一种新型自适应粒子群优化粒子滤波算法及应用

基于粒子群优化的粒子滤波算法精度不高,运算复杂度大,难以在实际工程中应用. 为此,文中提出一种新型邻域自适应调整的动态粒子群优化粒子滤波算法. 该算法考虑了粒子的邻域信息,利用多样性因子、邻域扩展因子和邻域限制因子共同对粒子的邻域粒子数量进行自适应调整,控制粒子对邻域的影响,减轻局部最优现象,达到收敛速度和寻优能力的最佳平衡. 利用UNGM模型、目标跟踪模型以及故障检测模型对算法的性能进行仿真测试,结果表明：该算法与PSO-PF相比提高了精度和运算速度,具有实际工程应用价值.     

改进EM算法的CDMA盲多用户检测

对基于期望值最大化的统计盲多用户检测方法进行改进.针对期望值最大化(expectation maximization,EM)算法的高复杂度及性能欠佳的缺点,在进行最大似然估计时先考虑用户所受的多址干扰及噪声,修改最大似然估计函数,并加以分解简化,提出一种改进的EM算法实现CDMA盲多用户检测,并进行了实验仿真.实验结果表明,改进方法提高了系统的抗干扰性能,且降低了算法复杂度.     

拟蒙特卡罗粒子滤波改进算法及其在雷达目标跟踪中的应用

拟蒙特卡罗粒子滤波算法（quasi-Monte-Carlo particle filter, QMC-PF）精度不高,运算复杂度大,难以满足雷达机动目标跟踪精确性和实时性需求. 为此,提出一种基于BP神经网络的新型拟蒙特卡罗粒子滤波算法. 该算法将大权重粒子通过QMC分裂采样产生低差异性的子代粒子,以此来替代低权重粒子,保证了样本的有
效性和多样性;同时利用BP神经网络计算子代粒子的权重,提高了滤波的精度和速度;最后在不同的模型中进行仿真. 实验结果表明,与QMC-PF相比,所提出的算法提高了精度和运算速度,适用于雷达机动目标的跟踪.     

基于多径时延跟踪的MIMO-OFDM系统信道估计

针对MIMO-OFDM系统,提出了一种低复杂度的基于多径时延跟踪的信道估计算法,并分析了信道估计的均方误差和计算复杂度.分析和仿真结果表明,这种算法通过对多径的跟踪降低了需要估计参数的维数,从而提高了信道估计的性能,并且降低了运算复杂度.     

基于峰态的盲信号分离

就一种基于信号峰态(kurtosis)极值化的盲信号分离方法进行了探讨．首先介绍算法理论，然后提出了一种简化快速的最速下降算法，解决了收敛指向性的问题，并将对混合语音信号的分离扩展到混合图像信号的分离．实验结果表明，同其他基于峰态的盲分离算法相比，其分离效果好，而且在收敛速度、运算复杂度方面有显著的优势．     

多小区V-BLAST系统中基于后验信干比平衡的功率控制方法

针对多小区V-BLAST系统中的同信道干扰问题,提出了一种基于后验信干比平衡的功率控制方法以及简化的次优算法,通过调整各基站每个发送天线的功率,平衡移动台接收端各路子流的后验信干比.仿真结果表明,与现有功率控制方法相比,该方法在系统中断概率以及平均误比特率(BER)上都可以达到更好的性能.次优算法在保持较高性能增益的同时显著降低了运算的复杂度.     

一种改进的kalman滤波器盲自适应多用户检测

基于奇异值分解提出了一种改进的 kalman 滤波盲自适应多用户检测算法．理论分析和数值仿真表明,在异步 CDMA 系统中,与现有的基于 RLS 算法盲自适应多用户检测方法相比,该方法具有收敛速度快、跟踪性能好、数值稳定性高的优点．     

基于显式多项式恢复的后验误差估计

设计了一种基于显示多项式恢复（EPR）的后验误差估计,这种恢复是对函数值进行恢复,它的核心思想是在每条边上通过求解只有一个未知量的局部问题来恢复边中点的函数值。首先,给出了EPR方法的显示公式。该文基于EPR的后验误差估计分别与最新顶点加密方法和CVDT加密方法相结合,构造自适应有限元算法求解椭圆方程。数值试验表明基于EPR的后验误差是有效的,特别地对于泊松方程,在CVDT网格上EPR具有超收敛性质.最后,对一维情形,给出了相应的理论分析.     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

OFDM系统中离散导频的采样钟和残留频偏联合估计算法

利用最大似然估计理论推导出了基于离散导频的近似最优及次优估计算法,分析了估计算法的性能,并在此基础上提出了离散导频的设计方法.同时给出了一种快速精确的采样钟跟踪方案.仿真表明,提出的算法具有很好的估计性能.     

粒子群优化的深海图像暗边缘检测优化算法

为解决深海资源探测图像识别难题,提出一种基于粒子群优化的图像暗边缘检测优化算法。该算法通过指数型线性单元和高斯误差线性单元改进激活函数,根据Marr-Hildreth算子检测结果并结合改进激活函数构建暗边缘检测算法,利用粒子群对改进暗边缘检测算法进行训练和优化。最后,采用不同算法对水下11个数据集进行比较的结果表明：改进算法的峰值信噪比、结构相似度和边缘保持指数最高,分别达到18.769 6 dB、0.660 7和0.834 5;图像均方误差最低,为3 750.225 3;平均检测时间为0.667 4 s,比其他对比实验中性能最好的算法缩短了14%。     

PID控制器的粒子群多目标优化设计

提出一种基于粒子群优化算法的PID控制器设计方法,该方法定义一个包含系统超调量、上升时间和稳态误差指标项的适应度函数,根据控制系统的实际要求对各指标项进行适当加权。采用带收缩因子的粒子群算法对PID进行多目标寻优,实现了PID控制器的自动参数整定。应用该方法得到的PID控制器综合性能优于常规方法得到的PID控制器。     

一种改进的基于边界跟踪的粘连目标分离算法

在颗粒图像的自动分割中,经常遇到颗粒粘连、重叠在一起的现象,需要将它们分离为单个颗粒目标.基于边界跟踪的分离算法能够克服聚堆目标连接处的凹陷比较明显并且/或者在连接处存在灰度局部最小边缘的要求,取得了较好的分离效果.但对于某些中轴方向不是垂直或水平的聚堆目标,分割仍然不理想.为此,提出了一种改进的分离算法,该算法通过自动旋转聚堆目标区域使其中轴方向成垂直或水平来实现这种情况下的分离.实验结果表明该算法进一步提高了分离效果.     

亚、超高斯信号后非线性混合的盲分离

研究后非线性混合信号的盲分离,从最大似然角度推导了一般后非线性分离结构的学习公式;在前人一些工作的基础上,提出一种用于亚、超高斯信号后非线性混合的盲分离算法.通过对人造及自然信号的实验,证实了该算法的有效性.     

飞机环控/发动机系统多目标优化

提出一种改进的多目标粒子群优化算法,应用于飞机环控/发动机系统的综合优化. 将不同飞行阶段系统总熵产最小视为不同的目标函数,建立了多目标优化模型. 进而在基本多目标粒子群优化算法基础上,引入跳转操作、族群概念和一种全局最优位置分配方法,提出了一种改进算法,测试结果表明该算法性能良好. 采用该算法对多目标优化模型进行计算,得到收敛且分布均匀的非劣最优解集,为飞机系统综合优化提供一种新思路.     

应用粒子群算法的重叠社区发现

随着大数据的出现,越来越多研究者对复杂网络的社区发现感兴趣,现有社区发现算法大多为检测不重叠社区的.提出一种基于粒子群算法的重叠社区划分法,初始粒子群时考虑非法划分的产生,用标签传播法调整每个粒子的编码.在一种经典数据集上测试,验证了该算法有效性,能快速检测出网络中潜在的社区结构.     

磁粉探伤系统工件表面微裂纹散焦图像复原

讨论荧光磁粉探伤系统散焦图像复原处理问题．介绍磁粉探伤系统的组成，描述散焦现象光学原理及其数学表达；对观测图像采用方差估计方法计算信噪比，采用参数辨识方法获得散焦半径并计算点扩散函数，运用Wiener滤波器进行图像复原并用散焦半径评判图像复原效果．通过对模拟和真实图像数据的仿真，表明该复原方法能够实现散焦磁痕图像复原，符合磁粉探伤系统的对裂纹识别要求．