遗传模拟退火算法在初始对准中的应用仿真

捷联惯导系统粗对准结束后,可以用遗传算法来搜索三个误差角,且由于遗传算法的全局寻优能力,在速度上具有很大优势。但遗传算法的局部寻优能力不足,因此得到的结果在精度上也受到了限制。模拟退火算法容易陷入局部最优解,但是具有很强的微调能力。因此,将遗传算法和模拟退火算法结合起来,能很好地解决初始对准的速度和精度的问题。仿真结果证明遗传模拟退火算法可以很好地改善单一遗传算法的局部寻优能力,使得结果精度更高。     

遗传算法在捷联惯导初始对准中的应用研究

本文分析了捷联惯性导航系统（SINS）进行初始对准的基本原理,简要介绍了遗传算示的搜索过程,并将其用于SINS的初始对准之中。根据初始对准的本质构建了GA的适应度函数,确定了遗传算子,基于惯性器件的量测值对这一过程进行了计算机仿真。仿真结果表明,将GA用于SINS的初始对准,精度与常规方法相仿,但由于GA的并行性和简单性,使得对准时间大大减少,具有很大的优越性。     

捷联惯导初始对准的区间自适应滤波算法

捷联惯导系统在初始对准过程中由于模型参数与实际系统存在偏差,并且系统噪声与量测噪声统计特性往往是未知的,采用卡尔曼滤波不能取得理想的滤波效果。为避免滤波发散以及模型的不确定性,提出了基于Sage-Husa算法的区间自适应卡尔曼滤波方法。给出了捷联惯导系统的误差模型以及区间自适应卡尔曼滤波方程。在噪声统计特性未知时,比较了常规卡尔曼滤波与区间自适应卡尔曼滤波在初始对准中的应用效果。仿真结果表明,区间自适应卡尔曼滤波在噪声统计特性未知时能够有效地提高系统的滤波效果,是一种比较理想的初始对准滤波方法。     

一种自适应线谱对滤波器的新算法及在线性预测中的应用

本文从自适应格型滤波器导出自适应线谱对（ＬＳＰ）滤波器，使用最小均方（ＬＭＳ）型自适应算法逐级更新计算线谱对系数。实验表明。该算法与其它算法比较，具有更高的收敛率和较低的失调。用该算法计算得到的ＬＳＰ系数进行语音线性预测合成，获得比使用ＰＡＲＣＯＲ系数更好的效果。     

实数编码自适应遗传算法及其在光瞳滤波器参数控制中的应用

提出一种基于实数编码自适应遗传算法的光瞳滤波器光瞳函数参数优化设计的新方法.通过计算机模拟,结合实际使用场合对光能效率、旁瓣影响因子和超分辨能力的要求,选择合适参数实现最佳轴向超分辨成像效果.利用遗传算法设计的光瞳滤波器设计简单,有较好的综合效果,不仅具有较小的u0和M值,而且有较大的S值.理论和实践均表明该方法是高效和可靠的.     

ACDKF在SINS大方位失准角初始对准中的应用

将可以估计系统参数、噪声统计特性和修正滤波增益的自适应估计方法引入到CDKF算法中,并将其应用到SINS大方位失准角初始对准中,实现SINS大方位失准角初始对准,解决了噪声特性不准确的非线性问题,避免了线性化误差对滤波精度的影响,克服了噪声统计特性不准确的局限性,进一步提高了导航精度.采用自适应中心差分卡尔曼滤波(ACDKF)进行初始对准,提高了CDKF算法的收敛性和系统的稳定性.仿真结果表明:ACDKF能够克服噪声统计模型不准确对滤波结果的影响,对失准角的估计精度优于CDKF,进一步提高了系统的精度和可靠性.     

自适应并行遗传算法实现有源滤波器的设计

提出一种改进的自适应并行遗传算法,通过设计自适应算子自动调节交叉和变异概率,采用基于岛屿交换模型实现多种群间信息交换,提高了种群的多样性和健壮性.将该方法用于滤波器的参数优化设计,给出4阶切比雪夫低通滤波器的设计结果,比较各种算法的性能,证明该算法收敛速度快,精度高,有效地克服了早熟现象.     

基于自适应并行遗传算法优化设计的有源滤波器

提出一种用于有源滤波器的改进自适应并行遗传算法设计.引入了两个自适应算子:其一根据进化过程实现交叉和变异概率的自动调节;其二通过设计随机个体集和健壮个体集,实现种群个体的多样性和保护适应度高的个体不被破坏.采用基于岛屿的交换模型实现多种群间信息交换,扩大了种群的规模和相应的搜索空间.给出了利用该方法设计四阶切比雪夫低通滤波器的设计结果,并与基本遗传算法进行了比较实验,结果表明该算法收敛速度快、精度高,有效地克服了早熟现象.为大规模有源滤波器设计提供了方法上的支持.     

UKF和UPF在惯导初始对准中的应用研究对比

捷联惯性导航系统是新型航位推算系统,在惯导系统执行工作任务之前需要进行初始对准,以保证系统的正常运行。对捷联式惯导系统,初始对准就是确定初始时刻的姿态阵,利用惯性元件的输出信息,选用合适的滤波方法,将计算的导航坐标系与真实导航坐标系的失准角估计出来,来修正姿态矩阵,使计算坐标系与真实坐标系尽可能重合。在实际的导航系统中,状态方程和量测方程通常都是非线性的,对于非线性特性,传统的解决方法是利用EKF滤波算法,但它只适用于弱非线性模型的估计,系统的非线性越强,引起的估计误差就越大,甚至会引起滤波发散。为此提出两种滤波算法UKF与UPF,并将两者进行了仿真对比,结果表明UPF算法比UKF算法收敛速度更快,估计精度更高。     

用于快速传递对准的自适应联合H_∞滤波器设计

针对用于快速传递对准的集中式卡尔曼滤波器阶数高、计算负担大、鲁棒性差及对准精度低等问题,该文提出采用联合H∞滤波器进行快速传递对准。设计了联合H∞滤波器的结构和算法:该滤波器采用两级数据融合结构,含有2个与传感器相连的子滤波器和1个融合子滤波器输出信息的主滤波器,整个计算任务被分配给2个子滤波器并行完成从而减轻了计算负担。同时利用改进的Elman网络进行信息分配系数的自适应调节和子系统故障检测,以实现融合信息在各子系统中的自适应分配,并对检测出的故障子系统进行隔离。仿真结果表明:该滤波器不仅提高了系统解算速度与鲁棒性,而且使系统对准精度提高了1个数量级。     

应用自适应混合遗传算法求解病态线性方程组

简单遗传算法(SGA)在进化的后期由于种群个体的多样性急剧降低,可能会收敛于局部最优解,即出现早熟现象。针对简单遗传算法的早熟问题,从选择、交叉和变异三个遗传算子入手,设计了自适应遗传算子。同时为了克服SGA局部搜索能力差的缺点,结合共轭梯度法,实现了一种自适应混合遗传算法(Adaptive GA-conjugate gradient,即AGA-CG)。以核磁共振测井曲线线性化后的大型病态方程组为测试实例,对AGA-CG算法进行了验证。实验结果表明:AGA-CG算法是求解大型病态线性方程组的一种有效算法。     

自适应两阶段卡尔曼滤波器在传递对准中的应用

研究自适应两阶段卡尔曼滤波器在动基座传递对准中的应用. 利用两阶段卡尔曼滤波器将子惯导的惯性器件偏差分离,从而减小由于系统状态过多而导致的滤波计算量,提高计算实时性. 加入自适应环节,使得随机系统偏差的先验统计特性不准确时也能取得良好的估计效果. 仿真结果表明,在对准模型存在未知的随机系统偏差时,自适应两阶段卡尔曼滤波器能够快速且准确地估计出失准角,符合传递对准在快速性和精度方面的需求.     

基于遗传算法和蚁群算法的多重序列比对

多重序列比对问题是复杂性较高的困难问题.基于蚁群算法的多重序列比对方法能够在合理的时间内找到得分接近参考比对的多序列比对解.但是,随着序列的加长,蚁群算法对于长序列的比对效果并不是很理想.本文提出一种基于遗传算法和蚁群算法的多重序列比对方法.该方法利用遗传算法对长序列分段,利用蚁群算法对分段后的序列进行求解,然后直接将各段的结果进行拼接即可.     

自适应基因算法在环境优化问题中的应用

探讨了基因算法的原理及本身参数优化特性，总结参数的简便设置技术，并针对该法的寻优效果明显依赖于模型参数的初始变化区间的大小，及可能会出现过早收敛的问题，提出了自适应加速基因算法，实例应用结果表明，该法具有直观、简便、快速，适用性强等特点，可广泛应用于各种优化问题中。     

ISR-CDKF在SINS大方位失准角初始对准中的应用

针对捷联惯导系统（SINS: Strapdown InertialNavigation System）误差模型在大方位失准角条件下非线性的特点, 对非线性滤波算法的研究具有十分重要的意义。扩展卡尔曼滤波（EKF: Extended Kalman Filter）精度低, 而且需要计算复杂的雅可比（Jacobian）矩阵; 而中心差分卡尔曼滤波（CDKF: Central Difference Kalman Filter）虽然精度稍高, 但计算量大, 且算法不稳定。为克服以上不足,提出了迭代测量更新的平方根中心差分卡尔曼滤波(ISR CDKF: Iterative Square Root Central Difference Kalman Filter)算法, 并应用于SINS大方位初始对准中。通过滤波仿真, 进一步表明了ISR CDKF算法不仅具有更高的精度和收敛性, 同时具有较强的数值稳定性。     

基于遗传算法的序列比对方法

为有效解决大尺度基因组序列的比对分析,提出了一种基于遗传算法的序列比对方法。该算法通过对序列比对问题进行编码,将其转换成了搜索空间中的一个优化问题。实验结果表明,这种新的比对算法是有效的,它在占用少量内存的情况下可以获得近似于Need lem an-W unsch算法结果的最优解。     

R-T-S平滑算法在捷联惯性异航系统初始对准精度事后评估中的应用

捷联惯性导航系统(SINS)通常采用Kalman滤波实现初始对准．由于R-T-S最优固定区间平滑算法的精度比Kalman滤波高，采用R-T-S最优平滑算法通过事后处理SINS对准数据来计算SINS的失准角，作为参考失准角，对SINS初始对准的精度进行事后评估．以船用SINS为例进行了仿真．结果表明，R-T-S最优平滑算法的精度比Kalman滤波精度高，从而说明利用R-T-S平滑算法对SINS初始对准精度进行事后评估是可行的．     

基于线性预测的自适应语音增强技术

提出了一种基于线性预测的自适应语音增强方法。该方法利用带噪语音的线性预测作为自适应滤波器的参考输入，使有色噪声的相关性隐含于参考输入之中，从而大大地提高了语音的信噪比。仿真实验证明．被环境噪声污染了的语音信号经自适应系统处理后，其信噪比提高了32．70dB。