基于基因算法的模糊滤波器的研究

对基因算法的模糊识别进行了研究。对于简单自适应模糊滤波器不能很好地解决由于信息冗长带来的局部最优问题 ,可采用基因算法进行优化。其在不牺牲学习效率的前提下可以获得良好的性能。     

主成分分析在震动信号目标识别算法中的应用

为了改进基于震动信号的地面运动目标识别算法,提出了一种基于主成分分析（PCA）的2次特征提取算法.首先对地面运动目标引起的震动信号进行目标特性分析,提取多维的特征值;然后利用主成分分析方法对众多的特征值进行分析,去除特征值之间的相关性,提取综合特征值并应用于分类器,得到目标识别结果.基于实地采集的地面运动目标的震动信号进行实验,结果表明：该方法有效地减少了特征值的维数和相关性,降低了分类器训练的难度和训练时间,同时提高了目标的正确识别率.     

基于AD7718的高精度微弱信号测试系统

介绍了一种基于AD7718的高精度、小型化微弱信号测试终端．在分析系统整体架构的基础上，详细讲述数据采集模块部分硬件设计要点；提供了系统终端的软件设计流程．开发了基于Windows98／2000／xp平台的上位机系统，由其测量微弱信号测试系统终端电信号．最后，结合项目实际要求，详述了系统抗干扰方面的设计要点，指出了一些特殊的抗干扰措施．系统测试精度达到0．0017％．     

基于随机信号非线性特征的信号体制识别

在信号处理与模式识别相结合的信号体制识别中,利用Ｖｏｌｔｅｒｒａ非线性模型对随机信号进行分析,求解出Ｃａｕｓｓｉａｎ随机过程的输出自相关函数和功率谱密度。通过时域和频域特征提取及二次函数分类,提高识别的准确率和系统的广谱性。     

基因识别问题及其算法实现（下）

利用序列的频谱曲线和信噪比曲线,建立基因识别的简化算法.提出可变窗宽的DFT算法,代数推导出Voss映射和Z-curve映射下频谱和信噪比的函数关系.运用Bootstrap算法,在精度指标下比较四组具有代表性的基因序列的阈值.     

基因识别问题及其算法实现(下)

利用序列的频谱曲线和信噪比曲线,建立基因识别的简化算法.提出可变窗宽的DFT算法,代数推导出Voss映射和Z-curve映射下频谱和信噪比的函数关系.运用Bootstrap算法,在精度指标下比较四组具有代表性的基因序列的阈值.     

基因识别问题及其算法实现(上)

基因识别是目前生物信息学领域的一个研究热点,采用信号处理方法来识别基因编码序列也受到广泛重视.本文基于DNA序列的3-周期性,利用序列的频谱曲线和信噪比曲线,建立基因识别的简化算法.基于Voss映射,本文提出可变窗宽的DFT算法,代数推导出Voss映射和Z-curve映射下频谱和信噪比的函数关系.关于各类基因的阈值确定,本文运用统计学中的Bootstrap算法,取信噪比序列迭代所得均值的中位数,作为新的阈值,在精度指标下比较四组具有代表性的基因序列的阈值.进一步,运用本文提出算法对待测序列进行数据模型,确定编码区域.     

基于模糊病态性识别的自适应仿真算法

在已有病态性识别方法的基础上引入模糊集合理论，构造准确性更高的识别方法，并将它用在自适应仿真算法中。     

基于微分演化的结构系统识别

研究了使用微分演化（DE）算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性优化问题,同时通过微分演化算法发现系统参数的最优估计。利用该方法在有限的输入输出数据和噪声污染条件下,同时在没有系统质量、刚度和阻尼先验知识的情况下对结构系统进行了识别,数值算例结果表明：DE方法易于实现且计算时占用资源低,同时可以成功地对结构系统进行识别。     

基于隐马尔科夫模型的基因预测算法

为更好地从DNA序列中识别蛋白质编码区,提高计算效率,将隐马尔科夫模型与前向算法相结合,提出一种生物基因的预测算法.理论证明,该隐马尔科夫模型与经过EM算法优化后的模型具有相同的参数,能够降低计算量,提高计算效率.利用该方法对DNA序列F56F11.4a的外显子进行识别的仿真结果表明,该算法是有效的.     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

基于改进自适应遗传算法的舵机系统辨识方法

为了更准确地测量舵机的性能指标,利用系统识别技术来建立其数学模型具有很关键的作用。首先分析并建立电动伺服系统各部分结构模型,然后应用改进的自适应遗传算法(improved adaptive genetic algorithm, IAGA)进行系统辨识,同时将标准测试函数用于改进算法和不同智能优化算法的性能测试。最后将建立的模型作为辨识系统模型进行参数辨识,并将具有不同信噪比(signal noise ratio,SNR)的噪声信号添加到电动舵机的输出端以验证算法的稳定性。舵机实际实验结果表明,该方法参数优化精度高,抗噪声能力强且具有重要的工程使用价值。     

BP算法用于系统辨识的研究

讨论BP算法用于系统辩识时样本数的选取对训练速率的影响。确立一种选取每一时刻学习样本数的标准，在此标准下，既能保证训练网络的相对稳定性，又能大大加快其收敛速度。     

一种用于辨识MIMO系统的PRBS信号设计方法

针对多输入多输出(MIMO)系统的有限脉冲响应(FIR)函数模型,研究了输入伪随机二进制序列(PRBS)信号的优化设计问题,提出了一种通过延迟方法产生多个PRBS信号的优化设计方法,充分利用了信号的不相关区间,优化设计的PRBS信号周期长度远小于常规设计方法.     

基于遗传算法的空调风系统突发污染快速溯源

为了在空调风系统内突发污染发生的短时间内辨识到污染源,进而采取相应的应急措施保障室内人员安全,建立了不同污染场景下的风系统传感器模拟浓度数据库,基于遗传算法,以传感器模拟计算浓度与实测浓度差的平方为适应度函数,研究了风系统采用不同的传感器数目、不同的传感器监测位置与时间、传感器性能参数变化及节点间距对反演结果总平均相对误差(ξ)的影响.算例结果表明:针对某一特定风系统,经位置优化后的传感器数目越多,ξ越小,同时考虑ξ的降低幅度及传感器成本,该风系统内宜设置3个传感器;在三传感器系统条件下,溯源计算收敛子代数少且收敛时间短(5s),可实现快速溯源;传感器监测位置与首次监测到污染物的时间对溯源误差的作用是耦合的,传感器监测误差对源位置x0反演没有影响,而传回数据时间间隔越大,源位置x0反演相对误差越大;最后风系统内节点总数存在一个适当范围兼顾全局寻优及降低计算负荷的作用.     

基于浮点数编码GA的T—S模型的模糊辨识方法

提出了一种基于浮点数编码遗传算法学习Ｔ－Ｓ模糊模型的辨识方法。对十进制浮点数编码的遗传算法进行了研究,融合和改进了一些遗传操作,并利用浮点数编码ＧＡ对Ｔ－Ｓ模糊模型为对象建立模糊神经网络中的参数进行估计。仿真给出了满意的结果。     

非线性BP算法在系统辨识中的应用

研究利用非线性ＢＰ算法训练多层前馈神经网络,对非线性动力系统进行建模,给出了基于非线性ＢＰ算法的系统辨识计算步骤,通过仿真计算表明,基于非线性ＢＰ算法的系统辨识至少可以获得与常规ＢＰ算法同样的效果,因为不需要计算神经元激活函数的导函数,文中的结果可以更小的代价实现基于神经网络的控制器。     

基于遗传算法的分割可测试设计

基于遗传算法,建立了片上系统芯片(SOC)的图模型,对逻辑级的SOC结构进行精确量化;然后,对模型应用遗传算法进行分析,得到了电路的理想分割结果;最后,基于分割结果,实现一颗SOC的可测试设计(DFT).实验结果表明,在分割的均匀度与附加电路代价方面,该方法相比原有的DFT方法有显著的改进.     

基于改进遗传算法的递归神经网络模型辨识

将递归内时延神经网络应用于非线性动力学系统中，引入遗传算法作为其学习算法，提出遗传算法新的编码方案，并且在遗传操作中采用适应度的调整策略，通过仿真实验，表明该方法是有效的。