模仿二倍体繁殖的改进遗传算法

针对标准遗传算法和二倍体遗传算法容易陷入早期收敛、末期局部搜索能力差等不足之处,给出了一种忽略等位基因显隐性的二倍体遗传算法的改进方法;模仿二倍体生物繁殖的过程,引入同源染色体交叉、配子重组操作,改进了传统遗传算法的遗传操作过程;在选择过程中采用了结合最优保留的受限选择策略及精英种群方案。仿真结果表明,该改进算法不但能使种群基因保持多样性,有效抑制了算法的早熟收敛,还降低了算法复杂度、提高了搜索精度,使算法能以较快的速度与较高的精度达到全局最优。     

非线性微分代数方程的一种离散波形松弛算法

讨论用迭代方法求解微分代数方程。针对一类非线性微分代数方程连续时间波形松弛迭代格式,应用一般的单支方法和线性多步法,得到离散时间波形松弛迭代格式。在假定分裂函数满足Lipschitz条件的前提下,通过矩阵正则分裂和特殊矩阵相关性质的运用,获得离散波形松弛迭代的收敛性条件,拓展和改进了相关文献中的一些结果。     

基于Barzilai-Borwein迭代的低复杂度大规模MIMO信号检测算法

在大规模多输入多输出系统中,最小均方误差(minimum mean square error, MMSE)算法能达到接近最优的线性信号检测性能,但是MMSE算法需要复杂的矩阵求逆运算,这限制了该算法的应用。为了降低运算复杂度,改进MMSE算法,利用Barzilai Borwein(BB)迭代算法来避免矩阵求逆运算,提出了结构简单的BB迭代信号检测算法,且基于信道硬化特性进一步优化了迭代初始解以加快算法的收敛速度。理论和仿真结果表明,所提出的BB迭代算法的性能优于最近提出的Neumann级数展开算法,而其复杂度相比截短阶数i=3的Neumann级数展开算法减少了一个数量级;且该算法收敛速度较快,在给定初始值的条件下,通过简单的几次迭代,能够快速接近MMSE算法的检测性能。     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

ICDKF在SINS大方位失准角初始对准中的应用

针对大方位失准角捷联惯性导航系统误差模型非线性的特点,利用基于迭代测量更新的中心差分卡尔曼滤波(iterated central difference Kalman filter, ICDKF)方法进行初始对准。与传统的非线性扩展卡尔曼滤波相比,ICDKF不仅能够提高滤波精度,而且不需要模型的具体解析形式,避免了复杂的雅可比矩阵的推导;同时ICDKF通过迭代测量更新,提高了目前存在的中心差分卡尔曼滤波的估计精度。仿真结果进一步表明ICDKF算法的可行性与优越性,能够满足初始对准的要求。     

混沌时间序列的混合遗传神经网络预测方法

在相空间重构理论的基础上,将改进的遗传算法和神经网络结合起来,提出了一种混合遗传神经网络预测混沌时问序列的方法.通过复相关法和Cao方法重构混沌时间序列,利用改进的遗传算法优化神经网络的结构、初始权值和阚值,然后训练神经网络求得最优解.该算法应用到混沌时间序列的预测中,验证了该算法的有效性,并与BP和RBF算法的预测精度进行了比较,仿真结果表明该算法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度.     

基于近似逐次超松弛预处理的自适应CQ算法

在处理基于不完全数据重建的不适定反问题时, 针对预处理CQ算法存在的不足, 提出了一种近似的逐次超松弛自适应预处理矩阵选择策略. 该方法利用近似特征值矩阵在处理矩阵相乘和求逆中的优势, 将正则化与超松弛预处理方法合, 通过迭代逐次逼近预处理矩阵, 并给出了算法的自适应步长. 结合稀疏角度CT图像重建问题, 给出了算具体实现步骤, 通过仿真可以验证: 该策略可以使预处理CQ算法有较快的收敛速度; 当存在噪声时,也可以较好地通过提前停止迭代来提高重建精度. 该策略为预处理CQ算法在不完全数据重建领域的应用提供了参考.     

一种消除变换编码方块效应的频域补偿技术

针对图像变换编码中重建图像的方块效应 ,提出了一种自适应的频域补偿技术。补偿算法不需要迭代过程 ,一次就能达到最优解 ,消除方块效应与保存图像高频信息的效果都很好 ,并且运算量很小 ,非常适于各种需要满足实时性条件的应用环境。     

改进分辨矩阵下的增量式条件属性约简算法

通过分析现有分辨矩阵的不足,给出了基于条件熵的分辨矩阵定义,以得到不一致决策信息系统下的合理条件属性约简结果.基于改进分辨矩阵的定义,提出了相应的条件属性约简算法,并证明了其约简为不同于代数观点下的约简,而与信息观点下的约简相同.进一步,对该改进分辨矩阵做进一步修正,提出了一个增量式条件属性约简算法.实验结果表明:所提出的改进分辨矩阵下的条件约简算法总体上优于同类求解算法,而其增量条件约简算法能够获得稳定可靠的约简结果,同时约简效率得到较大的提高.     

模糊C-均值中的最优聚类与最佳聚类数

根据模糊 C-均值(FCM)算法中的类中距与类间距构造一个新且简单的分类准则函数vZS ,利用迭代自组织分析技术(ISODATA)和遗传算法(GA)嵌套构成遗传-迭代自组织分析技术(GA-ISODATA)共同执行 FCM 算法的优化计算.通过与同类方法比较,该方法不仅能够在给定预分类数的前提下实现最优分类,而且可以在完全不需要人工干预的环境下直接根据分类准则得到模糊 C-均值中的最优分类与相应的最佳分类数.当运用其他分类准则进行分类计算时只需要修改遗传算法中的适应度函数,所以 GA-ISODATA 具有很强的普适性.     

基于局部随机化哈达玛矩阵的正交多匹配追踪算法

针对现有测量矩阵的优缺点,采用具有良好相关性、随机独立性及快速计算的局部随机化哈达玛矩阵作为测量矩阵,同时针对标准正交匹配追踪算法在测量过程中受扰或在稀疏信号情况下难以稳定精确重构问题,提出了一种基于局部随机化哈达玛矩阵的正交多匹配追踪算法。该算法利用局部随机化哈达玛矩阵的结构特性,能够快速精确重构原信号。仿真结果表明,测量过程中存在噪声或无噪,无论处理一维信号还是二维图像信号时,该算法性能均超过同类其他贪婪算法和凸优化基匹配法。     

基于块剪枝多路径匹配追踪的多信号联合重构

针对多路径匹配追踪(multipath matching pursuit,MMP)无法利用稀疏信号的结构信息、迭代层数较高时计算复杂度较大等问题,提出了一种适用于重构块稀疏信号的块剪枝多路径匹配追踪算法。该算法以原子块作为路径扩张的节点,在一定迭代层数后引入剪枝操作,极大地降低了数据运算量。进而,针对多观测向量(multiple measurement vector,MMV)问题,提出了MMV块剪枝MMP算法,用以实现无线传感网小范围内多传感器信号的联合重构。实验表明,块剪枝MMP的重构性能优于MMP,MMV块剪枝MMP的联合重构性能优于MMV块A*正交匹配追踪、MMV子空间匹配追踪和MMV正交匹配追踪。     

基于MS-ROMP信号重构算法的欠定盲分离

为了提高最小支撑正交匹配追踪(least support denosing-orthogonal matching pursuit, LSD-OMP)算法的重构精度,缩短重构时间,改善算法性能,提出一种基于多重支撑的正则化正交匹配追踪(multiple support of regularization orthogonal matching pursuit, MS-ROMP)算法。由于LSD-OMP算法仅选择一些原子来定位支撑集,并且无法消除添加到支撑集中的错误原子,因此信号恢复精度降低并且重构时间增加。针对此问题,本文通过改进算法终止条件,引入多重支撑和正则化来改善算法性能,即通过设置阈值,剔除一些错误的原子,并组合一些支持集来定位最佳支持集,从混合信号中分离出源信号,从而更加精确的实现欠定盲源分离。仿真实验验证了该算法的有效性。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。     

基于RSAMP算法的OFDM稀疏信道估计

为了提高稀疏度自适应贪婪迭代(sparsity adaptive greedy iterative, SAGI)算法的重构性能, 缩短重构时间, 提出了一种基于有限等距性质(restricted isometry property, RIP)的稀疏度预测自适应匹配追踪(RIP based prediction-sparsity adaptive matching pursuit, RSAMP)算法, 并成功将其应用于正交频分复用(orthogonal frequency division multiplexing, OFDM)系统信道估计。首先, 提出一种基于RIP的稀疏度预测方法, 可以在稀疏度未知的情况下快速精确地逼近真实稀疏度, 大大缩短了算法的运行时间。其次, 利用主成分分析法对观测矩阵采取了优化处理, 提高了算法的重构性能。仿真实验显示, 相较于SAMP、SAGI算法, 本文提出的RSAMP算法可以获取更好的估计性能和更短的运行时间。     

基于压缩传感的MIMO-OFDM水声通信信道估计算法

充分利用水声信道的稀疏特征,提出一种基于压缩传感理论的多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)水声通信系统信道估计算法。在MIMO-OFDM水声通信系统模型的基础上,考虑Doppler频移的影响设计符合压缩传感理论框架的过完备字典,利用一系列非正交基在过完备字典下描述待重建信号。通过对比分析基追踪降噪、丹茨格选择器以及正交匹配跟踪3种算法的信道估计性能,进一步证明了算法的有效性。仿真实验结果表明,基于压缩传感的稀疏信道估计算法具有优于传统最小二乘算法的信道估计精度,并且在最小二乘矩阵求逆奇异的情况下仍能准确地估计出信道参数;在计及Doppler频移的影响时,直接压缩传感估计优于补偿后的压缩传感估计方法。     

基于改进正交匹配追踪算法的属性散射中心提取

属性散射中心模型是描述目标后向电磁散射特性的典型模型, 但其中传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法提取模型时具有参数复杂度高、计算时间长等问题。对此提出一种基于稀疏字典的广义正交性的改进OMP算法, 快速定位模型位置参数值, 避免了正交匹配中的寻优过程, 从而降低算法的运算复杂度。通过对两类算法计算复杂度和计算精度进行多次蒙特卡罗实验比较得出,改进OMP算法提高了模型参数的估计精度与噪声鲁棒性, 且大幅降低了算法的运算复杂度, 相比于传统的OMP算法, 运算时间至少降低30%。     

基于时间相关性的梯度追踪多用户检测算法

为降低大规模机器类型通信基站端多用户检测的复杂度, 结合活跃设备在相邻时隙间的相关性和梯度追踪算法提出了相关性辅助的梯度追踪多用户检测(correlation-assisted gradient pursuit multi-user detection, CAGP-MUD)算法, 不仅避免了矩阵求逆的过程, 还减少了除第一时隙的其他时隙的迭代次数。为了进一步降低多用户检测算法的复杂度, 在CAGP-MUD算法框架内引入决策衰弱的思想, 对梯度最大值进行衰弱, 并以此作为阈值, 每次迭代可挑选出多个活跃设备, 以减少迭代次数, 称为相关性辅助的组梯度追踪多用户检测算法。对提出的两种算法进行了复杂度计算。理论分析和仿真实验表明, 和同类算法相比, 这两种算法的计算消耗降低了60%以上。     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

基于遗传算法的轮廓模糊匹配问题研究

在由序列的二维轮廓线重构出面模型来表示三维形体的面绘制方式中,首先要解决相邻两层切片上的轮廓线之间的匹配连接关系。针对目前的轮廓线匹配算法容易导致错误匹配的问题,提出一种基于遗传算法的轮廓模糊匹配算法。模糊性为轮廓匹配问题本身所具有,借鉴遗传算法这一种全局优化自适应概率搜索算法,可以准确表达轮廓匹配中的约束,有效地减少错误匹配的发生。在肝脏的CT数据三维重建中应用该算法取得了比较理想的效果。