基于粒子群算法的重叠拉曼谱峰解析

在拉曼光谱技术的应用推广中,检测样品拉曼谱峰的重叠是不可避免的。为了快速解析并定量分析重叠拉曼谱峰信号,该文将粒子群算法分别应用于三组分拉曼谱解析三组分(甲苯,邻二甲苯和间二甲苯)、解析四组分(甲苯,邻二甲苯,间二甲苯和和乙基苯)和解析两组分(邻二甲苯和间二甲苯)芳香烃混合物。实验结果表明:此方法具有较好的分析精度,对于实验中的多组分芳香烃的定量分析,其误差均小于1%,准确率最高可达99.5%,并且占用机时较少,符合在线测量要求。分析结果表明,粒子群算法不但适用于将多种重叠拉曼谱峰进行相互分离,而且可以快速完成各个成分的定量分析,是在线拉曼分析中解析重叠拉曼光谱信号的有效方法之一。     

基于高斯学习多峰延迟粒子群优化算法

为克服粒子群在解决多峰函数复杂问题时存在收敛速度慢和极易陷入局部最优值的缺点,提出了一种基于高斯学习多峰延迟粒子群混合算法。首先引入改进的高斯学习提高算法的收敛速度,然后在此基础上,针对4 种进化状态在算法中引入延迟因子避免局部最优问题。通过对6 个单峰多峰测试函数进行仿真实验,验证了GLPSO( Gaussian Learning PSO) 算法具有更好的收敛速度,同时验证了GLMDPSO( Gaussian Learning Multimodal Delayed PSO) 算法在处理多峰函数复杂问题时具备更好的全局搜寻能力。因此,改进算法在解决多峰函数寻优问题时可有效跳出停滞状态,提高收敛速度并具有较好的寻优能力。     

基于峭度的组分分析方法解析重叠峰

基于峭度的组分分析方法用来解析重叠峰．其优点是半盲源分离，即只要确定出重叠峰所含组分的数目，就能从混合波谱中分离出纯组分谱．采用CABK来解析模拟两组分重叠峰体系和酒样的GC-MS混合谱，得到了令人满意的结果．     

基于非洲秃鹫算法优化卷积神经网络的重叠峰解析方法

利用光谱仪器检测土壤中重金属时,由于仪器分辨率较低,峰位相近元素的特征峰会产生重叠。光谱重叠峰严重影响定量分析结果的准确性,为了得到准确的重金属含量需要进行光谱重叠峰分解。本文提出利用非洲秃鹫算法优化卷积神经网络(AVOA_CNN)的重叠峰解析方法。首先,利用高斯函数模型模拟出150个双高斯含噪光谱重叠峰和43个三高斯含噪光谱重叠峰,选择不同小波基函数进行光谱数据去噪,以信噪比和均方根误差(RMSE)为评价指标,最终确定coif3小波基函数,使用导数法进行光谱重叠峰预处理。然后,使用AVOA_CNN获得卷积神经网络(convolutional neural network,CNN)预测结果,解析结果表明,AVOA_CNN成功分解重叠峰且准确率高,双高斯光谱重叠峰和三高斯光谱重叠峰参数(峰强度,峰位,峰宽)的最大相对误差平均值分别为3.15%和5.90%。最后对比麻雀搜索算法优化CNN、CNN与AVOA_CNN,结果显示AVOA_CNN模型预测准确率最高。     

基于粒子群算法的OFDM峰平比抑制问题研究

提出了一种基于粒子群的相位优化组合算法来抑制OFDM信号的高峰平比,结合相位优化组合算法,通过寻找使峰平比最小的相位来抑制信号的高峰值信号的原理,利用粒子群算法无需过多原始信息、收敛迅速快、寻优准确等优点解决了寻找抑制OFDM信号峰平比的最优相位向量问题．实验仿真结果表明,提出的改进算法在不过多增加系统复杂度的同时,更为有效地抑制了OFDM信号的高峰平比现象．     

基于遗传算法和神经网络的色谱重叠峰解析

提出了一个新的色谱重叠峰解析方法———基于遗传算法(GA)和EMG模型的径向基函数神经网络(EMG-RBFNN)的色谱重叠峰解析。为了使EMG-RBFNN具有结构重组能力,用于色谱重叠峰解析的EMG-RBFNN采用了遗传算法。遗传算法具有鲁棒性和全局优化能力,若种群过小,则陷于局部极值点的概率将增高,而EMG模型是一个低效模型,选用过大的种群,必然使解析过程加长。为了提高算法效率,文中提出先用高效色谱峰近似模型———标准高斯模型进行繁衍,而后再用EMG模型的快速算法。     

改进型连续粒子群算法求解重叠联盟生成问题

采用基于整数编码方式的连续粒子群算法解决重叠联盟生成问题.设计了粒子的编码方式,给出了编码有效性检查方法和无效编码的修正算法.为提高种群多样性,提出了粒子位置的二阶段初始化方法;针对粒子易陷入局部极值问题,给出了粒子重新初始化机制.对出现停滞现象的粒子群,围绕其加权重心位置重新初始化,引导粒子突破了局部极值的限制.最后,通过实验验证了算法的有效性.
     

UFMC系统基于改进离散粒子群的峰均比抑制算法

针对通用滤波多载波(UFMC)系统中相同相位信号叠加而引起的峰均比(PAPR)过高的问题,提出一种基于改进离散粒子群(IDPSO)的峰均比抑制算法。该算法在离散粒子群(DPSO)算法的基础上,引入一种对控制参数分段线性调整的改进方式,提升了算法的搜索性能。将改进后的离散粒子群算法与部分传输序列(PTS)相结合形成IDPSO-PTS算法,并对每个子块进行加扰。所提算法在规定迭代次数内搜索最佳的相位因子组合,以降低UFMC系统的峰均比。仿真结果表明：IDPSO-PTS算法与原始UFMC相比,PAPR可降低3.5 dB;与DPSO-PTS算法相比,PAPR可降低0.2 dB;存在大量候选相位因子组合时,IDPSO-PTS算法与PTS技术相比可显著降低计算复杂度。     

基于粒子群算法的FBG横向受力反射谱的研究

应用光纤光栅(FBG)测量横向作用力时,由于系统误差、器件损耗以及一些不易测得参数的影响,引起FBG的反射谱发生畸变,导致特征信息提取困难.为此提出了基于粒子群优化算法的FBG横向受力反射谱的分析方法,建立了FBG横向受力和粒子群算法模型,通过确立分析所用的目标函数,对FBG横向受力进行实验和寻优,在FBG横向受力反射谱中提取了特征信息.实验结果表明,粒子群算法在FBG反射谱分析中提取特征信息及测量一些不易测得的参数十分有效,并且精度高、稳定性好、收敛速度快,在FBG传感器高精度测量方面非常实用.     

用人工神经网络技术解析色谱重叠峰

用模拟数据和实验数据研究了人工神经网络（ＡＮＮ）方法用于解析色谱重叠峰的可能性，以二甲苯异构体及丙酮－异丙醇重叠峰为例对网络结构进行了优化，提出了两种简单易行的采集数据的新方法和模拟非正态数学模型，结果表明，对不易分开的组分，只要训练集及测试集条件一致，大部分实验数据预测结果满意，用这种方法对色谱峰进行定量，结果可靠，避免花费大量时间寻找谱分离最佳条件。     

采用离散粒子群算法的复杂网络重叠社团检测

针对复杂网络重叠社团检测的问题,建立了衡量重叠社团划分优劣的评判函数,并基于该函数提出了一种采用混沌量子粒子群优化的复杂网络重叠社团检测算法。该算法采用量子编码,利用Logistic映射初始化粒子种群,并以粒子群速度改变方式更新转角的大小,以概率为1收敛。实验结果表明,所提算法具有较高的检测正确率,能更好地反映实际社团划分情况。     

基于高斯混合模型的敞开式质谱重叠峰解析方法

针对敞开式质谱重叠峰影响待测物特征峰识别的问题,提出了基于高斯混合模型的重叠峰解析方法.根据手肘法和质谱图中各参数意义有效选取模型初始参数,然后研究了该方法在重叠峰不同幅值比、分离度和噪声下的解析效果,并对敞开式质谱实测冰毒碎片离子的重叠峰进行解析.结果 表明,模拟数据的各个参数在解析后变化较小,均值和标准偏差的最大相对误差分别为0.4％和2％;实测数据在解析后可有效识别目标谱峰并使信噪比最高可提升10.2％,该方法解析效果好并且具有抗噪声干扰能力,可用于敞开式质谱重叠峰的解析.     

基于信息熵的粒子群优化算法

粒子群算法是一种进化计算技术,成功地运用于广泛的数值优化问题.PSO算法在求解高维复杂函数优化问题时容易陷入局部最优.有鉴于此,提出了一种基于信息熵的粒子优化算法.该算法提高设计了一种兼顾种群选择性压力以及种群多样性的选择策略,从而提高了粒子在运行过程中的多样性.实验表明,该算法有效避免了陷入局部最优,提高了全局最优解的搜索精度.     

基于改进粒子群的ICA算法

ICA算法是目前盲信号分离的主流算法之一,但是传统ICA算法收敛速度慢,收敛精度低。为此本文提出一种基于改进粒子群的ICA算法,以峭度作为目标函数,以改进粒子群算法作为优化算法。采用这种方法进行瞬时混合信号的盲分离,仿真实验表明该算法能够有效分离信号,与传统ICA算法相比,分离效果更好。     

基于粒子群优化的图像去噪算法

本文提出了一种基于PSO优化的非局部平均去噪算法,该算法以Non-Local means算法处理图片,以滤波参数h作为PSO的粒子,以PSNR的函数模型作为PSO中的目标函数,以群智能算法优化去噪效果.通过仿真,该算法比传统算法有更好的视觉效果和更快的速度,达到了算法的最佳性能.     

基于模糊推理的粒子群优化算法

针对无约束优化问题,提出了基于模糊推理的粒子群优化算法,该算法针对粒子群优化算法搜索能力的不足,先引入平均粒子,然后引入模糊推理来改进粒子群的速度更新公式,再利用模糊推理动态地改进算法惯性权重和速度更新公式的权重因子,再结合混沌扰动增加算法后期的局部搜索能力.数值试验采用12个测试函数并有5个算法进行对比,数值试验证明,改进算法的搜索能力有较大的提高.     

基于模拟退火步长的粒子群算法

为了提高粒子群算法的收敛速度和全局收敛性,本文在标准粒子群算法的基础上作了改进,提出了一种带模拟退火步长的粒子群算法．通过典型函数的测试结果表明新算法比原来算法收敛到最优解的次数多,提出的新算法在全局搜索能力和收敛速度方面有所提高．     

基于正弦载波的粒子群算法

针对传统粒子群算法(Traditional Particle Swarm Optimization,TPSO)存在的易陷入局部最优、收敛速度慢等缺点,提出了一种基于载波的粒子群算法(carrier-wave Particle SwarmOptimization,CWPSO)。根据正弦函数具有的自变量连续变化而值域不变的特点,该算法设计了以载波自变量变化确定粒子搜索位置的新方法,从而极大地提高了全局搜索能力。同时对于搜索到的可能极值点,通过载波扩展的方法进行局部寻优,以进行精确搜索。对一系列测试函数的寻优结果表明:CWPSO算法不仅都能找到最优值,且寻优时间仅为TPSO算法和惯性权值线性下降的改进PSO算法(Line-WPSO,LWPSO)的1/3~1/5;同时,CWPSO具有对寻优问题维数不敏感的优点,大大扩展了该算法的适用范围。     

基于变异策略的粒子群算法

在研究粒子群算法的特点之后,将变异因子融入到粒子群算法之中,提出了一种带有变异策略的粒子群算法(MPSO).该变异因子可以提高算法对解空间的开发能力,从而降低了粒子群算法陷入局部最优的可能性.实验结果表明,经过对4个无约束问题、1个高维线性约束问题以及1个实际应用问题的测试,带有变异策略的粒子群算法可以成功地解决高维无约束问题和带有线性约束的高维问题.实验结果也表明,MPSO算法具有很强的收敛性和稳定性,是一种很有前途的优化算法.     

X射线能谱仪谱峰重叠问题的探讨

针对X射线能谱仪在对样品进行定性分析时经常出现的元素谱峰重叠问题,进行机理分析和归纳总结,提出在物证检验中如何避免谱峰重叠带来定性分析偏差的方法．