改进的遗传局部搜索算法在漏磁逆问题中的应用研究

通过将模拟退火技术加到遗传局部搜索算法(GLSA)的扰动过程中,提出一种改进的遗传局部搜索算法(IGLSA)及基于IGLSA的逆算法,用于从漏磁信号中重构二维缺陷.该算法中,径向基函数神经网络(RBFNN)用作前向模型,IGLSA用于求解逆问题中的优化问题.实验将该逆算法分别与基于规范遗传算法(CGA)的逆算法和基于GLSA的逆算法进行了比较,结果表明基于IGLSA的逆算法更精确,并且对噪声具有鲁棒性.     

等分段分形数据压缩算法

从迭代函数系统ＩＦＳ入手，研究分形压缩原理，提出了一个分形数据压缩算法，并研究了其工程应用问题．     

采用人群搜索算法的径向基函数神经网络参数整定方法

针对径向基函数(RBF)神经网络的逼近结构中,对权值、基宽和中心向量的初始值等参数的选取不当,导致系统的鲁棒性变差、收敛精度降低,甚至不再收敛的问题,提出一种基于人群搜索算法的RBF神经网络的参数整定方法.以基于遗传算法和基于粒子群算法的RBF神经网络参数整定方法为对比条件,采用MATLAB软件进行实验与分析.结果表明:应用人群搜索算法去优化RBF神经网络的初始参数,能有效地提升RBF神经网络的逼近精度,验证了该算法的可行性.     

径向基函数网络在形状识别中的应用

径向基函数神经网络是一种应用相当广泛的神经网络。文章对径向基函数网络的基本原理、网络结构和学习算法进行了介绍,根据径向基函数网络的特点将其应用到形状识别领域,并通过MATLAB平台编程实现其算法。实验结果证明网络初始中心和样本数目的选择对识别结果影响较大;在初始中心选择相同的情况下,实验样本数目越多,识别结果越好;在达到一定数目后,识别正确率趋于稳定。     

基于免疫进化算法的径向基函数网络

基于免疫进化算法，提出了一种设计径向基函数(RBF)网络的新算法——免疫径向基函数网络(IRBF)训练算法．该算法通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子，缩小了标准进化算法搜索空间的范围，提高了算法的收敛速度．计算机仿真表明，采用这种算法训练的RBF网络达到了较好的性能．     

Quasi-Regression基函数的选择和算法改进

Quasi—Regression主要用于解决高维空间的函数逼近问题．函数的拟合效果依赖于所选择的标准正交基函数和拟合算法．在很多情况下，未知函数可以表示成若干个部分变量的函数和．本对此提出了一种函数的拟合算法，通过对这些部分变量的函数的拟合，得到原函数的拟合，并且说明新方法精度更高，计算量更少．     

基于正交小波变换的化工生产过程数据分析

利用正交小波变换的时频分析及多工尺度特点，基于函数逼近以及函数奇性分析的原理，提出了化工生产过程数据压缩及害变信号检测算法，理论分析和仿真研究证实了所提算法的可行性和有效性。     

联合信道状态编码的基函数生成算法

针对远距离情况下基函数频谱失配导致的TDCS性能下降的问题,提出一种联合信道状态编码的远距离TDCS基函数生成算法。该算法通过对远距离收发两端的信道状态进行四进制合成编码,将联合信道划分为4种状态,根据频谱失配程度选择信道状态好的频点进行数据传输,并在解调前对接收信号进行滤波。理论分析表明,在相同情况下,使用联合信道状态编码机制的频谱利用率高于频谱交换机制的频谱利用率,从而有效避免收发两端放弃通信,更加接近TDCS的实际应用。仿真结果表明:该算法的抗干扰性能优于频谱交换机制,能够有效提高系统的频谱利用率,降低频谱失配对抗干扰性能的影响,扩展TDCS的应用范围。     

基于免疫机理的动态函数优化算法

基于免疫细胞在生发中心反应时的进化与学习机理，提出了一种新的动态函数优化算法．该算法模拟了多群体细胞以及细胞的多样性、再循环和免疫记忆功能，其特点是，由基群体和克隆群体产生多个搜索子群体，群体细胞的亲和度会反向调节它的变异率，产生并更新大小有限的记忆细胞池，连续检测函数是否变化．用移动峰函数作为动态环境下的测试基准，以离线误差的平均值作为算法性能的评价指标进行了仿真实验．结果表明，所提算法能够在函数变化频率不大的情况下，以较小的平均误差和方差逼近函数最优值，完成动态函数的优化任务。     

FSFIS问题的基于随机kick的ILS&TS混合算法

提出了一种基于随机kick的迭代局域搜索算法(ILS)求解存储容量受限的流水车间问题(FSFIS).该算法使用新颖的多对不交叉的交换移动构成kick移动,并采用回溯机制保证搜索在有利的空间内进行.通过应用4种邻域结构,每种情况下产生480组随机数据的试验证明该新型算法是快速有效的近优算法.设计了一种在原有的静态禁忌搜索算法中引入了基于随机kick的迭代局域搜索算法的混和算法,这种混合算法可以充分发挥原有的2种算法的各自优势,使目标函数进一步改进.     

基于小波包矢量量化图像压缩方法

提出了一种新的数字图像压缩方案——基于小波包的区域联合矢量量化(WPVQ)．WPVQ压缩方案充分利用了小波分析的三个重要特点，即零树特性、多层分解和适合跨区域联合编码．在具体实现过程中，WPVQ又采用了一系列措施来提高信噪比并降低算法复杂度．计算机模拟实验表明，同采用嵌入式零树编码(EZW)的JPEG2．000相比，WPVQ可以在高压缩比情况下保持良好的信噪比和主观效果，尤其适合于对图像进行高压缩比的压缩处理．     

基于双正交小波包的图像压缩研究

介绍了小波变换的图像压缩模型和小波包在图像压缩中的优势,深入研究了双正交小波包在图像压缩中的分解与重构算法,构造了基于Shannon熵准则的双正交小波最优基,并应用MATLAB软件进行仿真实验,分析比较了双正交小波包和haar小波在指纹图像压缩中的性能,表明双正交小波包在边缘突变检测方面具有优良的性能。     

小波包分析在信号压缩中的应用

着重介绍了将信号在小波包最优基下展开,利用小波包最优基极好的空间、尺度定位性,使得信号的小波包变换系数在小波变换域尽可能集中,从而使在不降低压缩信号的质量情况下,进一步提高信号压缩比成为可能.具体讨论了小波包分析及小波包最优基的选取,同时针对小波分析在信号压缩中的局限性,研究用小波包分析来进行信号的压缩,从而提高了信号的压缩比和重建信号的质量,并用于实际数据处理压缩.     

利用小波变换进行地震数据压缩

根据Ｍ带小波变换理论,结合地震数据的特征,将Ｍ带小波变换应用于地震数据的压缩处理,提出了地震数据的压缩编码算法。实验结果表明,该方法简单,对地震数据压缩行之有效     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分，从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法，然后分析了三种主要的数字调制信号的小波变换特征，提出了一种基于小波的数字调制信号识别算法，仿真结果表明该算法能够识别典型的数字调制信号，而且具有较好的抗噪声性能.     

基于小波包变换及改进阈值法则的水声信号压缩

文中提出一种将小波包变换与改进的能量保留阈值法相结合的水声信号压缩方法,并讨论了该方法实现过程中小波包的选取、小波包分解算法、改进的能量保留阈值确定等问题,最后进行了仿真分析．仿真结果表明,本算法对水声信号压缩编码效果较为理想．     

一种结合量化的零树小波图像编码器

图像是多媒体应用中的重要媒体 ,而传输频带和存储容量的限制 ,使得图像压缩技术成为多媒体系统的关键技术之一。小波是一个新兴的数学分支 ,它与传统的正交变换相比有很大的优越性 ,小波编码也是近年来编码研究的热点之一。在分析了已被 MPEG ( moving picture experts group)组织采纳的嵌入式零树小波 ( EZW )编码算法的基础上 ,针对它在效率上的不足 ,将零树和量化技术相结合 ,并给出了码率控制方案 ,实现了一种新的零树小波图像编码器。在质量下降不大的条件下 ,本算法速度有明显改善     

穿墙雷达系统中信号检测的新算法

针对冲击体制穿墙雷达系统中回波信号结构复杂、信噪比低、信号检测困难等问题,提出一种小波-双谱联合检测新算法.在对穿墙雷达回波信号建模的基础上,用联合算法将非相干累积后的回波信号经过小波包变换提高信噪比,再用双谱算法进行信号检测.实验结果验证了新算法的有效性,能提供比单独使用其中任一算法更高的检测精度.该算法能反映墙壁后物体的距离-方位信息,为穿墙雷达系统成像提供了可能.     

基于双正交小波包的图像压缩研究

介绍了小波变换的图像压缩模型和小波包在图像压缩中的优势,深入研究了双正交小波包在图像压缩中的分解与重构算法,构造了基于Shannon熵准则的双正交小波最优基,并应用MATLAB软件进行仿真实验,分析比较了双正交小波包和haar小波在指纹图像压缩中的性能,表明双正交小波包在边缘突变检测方面具有优良的性能.     

小波神经网络的研究及其展望

小波分析与神经网络结合的研究 ,已成为近些年来信号处理学科的热点之一。小波分析具有良好的时频局部性质 ,而神经网络具有自学习功能和良好的容错能力 ,将二者结合必具有强大的优势。本文对小波网络的结构形式 ,学习算法及其应用进行综述 ,并就其存在的一些问题及其发展趋势进行了探讨。