的新算法.以二进制相移键控调制信号为例,针对传统粒子滤波算法中存在的粒子枯竭现象,利用人工免疫重采样粒子滤波进行信号未知参数和码元的最大后验概率估计,在保证粒子有效性的同时解决了粒子退化问题,有效地缓解了粒子枯竭现象,提高了算法的跟踪估计能力.仿真结果证明了该算法的可行性和有效性,改进后的算法在不加纠错编码,信噪比大于14 dB的情况下,误码率小于10-2,基本实现了信号的盲源分离.     

虚拟通道扩展的引信欺骗干扰盲分离算法

为滤除引信接收信号中的欺骗干扰,研究了基于虚拟通道扩展的过渡干扰滤除FastICA(TJE-FastICA)和双系统FastICA(DS-FastICA)算法.算法利用不同周期接收信号特性以及信号非圆性来扩展单通道,并对传统FastICA进行噪声抑制改进,在此基础上提出了利用接收信号的循环相关输出幅值统计特性来剔除过渡干扰的TJE-FastICA算法,以及利用两个盲分离系统对分组信号同时分离的DS-FastICA算法.仿真结果表明,提出的算法明显优于正交投影算法和直接盲分离算法,DS-FastICA比TJE-FastICA具有2.5 dB的优势,且当信噪比R_SN>7.5 dB时,两算法分离的回波信号相似度均在80%以上,DS-FastICA的分离时间比TJE-FastICA算法快91%.      

一种新的自适应粒子滤波单通道盲分离算法

目前,解决成对载波多址单通道盲分离问题的主要方法之一是粒子滤波。以往的分离算法中,粒子数往往是固定的。盲分离粒子滤波算法在经过若干次迭代和重采样过后,存在一些权重数量级非常小的粒子,这些粒子不仅对后验概率密度的贡献甚微,而且会浪费大量的运算时间,导致算法效率低下。为提高效率,根据粒子滤波盲分离的特点,在参数大致收敛之后,采用一种自适应的算法降低粒子数目。此方法在保证了精度的同时,降低了计算复杂度。仿真结果表明,改进的算法相比传统粒子滤波算法复杂度降低了约1/6左右,低信噪比条件下精度比传统算法更高。     

基于粒子群算法的盲源分离算法

简要地介绍了粒子群算法(PSO)及其改进算法和盲源分离算法(BSS),改进的粒子群算法具有并行性、易实现等优点。将改进的粒子群算法与盲源分离算法相结合,提出了基于粒子群算法的盲源分离算法。该算法以混合信号的峰度为目标函数,采用独立分量分析的方法,用改进的粒子群算法代替常规的最陡梯度下降法,对瞬时混合的信号进行盲分离,解决了梯度算法收敛速度慢的问题。实验仿真表明:该算法具有收敛速度快、分离效果好等特点。     

基于改进粒子群的盲源分离算法研究

简要地介绍了盲源分离的基本理论,针对独立分量分析传统的优化算法易于陷入局部最优、收敛精度低的缺点,提出了一种基于改进型粒子群的盲源分离算法,将独立分量分析算法与改进的粒子群算法相结合,以负熵作为目标函数.采用这种改进的粒子群算法对分离矩阵进行调整使各个信号分量之间独立,完成对瞬时混合信号的盲分离.实验信号的分离仿真结果表明,该算法能够有效地完成混叠信号的分离.同时,在与传统的盲源分离算法进行对比中,体现出了更高的分离精度和稳定的性能.     

基于信号盲分离的通信信道干扰抑制算法

针对移动通信双向传输过程中一直存在的抗干扰性能差的问题。提出基于窄带信号盲分离的移动通信信道干扰抑制算法。构建移动通信基站信道的安全承载模型和移动网络基站路由节点数据分配模型,进行信道干扰分析,通过阈值对优先级进行判断,保证OBS网络中偏射路由节点数据的服务质量,构建单通道窄带信号检测模型,设计单通道窄带处理器,实现对窄带信号的盲分离,降低了网络突发冲突阻塞概率与丢包率,基于时延-多普勒域的稀疏性特征计算动态反馈线性非线性抗干扰信道的时域脉冲响应,得到移动通信信道均衡和特征配准结果,实现非线性抗干扰滤波。实验结果表明,改进算法能有效实现干扰抑制和滤波,提高通信信号的输出信噪比。     

应用基扩展模型的混合信号单通道盲分离算法

针对传统最小均方误差逐幸存路径处理(LMS-PSP)单通道盲分离算法在时变信道下性能差的问题,提出一种基于基扩展模型逐幸存路径处理(BEM-PSP)的单通道盲分离算法。首先对接收到的部分混合信号进行LMS-PSP单通道盲分离,得到部分准确的信道冲激响应(CIR);然后结合时变信道下基于基扩展模型进行信道估计的思想,完成整个时间周期CIR的估计;最后采用Viterbi算法对混合信号进行序列估计,从而实现时变信道下混合信号的单通道盲分离。仿真结果表明,对于2路混合QPSK信号,在相同仿真条件下,BEM-PSP算法较LMS-PSP算法能降低50%的复杂度且能获得更好的性能,在20dB处的误码率可达4×10-2,而LMS-PSP单通道盲分离算法的误码率只能达到1×10-1,并且在同等过采样倍数下,该算法能获得更高的性能提升。     

结合改进粒子群的非线性盲源分离方法研究

针对传统非线性盲源分离(NBSS)算法容易陷入局部最优解从而导致分解精度较低的问题,提出一种基于改进粒子群优化(PSO)的NBSS算法。该方法利用多层感知机(MLP)拟合非线性混合的逆过程,并将分离信号的互信息最小作为优化目标(PSO的适应度),从而实现MLP中参数的优化。然而,标准PSO算法存在粒子早熟从而使待优化问题陷入局部最优解,针对这一问题,对适应度低的一部分粒子进行依概率的杂交和变异,使粒子群体在整个迭代过程中保持多样性,从而有效解决标准PSO算法的粒子早熟问题。仿真和试验结果表明,相比于线性盲源分离算法和基于标准PSO的NBSS算法,提出的算法可以从非线性混合机械信息中提取纯净的独立源信息,并且提高了非线性混合源的分离精度,为机械系统的监测诊断和振动噪声溯源提供科学依据和关键技术。     

一种提升LMS自适应滤波哭器抗窄带干扰能力的方法

LMS自适应滤波器是一种抗窄带干扰的经典算法,然而该算法在信干比低于－35 dB时性能将急剧恶化,有时甚至无法收敛. 为解决低信干比条件下LMS算法失效的问题,提出了一种在自适应滤波前利用FFT截波预处理的方法,应用这一方法,将使LMS自适应滤波器的有效滤波范围扩展至－50 dB以下.     

一种TDCS自适应粒子群导频优化设计算法

为了解决变换域通信系统(transform domain communication system,TDCS)基函数存在不可用频带而产生的导频优化设计问题,提高TDCS的信道估计精度,提出了基于自适应粒子群算法的TDCS导频优化设计.构建TDCS信道估计模型,分析不可用频带对信道估计性能的影响并建立导频优化模型,设计导频优化的适应值函数和自适应惯性权重,通过粒子群算法对导频的位置和功率进行优化.在不同干扰环境下的仿真结果表明,新算法较传统粒子群算法收敛速度更快,优化能力更强,其信道估计精度和误码率性能接近最优导频.与等间隔等功率导频相比,在单干扰和多干扰频带下误码率分别有2.6 dB和2.2 dB的性能增益.     

基于并行粒子群优化算法的预失真器设计

高功率放大器是无线通信系统中非线性失真的主要来源之一. 数字基带预失真技术能有效地降低系统非线性失真,提高系统传输性能. 采用Hammerstein模型作为预失真器的模型结构,通过粒子群优化算法(particle swarm algorithm, PSO)估计预失真器系数,解决了梯度算法无法直接估计Hammerstein模型系数和易陷入局部极值等问题. 通过对PSO算法进行并行优化设计,使算法最大加速度比达3以上,加快了算法处理速度. 仿真结果表明新算法能够有效抑制系统带外频谱再生现象,减小相邻信道功率比(ACPR)达25 dB.      

离散粒子群优化在垂直分层空时系统检测中的应用

为了改善垂直分层空时系统串行干扰抵消算法的性能,提出了一种离散粒子群检测算法(DPSO-DA).该算法将垂直分层空时系统中的最优检测视为组合优化问题,根据最大似然检测公式构造DPSO算法的适应度函数,利用DPSO算法来解决该组合优化问题,从而寻找最优解.针对DPSO-DA 有可能出现早熟现象,进一步提出了一种混合离散粒子群检测算法 (HDPSO-DA).HDPSO-DA 对 DPSO-DA 的进化方程进行了重新设计,在搜索中以一定变异概率对选中的粒子进行变异,进一步改善了DPSO-DA的性能.理论分析和仿真结果表明,当误码率为10-3时,与基于最小均方误差准则的串行干扰抵消算法相比,DPSO-DA 和 HDPSO-DA 可获得约3dB 和 5dB的增益,且具有更低的复杂度.     

基于改进粒子群优化算法的信号检测及故障诊断

研究了一种分段双稳态随机共振系统,使用改进的粒子群优化(particle swarm optimization, PSO)算法对双稳系统的参数进行优化,将其应用于弱信号检测以及轴承的故障诊断。首先,引入分段的势函数,对系统的输出信噪比进行理论推导,从势阱中粒子的跃迁角度讨论分析了系统各参数对平均首次通过时间以及信噪比的影响,并借此对系统进行评价;其次,利用随机权重粒子群优化算法和自适应权值粒子群算法,分别与随机共振相结合,以输出信号的信噪比作为评价指标,对系统参数进行优化调节,并比较2种粒子群优化算法的改进算法;最后,将改进的粒子群优化算法应用于故障诊断,通过仿真研究和实验验证,对比几种算法的输出效果,评价了随机权重粒子群优化算法的有效性和优越性。     

基于分组简化粒子群算法的盲源分离

传统盲源分离算法普遍存在收敛精度低和易陷入局部最优的缺点,针对上述问题,提出将蛙跳算法的分组思想应用到盲源分离算法中.该分组思想是将整个粒子群分为多组子群体,每组粒子在进行组内寻优的同时进行全局寻优,从而增加了粒子之间的差异性,可以有效避免早熟收敛.该算法以负熵为目标函数,通过对分离矩阵进行调整,使各个信号分量之间相互独立,从而完成对瞬时混合信号的盲源分离.实验仿真结果表明,提出的算法与基本的粒子群盲源分离算法相比,能有效避免早熟收敛并进一步提高收敛精度和算法的稳定性.     

粒子群优化平方根强跟踪CKF及应用

提出一种粒子群优化平方根强跟踪容积卡尔曼滤波算法,并将其用于水下应答器辅助航位推算组合导航系统. 以强跟踪滤波器为理论框架,结合容积卡尔曼滤波器,设计了平方根强跟踪容积卡尔曼滤波器. 提出一种改进的粒子群算法,将粒子两两为一对分成若干对,每进化一次后,比较两个粒子的代价函数值,代价函数值较优的粒子,搜索方向侧重于群体历史经验,代价函数较差的粒子,搜索方向侧重于自身历史经验. 将改进的粒子群算法用于求取强跟踪滤波器的渐消因子. 仿真结果表明在系统模型不准确的情况下所提算法依然能够有效跟踪状态变化,比传统的容积卡尔曼滤波器具有更高的滤波精度和稳定性.      

一种改进的粒子群优化算法及其在盲信号分离中的应用

首先对粒子群优化算法进行了改进,用粒子群中所有粒子最优位置的加权平均值替代速度更新式中的粒子最优位置,并根据粒子群中粒子的浓度自适应地调整加速系数．这种改进的粒子群优化算法利用了粒子群中所有粒子最优位置的信息,并在进化过程中自适应地调整“认知”部分和“社会”部分对粒子的影响,从而提高了算法的收敛速度和精度．然后,针对盲...     

低信扰比下粒子权重优化的粒子滤波算法

针对低信扰比条件下粒子权重有效评价问题,本文给出了一种粒子权重优化的粒子滤波算法。在算法实现中,首先,通过代价评估粒子滤波中代价函数和风险函数的引入实现粒子权重评价过程中对于当前量测信息的合理利用;其次,通过置信度距离和置信度矩阵的构建及求解完成对于粒子间蕴含冗余和互补信息的充分提取;最终,利用权重平衡因子在融合两种权重度量结果基础上实现粒子权重的合理度量。新算法在实现当前时刻粒子集中信息有效利用的同时,避免了量测噪声先验统计信息的偏差的不利影响,从而使得粒子权重度量结果更加稳定和可靠。理论分析和仿真实验验证了算法的有效性。     

基于自适应网格混合机制的多目标粒子群算法

当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛.为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO).该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,...     

基于粒子群优化的认知无线电功率分配算法

针对认知无线电网络（CRN）中主用户（PU）的干扰功率阈值、 次用户（SU）的传输速率限制和信干噪比（SINR）需求, 提出一种基于蒸发因子的粒子群优化（LTPSO）算法, 其中蒸发因子根据粒子群学习因子设定, 建立新的粒子群记忆形式, 并对适应度值按比例进行筛选. 仿真结果表明, LTPSO算法获得了较好的优化效果.