线性迭代算法设计双正交余弦调制滤波器组

介绍了一种用于设计双正交余弦调制滤波器组的线性化方法。该方法中，目标函数和完全重构条件均被表示成为原型滤波器系数矢量的二次函数形式。使用拉格朗日乘数方法，算法通过迭代求解线性方程来获得期望的原型滤波器系数矢量。该方法最大优点在于设计过程简单易行并且计算效率非常高。设计实例表明,该算法对于双正交余弦调制滤波器组的设计是非常有效的。     

基于功率谱的非均匀子带自适应滤波

根据输入信号的功率谱特征,非均匀滤波器组能够动态调整子带滤波器的带宽和位置,可以获得比均匀滤波器组更好的收敛性能.根据子带最小均方(least mean square,LMS)自适应算法的收敛特性,以提高其收敛速度为目标,提出了一种基于功率谱信息的非均匀子带自适应滤波方法,并详细讨论了非均匀滤波器组实现结构和信号重建性能.计算机仿真实验和分析表明,与现有的均匀和非均匀滤波器组设计方法相比,在子带数目相同的条件下,本文提出的方法能有效地降低子带信号的最大特征值扩散度,而信号重建性能基本相同.     

新型耦合滤波器优化算法的研究

根据交叉耦合滤波器的基本原理,建立了适用于任意拓扑结构的滤波器优化模型,总结出以非特殊点拟合为辅助的新目标函数.接着在经典F-R (Fletcher-Reeves)梯度算法的基础上,提出了遗传梯度混合算法和遗传Solvopt混合算法的实现原理.以MATLAB作为研究平台,在滤波器设计实例中验证这两种新型优化算法的正确性.结果说明,这2种算法无需设定初值能以全局搜索的新方式快速收敛到最优解,可适用于更高阶数的任意拓扑结构.根据实验结果,分析比较了新型算法在收敛速度、算法构架以及计算准确度上的优势,总结出算法的适用条件.     

线性迭代算法设计双正交余弦调制滤波器组

介绍了一种用于设计双正交余弦调制滤波器组的线性化方法。该方法中，目标函数和完全重构条件均被表示成为原型滤波器系数矢量的二次函数形式。使用拉格朗日乘数方法，算法通过迭代求解线性方程来获得期望的原型滤波器系数矢量。该方法最大优点在于设计过程简单易行并且计算效率非常高。设计实例表明，该算法对于双正交余弦调制滤波器组的设计是非常有效的。     

FBMC-OQAM中原型滤波器的快速设计

针对传统基于滤波器组的多载波-偏移正交调制(FBMC-OQAM)系统设计自由度不高和整体性能不佳的问题,提出一种原型滤波器的快速设计算法.假定FBMC-OQAM系统同一子载波的发送端和接收端采用不同的原型滤波器.将两个原型滤波器的设计问题归结为一个无约束优化问题,其中目标函数为符号间干扰、载波间干扰和原型滤波器阻带能量的加权和.利用目标函数的梯度向量,通过双迭代机制求解原型滤波器.在每次迭代更新中,运用矩阵求逆的等效条件和托普利兹矩阵求逆的快速算法,极大地降低了计算复杂度.理论分析和仿真实验表明:新算法不仅具有低计算复杂度的优点,且设计所得的系统具备更好的整体性能,即原型滤波器阻带衰减更高、系统均方误差更低.     

基于谱分解技术的两通道因果稳定IIR滤波器组的设计(英文)

提出一种新的两通道因果稳定IIR滤波器组的设计方法.首先基于所定义的一种余弦滚降IIR滤波器,两通道滤波器组所要求的平坦条件完全被满足;其次该方法是依赖于分析滤波器的功率谱特性,而不是该滤波器的幅度频率特性来设计滤波器组.IIR滤波器的设计问题可转化成一个准凸问题,采用凸优化算法来求解;然后对所得优化解进行谱分解,得到目标滤波器组.该滤波器组具有合理的完全重构误差,并且其多相因子的分母相同,简化了完全重构条件.采用该滤波器组作为约束非线性优化法的有效初值,进一步优化得到完全重构2通道IIR滤波器组.     

一种新的全局排序高维多目标优化算法

针对传统高维多目标优化问题解决方法存在解集收敛性与解集分布均匀性缺陷的问题, 提出将全局排序方法与灰色关联分析两种方法相结合, 设计一种新的全局排序高维多目标优化算法. 通过设计最小函数值母序列和个体目标函数值子序列, 利用灰色关联分析法计算其关联度, 并结合个体目标适应度计算策略, 解决解集分布不均匀的问题. 该算法不仅可提高非支配个体的选择能力, 还具有良好的收敛性. 为测试该算法的性能, 选择3种经典多目标进化算法, 在标准测试函数集DTLZ{2,4,5,6}上进行对比实验. 实验结果表明, 该算法在解决高维多目标问题时, 其收敛性与解集分布均匀性均优于其他3种算法.     

极化雷达发射波形和接收滤波器联合优化新方法

波形优化可有效抑制干扰和噪声,显著改善雷达性能。以极化雷达为研究对象,最大化滤波器输出信杂噪比为优化目标,发射波形能量约束为条件,构建了波形和接收滤波器的联合优化问题。对该非凸优化问题,提出了一种发射波形和接收滤波器迭代优化算法,该方法确保目标函数随迭代过程的单调递增和收敛性。实验证实了提出方法的有效性,以及相对现有方法的优势。     

M带有理系数双正交尺度滤波器的构造

系统研究了M带双正交尺度函数的性质,设计了一种构造M带线性相位双正交尺度滤波器的新算法,可以得到精确满足正则阶和双正交条件的尺度滤波器.同时可以通过适当的选取,使滤波器系数均为有理数,并且满足设计目标.由于尺度滤波器的设计是构造小波滤波器的基础,因此可以很方便的构造M带紧支撑双正交小波.     

基于滤波器阶数估计的卷积盲分离算法

为解决时域卷积盲分离中存在的初值选取以及方阵局限问题,提出了一种基于滤波器阶数估计的非正交联合块对角化算法.该算法通过对观测信号自相关矩阵的相邻特征值比值设阈值,实现了滤波器阶数的估计和对角块个数以及维数的自适应选取;引入预白化对非方阵的等效混合矩阵进行降维处理,消除了非正交联合块对角化算法中等效混合矩阵必须为方阵的局限性.仿真结果表明:提出的滤波器阶数估计方法准确率高,有效解决了非正交联合块对角化算法在卷积混合盲分离中的初值选取问题,并且分离效果要优于经典非正交联合块对角化算法和多目标优化非正交联合块对角化算法.     

基于洛伦兹范数的MWC快速重构算法

针对现有调制宽带转换器(MWC)压缩采样信号重构算法对联合稀疏结构的限制及其受滤波器非理想因素影响的问题,提出了一种基于洛伦兹范数的MWC快速重构算法.该算法采用洛伦兹范数来拟合误差项,设计了冲击噪声背景下的稀疏优化目标函数,可有效削弱异值点对重构结果的影响;同时进一步将零范数优化问题转化为矩阵平滑零范数的函数极值求解问题,并利用固定步长共轭梯度算法进行并行重构,以提高算法收敛速度和运行效率.仿真结果表明:与现有重构算法相比,在受滤波器过渡带等非理想因素影响下,所提算法可以提高稀疏信号的重构成功率,同时在重构速度方面具有较好的性能.     

直接法设计均匀与非均匀滤波器组

针对滤波器组的重构设计,现有算法只能单独设计均匀或非均匀滤波器组,无法同时设计2种不同类型的滤波器组,不具有灵活性。现提出了一种直接法设计所有滤波器组的新思路,该方法从频域推导出滤波器组的重构条件,并将其表示为矩阵形式。根据给定的频带分布情况,同时设计分析模块中各通道滤波器。然后通过迭代优化的思想,求解重构矩阵方程的最优解,进而得到综合模块各通道滤波系数,设计出需要的滤波器组。通过仿真可知,该设计方法可以同时设计均匀与非均匀滤波器组,实现频带的高效划分,具有很高的灵活性,且可以保证各通道滤波器具有线性相位特性。     

一种求解多目标优化问题的新遗传算法

给出了种群个体的序和密度定义,在此定义下又给出目标空间中Pareto界面上解的质量度量函数和均匀性度量函数.把对任意多个目标优化问题转化成了利用解的质量度量函数及均匀性度量函数构成的2个目标优化问题,同时对转化后的优化问题设计了一种新的遗传算法.为了提高算法的性能,对算法采用变适应度进化策略及遗传参数采用自适应调节技术.数据实验表明该算法对提高Pareto界面上解的质量及其均匀分布是有效的.     

用改进的遗传算法求解作业调度问题

作业调度问题JSP(Job Shop Scheduling Problem)是典型的组合优化问题.文中用改进的遗传算法来解决作业调度问题,在遗传算法中设计了一种调整算子,并证明了算法能够收敛到全局最优解;同时提出一种新的求解JSP问题的双目标函数、双种群遗传算子.每个种群侧重一个目标,各从不同侧面深度挖掘问题的信息,用以优化问题的解,两个种群再通过混合交叉得到更好的解,较大地提高了算法的收敛速度.     

离场航班多目标优化排序研究

为缓解大面积、长时间的离场航班延误现状,研究了多目标离场航班优化排序问题,考虑连续航班对离场航班影响,建立了具有多个目标函数的混合整数规划模型,并基于多目标优化问题的Pareto最优解概念,设计了一种带精英策略的非支配排序遗传算法(NSGA-Ⅱ)求解模型.选取上海浦东机场3 h内离场航班进行仿真验证,并将仿真结果与其他算法优化方案比较,与FCFS策略相比,航班总延误降低了20. 1%,延误架次减少了20.较单一目标优化,该算法具有保持多个目标函数优异性的特点,且115架航班优化时间仅为302 s,能够较好的满足实际运行效率需求.所提方法能够有效解决离场航班多目标优化排序问题.     

基于混合优化算法的船体线型优化设计

为了克服单一优化算法的缺点和不足,将遗传算法(GA)和非线性规划法(NLP)有机结合组成混合优化算法来优化船体形状,开发船体线型优化设计程序.在优化过程中,以Rankine源法计算的兴波阻力为目标函数,以船型修改函数的参数为设计变量,在保证必要排水体积的条件下进行优化设计.Wigley数学船型算例的计算结果表明,在优化效果和耗费时间上,混合优化算法的计算结果更优.该算法可为船舶初步设计阶段船体线型的选择提供理论基础和技术支持. 关键词：
混合优化算法; 遗传算法; 非线性规划; 兴波阻力; Rankine源法 中图分类号： U 661.1
文献标志码： A     

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,...     

基于遗传算法的多目标优化算法

本文先介绍了遗传算法的实现技术,又介绍了多目标优化问题的概念,然后使用遗传算法来求解多目标优化问题。文中使用了均匀设计方法来设计适应度函数,并设计了新的变异算子,算法结果是有效的。     

基于自适应双正交小波的织物疵点边缘检测

针对织物疵点边缘检测问题,分析了"最佳"边缘检测滤波器设计的准则,以及构造自适应双正交小波的优化目标函数,提出了一种基于自适应双正交小波的图像边缘检测方法.实验结果表明,与已有的基于小波的图像边缘检测方法相比,本方法具有更好的边缘检测能力和鲁棒性.     

基于多目标优化的救援机械臂结构参数设计

为了综合优化双臂救援机器人双臂协同工作空间、机械臂负载能力以及机械臂末端运动速度,研究了基于多目标函数综合优化的救援机器人双臂结构参数设计方法. 由于双机械臂的协同工作空间难以进行数学描述,提出了一种基于三重积分的描述方法. 针对所建立的双臂协同工作空间、机械臂末端运动速度以及机械臂负载能力三个目标函数的综合优化问题,通过模糊层次分析法,计算每个目标函数的权重从而进行线性加权以得到综合的多目标优化函数. 基于该综合优化函数,通过粒子群算法进行多目标函数最优值求解,得到一组机械臂结构优化参数,使双臂救援机器人的综合性能达到最优. 实验结果表明所提出的双臂救援机器人性能指标的优化方法是可行的.