自适应变异的蝙蝠算法

针对基本蝙蝠算法(BA)寻优精度不高、收敛速度慢和易早熟收敛的问题,提出一种改进的具有自适应变异机制的蝙蝠算法,用以求解复杂函数问题。利用K-means聚类对蝙蝠种群进行初始化,使种群在搜索空间分布更为均匀;采用根据迭代次数自适应变化的控制概率Pt判断算法是否进行高斯变异,增强种群多样性,促使蝙蝠个体跳出局部极值点;将自然选择思想引入BA,提高算法搜索速度,避免早熟收敛。选取几个典型函数进行测试,结果表明改进算法优化性能有了显著提高,具有较快的收敛速度,较高的寻优精度、收敛稳定性和收敛可靠性,验证了改进蝙蝠算法(IBA)的有效性及优越性。     

无线光码分多址中一种改进的盲多用户检测算法

干扰消除是无线光码分多址(CDMA)通信系统中的一项关键技术。分析了基于递归最小二乘(RLS)算法的盲多用户检测算法的原理及性能,并将其应用于采用光正交码的无线光CDMA系统中。讨论了该系统中遗忘因子的选取原则及其对算法的收敛性和系统误码率性能的影响。为了克服固定遗忘因子所带来的矛盾,提出了一种改进的变遗忘因子RLS盲多用户检测算法,并对遗忘因子进行了修正。结果表明,采用改进的方法后系统能获得较快的收敛速度和跟踪速度,收敛时的估计误差也较小,而且信号干扰比由传统算法的6dB提高到9dB。说明采用变遗忘因子的RLS算法不仅适合于采用光正交码的无线光CDMA系统,而且跟踪期望用户信号的性能良好。     

一种拖尾噪声环境中的稳健常数模盲均衡新算法

为了改善拖尾噪声环境中盲均衡器的性能,提出了一种稳健常数模盲均衡算法,修改了原常数模算法的误差函数,并进行非线性变换,有效地抑制了拖尾噪声的影响。采用浅海水声信道,在分别叠加高斯噪声与拖尾噪声的情况下,对算法进行了计算机仿真。结果表明:在高斯噪声环境中,新算法具有更快的收敛速度与更低的剩余码间干扰;在拖尾噪声环境中,原算法很不稳定,而新算法则性能稳健,能够稳定地收敛于较低的剩余码间干扰。     

一种快速收敛的水声信道载波恢复盲均衡算法

基于对修正的常数模算法(MCMA)进行分析,提出了一种用于QPSK(四进制相移键控)信号的快速载波恢复盲均衡算法。该算法中构造了一种与MCMA算法不同的、能够快速收敛的误差函数,在消除码间干扰(ISI)、纠正相位误差的同时,进一步改善了收敛性能。该算法对输出信号的实部和虚部分别进行非线性变换。最后利用实测的水声信道数据,对这几种算法进行了数值分析研究,结果表明:所提出的算法不仅能够很好地克服相位旋转,而且其收敛速度明显高于MCMA,剩余均方误差更小,而计算量并没有明显的增加。     

云计算中一种改进的猴群算法在资源分配中研究

针对云计算中的任务完成时间和费用如何进行更好的分配问题,文章将猴群算法引入到云计算资源分配中,针对猴群算法自身存在收敛速度快,易陷入局部最优的情况;在猴群算法的初始化中引入混沌算法来优化位置,对算法中的爬过程采用定位步长和对望过程的视野距离引入参数进行改进;改进后的算法在性能和收敛速度有了明显了改进,通过CloudSim仿真平台表明文章算法与其他智能算法相比在资源分配时间,能量消耗以及资源节点吞吐量,传输率方面方面具有一定的改进,提高了云计算资源分配效率。     

基于改进蝙蝠算法的CO-OFDM系统峰均比抑制技术

为了抑制相干光正交频分复用系统中的峰值平均功率比,采用蝙蝠算法优化系统子载波的相位.同时针对蝙蝠算法存在的易陷入局部最优和收敛精度不高的问题,对蝙蝠算法进行改进.在蝙蝠的速度更新公式中加入蝙蝠的自我学习部分,并引入惯性权值和学习因子,在保证算法收敛速度的同时尽可能提高算法的收敛精度,防止算法出现早熟收敛情况.采用改进算法对正交幅度调制、100 Gb/s的相干光正交频分复用系统进行仿真实验,仿真结果表明,改进算法有较强的搜索能力和较高的搜索精度,使正交频分复用信号的峰值平均功率比降低了5.48 dB,相对于蝙蝠算法降低了0.52 dB,改进算法的峰值平均功率比抑制性能得到了进一步的提高.     

非高斯冲激干扰下基于Softplus函数的核自适应滤波算法

针对非高斯环境下一般自适应滤波算法性能严重下降问题,本文提出了一种基于Softplus函数的核分式低次幂自适应滤波算法(kernel fractional lower algorithm based on Softplus function,SP-KFLP),该算法将Softplus函数与核分式低次幂准则相结合,利用输出误差的非线性饱和特性通过随机梯度下降法更新权重.一方面利用Softplus函数的特点在保证了SP-KFLP算法具有良好的抗脉冲干扰性能的同时提高了其收敛速度;另一方面将低次幂误差的倒数作为权重向量更新公式的系数,利用误差突增使得权重向量不更新的方法来抵制冲激噪声,并对其均方收敛性进行了分析.在系统辨识环境下的仿真表明,该算法很好地兼顾了收敛速度和跟踪性能稳定误差的矛盾,在收敛速度和抗脉冲干扰鲁棒性方面优于核最小均方误差算法、核分式低次幂算法和S型核分式低次幂自适应滤波算法.     

拖线阵海试数据的窄带PIC自适应处理与分析

本文介绍了对拖线阵海试数据进行窄带ＰＩＣ处理的方法。用梯度算法、协方差矩阵递归直接求逆算法和ＲＭＧＳＥＦ算法进行了窄带ＰＩＣ自适应处理。分析了学习曲线和输出平均功率波束图，进行了稳态计算和比较。表明ＲＭＧＳＥＦ算法是一种可用于多干扰波束、收敛快、抵消性能好、便于拖线阵声呐实现实时ＰＩＣ处理的最好算法。     

基于改进蝙蝠算法的CO-OFDM系统峰均比抑制技术（英文）

为了抑制相干光正交频分复用系统中的峰值平均功率比,采用蝙蝠算法优化系统子载波的相位.同时针对蝙蝠算法存在的易陷入局部最优和收敛精度不高的问题,对蝙蝠算法进行改进.在蝙蝠的速度更新公式中加入蝙蝠的自我学习部分,并引入惯性权值和学习因子,在保证算法收敛速度的同时尽可能提高算法的收敛精度,防止算法出现早熟收敛情况.采用改进算法对正交幅度调制、100Gb/s的相干光正交频分复用系统进行仿真实验,仿真结果表明,改进算法有较强的搜索能力和较高的搜索精度,使正交频分复用信号的峰值平均功率比降低了5.48dB,相对于蝙蝠算法降低了0.52dB,改进算法的峰值平均功率比抑制性能得到了进一步的提高.     

基于改进蛙跳算法的无线传感器网络覆盖优化

针对传统算法在解决无线传感器网络覆盖优化上存在的覆盖率较低和节点分布不够均匀的问题,提出了一种改进的蛙跳算法;为了同时达到增加算法的种群多样性和加快算法收敛速度的目的,改进蛙跳算法分别增加了个体高斯学习机制和根据粒子群思想改进的更新策略,让族内最差个体在自身附近进行局部搜索,若无效,则使族内最差个体同时向族内最优个体和全局最优个体学习;在性能评估实验中,对改进的蛙跳算法分别进行了标准函数测试和无线传感器网络覆盖优化测试;测试结果表明,在6个标准测试函数中,改进的蛙跳算法与其他算法相比在4个测试函数上的收敛精度有了明显提高;在无线传感器网络覆盖优化中,改进的蛙跳算法也能够使节点分布更加均匀,使网络覆盖率达到了85.6%。      

基于动态阈值匹配追踪的主动声呐直达波抑制方法

双基地声呐中的直达波干扰可以通过重构抵消的方式进行抑制。这种方法需要对直达波信道进行估计，传统的正交匹配追踪算法的收敛速度慢，分步正交匹配追踪等算法在提高收敛速度时牺牲了信道估计精度，导致回波检测能力下降。本文提出一种动态阈值匹配追踪算法估计直达波的信道响应，在提高收敛速度的同时兼顾了信道估计精度。在仿真环境中，达到同样的直达波抑制效果，所提算法与传统正交匹配追踪算法相比，收敛速度显著提升，检测输出的回波强度比分步正交匹配追踪算法高4dB；海试数据处理结果中，所提方法迭代收敛速度较正交匹配追踪算法提升4倍；输出的回波强度比分步正交匹配追踪算法高2dB。     

基于Dual-Mode MMA+MDD 双模式T/2分数间隔盲均衡算法的研究

均衡技术是用来解决通信系统中码间干扰的常用方法.针对传统恒模算法的收敛速度和稳态剩余码间干扰大的缺点,将双模式多模算法和改进型判决引导算法结合起来,并且应用于分数间隔盲均衡器中.该算法初期用双模式算法收敛均衡器,然后切换到改进型判决引导算法中进一步收敛,由于分数间隔均衡器解决了波特间隔均衡器因抽样率不高带来的频谱混叠问题,从而进一步地提高了均衡效果.蒙特卡罗仿真表明,该算法不仅收敛速度快,而且得到较低的剩余码间干扰.     

一种自适应前向均衡与判决均衡组合结构及变步长改进算法

信号在超长线缆传输中, 线缆的线间串扰及温度梯度变化造成噪声干扰, 特别是线缆介电损耗和肌肤效应的影响, 导致接收端信号频率色散失真严重, 难以恢复原始信号, 限制了传输速度. 另外, 在页岩气、煤层气等资源勘探领域, 在用长缆传输数据时, 还要求传输高精度同步脉冲信号, 用于采集数据相位的标定. 线缆的传输效应及噪声干扰严重影响了接收端的信号同步, 造成采集数据相位失真. 本文针对信号在长缆传输中的非线性失真及衰减问题, 提出了一种新型均衡结构, 并针对新模型给出了最优系数组合. 在此基础上针对改进的结构提出了一种基于反正切函数的变步长算法, 该算法配合三误差因子, 形成收敛函数, 该函数具有收敛速度快, 稳态误差小的优点. 改进后的自适应组合均衡器计算复杂度低, 收敛快, 信道跟踪能力强, 加快了数据处理速度, 同时能较好地应对信道的时变性. 仿真结果表明, 基于新变步长算法的自适应组合均衡器, 性能上提高了50%, 并且消除了噪声干扰和码间干扰, 测试实验表明, 在无中继超长缆(7 km以上)传输中, 信号速度提高了一倍.     

基于改进MCA的干涉高光谱图像分解

干涉高光谱图像特殊的成像原理,使其帧内存在着大幅值且位置固定的干涉条纹,而帧间存在着水平移位的背景图像,这种特点会严重的破坏原始图像的固有结构,从而导致新兴的压缩感知理论与传统压缩算法的直接应用无法得到理想的效果。由于干涉条纹信息与背景图像信息的特征不同,能够对干涉条纹与背景图像进行稀疏表示的正交基也是不同的。基于这种思想,使用MCA(morphological component analysis)算法对干涉高光谱图像中干涉条纹信息与背景图像信息进行分离处理。由于干涉高光谱图像数据量庞大,传统的MCA算法对干涉高光谱数据的图像分解,迭代收敛速度慢,运算效率较低,故而针对干涉高光谱数据特点对传统MCA算法进行改进,改变其迭代收敛条件,当分离后的图像信号与原始图像信号的误差已经基本保持不变时,即终止迭代;并根据对应正交基能且仅能稀疏表示对应信号的思想,对阈值采用自适应的方式进行更新,在新的阈值更新模式中,图像信号在不同正交基下的映射系数被计算与比较。大量实验结果表明,对于LASIS数据与LAMIS数据,MCA算法都能够较完美的将干涉高光谱图像分解,改进的MCA算法更能在保持完美分解输出结果的同时,相对于传统MCA方法显著的减小迭代次数,更快的达到迭代收敛条件,从而有效的提高了算法的运算效率与实时性需求,也为新兴的压缩感知理论在干涉高光谱图像中的进一步应用提供了一种很好的解决方案。     

改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点。与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明：提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。     

Price-based interference control for two-tier femtocell networks

This paper presents a novel price-based interference control scheme for two-tier femtocell networks, aiming to limit the interference from femtocell users to macrocell base station (MBS). Assuming that the MBS protects itself by pricing the interference power from the femtocell users, the femtocell users set their transmission powers by competitively selecting the interference power fractions under the constraint of the total tolerable interference. The problem of femtocell users’ competitive interference occupation process is cast into a non-cooperative interference power purchase game, and the existence and uniqueness of the Nash equilibrium is proved. Then, a distributed interference power fraction iterative algorithm is developed to find the Nash equilibrium of the game, and the convergence analyses in both synchronous and asynchronous cases are presented. The distributed implementations are also shown. Simulation results show the convergence of the interference power fraction iterative algorithm and the effectiveness of the proposed interference control scheme.     

A Diversity Model Based on Dimension Entropy and Its Application to Swarm Intelligence Algorithm

The swarm intelligence algorithm has become an important method to solve optimization problems because of its excellent self-organization, self-adaptation, and self-learning characteristics. However, when a traditional swarm intelligence algorithm faces high and complex multi-peak problems, population diversity is quickly lost, which leads to the premature convergence of the algorithm. In order to solve this problem, dimension entropy is proposed as a measure of population diversity, and a diversity control mechanism is proposed to guide the updating of the swarm intelligence algorithm. It maintains the diversity of the algorithm in the early stage and ensures the convergence of the algorithm in the later stage. Experimental results show that the performance of the improved algorithm is better than that of the original algorithm.     

基于分类和曲线拟合的干涉超光谱图像压缩

根据干涉超光谱图像的特点,提出了一种基于图像分类与曲线拟合的干涉超光谱图像数据分解算法,结合内嵌比特平面编码技术实现干涉超光谱图像的压缩。与JPEG2000一样,该算法实现了有损、无损压缩的兼容。将干涉超光谱图像数据分为主干涉区域与非主干涉区域两类,针对主干涉区域提出了一种相似匹配算法,而对非主干涉区域采用经验模式分解和二次曲线拟合方法进行数据分析,两种分析算法结合起来能够有效地对谱线数据进行分解,从而有利于取得更好的压缩效果。仿真结果表明,提出的算法可以使无损压缩的输出码率降低0.2~0.4bit/pixel,而近无损、限失真压缩的重建图像质量相应提高。