基于粒子群PSO算法的月球物理参数反演

针对月震数据的局限性,以及传统反演方法求解月球物理参数的不适宜性,利用非线性粒子群PSO算法同时求解岩石圈主要月球物理参数载荷比、月壳厚度、月壳密度、内部载荷深度、岩石圈弹性厚度等.结果表明:粒子群PSO算法能够同时反演多个月球物理参数的最优解,计算效率高于传统方法.将该方法应用于月球物理参数多参数的反演,可为月球内部精细结构研究提供参考.     

基于粒子滤波的高阶运动目标激光探测微动参数估计

为精确估计高阶运动状态下的目标微动参数,实现目标精细识别,提出一种基于相位信息的分离估计方法。通过对解卷绕得到的真实相位进行求导,消除信号中的多项式相位信号项,实现目标运动和微动分量的分离。针对包含多维微动参数的正弦调频项,提出改进的粒子滤波静态参数估计方法,通过设计自适应方差法和变化粒子数提升了算法效率,通过设计累积残差作为观测概率密度函数,实现了对非线性模型中多维参数的同时估计。仿真和实验分析验证了算法的有效性和必要性。算法通过对相位进行处理降低了原始信号的非线性程度,减少了计算量,具有较强的抗噪性能。基于粒子滤波的微动参数估计方法减少了估计流程,避免了误差传递效应,提高了估计精度。     

鲸群优化的粒子滤波算法研究

针对标准的粒子滤波存在粒子贫化问题,提出了一种鲸群优化的粒子滤波算法。用粒子表征鲸鱼个体, 模拟鲸鱼群体搜寻猎物的过程,引导粒子向高似然区域移动。将粒子滤波中粒子的状态值作为鲸鱼群的个体位置,将粒子的状态估计转化为对鲸鱼群的寻优;通过鲸群的螺旋运动方式优化粒子的重要性采样过程,使粒子分布更加合理,对鲸群算法中的全局最优值引入最优邻域随机扰动策略,并在鲸鱼位置更新过程中加入自适应权重因子;选用一种典型的单静态非增长模型进行仿真测试。测试结果表明:提出的方法与传统的粒子滤波以及引力场优化的粒子滤波相比,在保证相同粒子数的前提下,算法的均方误差分别降低了28%和9%,证明了鲸群优化的粒子滤波算法具有更高的估计精度,并且在粒子数较少的情况下,可实现更准确的状态估计。     

逆合成孔径激光雷达机动目标运动补偿成像算法

逆合成孔径激光雷达(ISAL)成像运动补偿中,包络对齐的精度直接影响了相位误差估计精度.当目标速度和加速度较大时,距离包络严重倾斜且相位误差较大,图像无法进行良好聚焦.针对上述问题,在高精度成像模型的基础上提出了一种基于Nelder-Mead单纯形法和粒子群优化的全局联合运动误差补偿算法.首先,利用单纯形法估计目标速度,完成包络对齐.然后,将包络对齐过程获得的目标速度作为相位误差估计中参数初始化的约束条件.最后,用粒子群优化算法对各运动参数进行全局搜索并得到最优解,实现高精度运动参数估计及高阶相位误差补偿,得到聚焦良好的二维图像.实验结果表明,本算法的参数估计误差主要分布在±0.2％以内,参数估计精度和抗噪声性能均优于传统ISAL成像算法.     

基于改进粒子群优化算法的混沌系统参数估计方法

估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题.利用群集智能的新进展粒子群优化算法(PSO)的全局搜索能力，从初始粒子群的产生、目标函数的处理的角度改进PSO，将改进的PSO引入混沌系统参数估计和在线估计.仿真试验表明，改进算法具有良好的适应性、较高的收敛可靠性及精度，对信号叠加噪声的情形也具有较高的鲁棒性，是混沌系统参数估计的一种成功算法. 关键词： 混沌系统 参数估计 在线估计 粒子群优化算法     

一种基于高斯混合模型的改进EM算法研究

针对传统EM算法存在估计参数不具有最优性,以及在参数估计中需要人工参与等问题,提出一种基于高斯混合模型的改进EM算法。采用无人工参与的无监督思想,获取高斯混合模型对直方图拟合的最优参数组合。实验表明,该算法不仅能够快速地估计模型参量,而且能够给出最优参数,并在图像增强中使细节更明显,对比度更适中。     

运动目标激光微多普勒效应平动补偿和微动参数估计

利用激光探测微多普勒效应可以精确估计微动参数,有利于实现目标的准确分类和精细识别.运动目标的微多普勒效应是一种由多项式相位信号模型与正弦调频模型组成的混合信号.对于这类混合信号中的微动参数估计目前还未提出有效的方法.对此,本文提出一种基于分数阶傅里叶变换(Fr FT)的平动补偿方法,通过设计对Fr FT参数域的带宽搜索方法,可以从混合信号中精确估计平动参数,实现平动和微动的分离;通过设计静态参数粒子滤波器,从补偿后的信号中准确估计了微动参数;针对静态参数模型,采用马尔可夫-蒙特卡罗方法增加粒子多样性,并利用累积残差定义新的粒子权重计算函数,保证了算法在对多维参数估计时的快速有效收敛,避免了参数分别估计时误差传递的影响.通过仿真分析对比和实验数据,验证了本文所提补偿和参数估计算法的有效性.     

基于量子并行粒子群优化算法的分数阶混沌系统参数估计

分数阶混沌系统参数估计的本质是多维参数优化问题, 其对于实现分数阶混沌控制与同步至关重要. 提出一种基于量子并行特性的粒子群优化新算法, 用于解决分数阶混沌的系统参数估计问题. 利用量子计算的并行特性, 设计出了一种新的量子编码, 使每代运算的可计算次数呈指数增加. 在此基础上, 构建了由量子当前旋转角、个体最优旋转角和全局最优旋转角共同组成的粒子演化方程, 以约束粒子在量子空间中的运动行为, 使算法的搜索能力得到了较大提高. 以分数阶Lorenz混沌系统和分数阶Chen混沌系统的参数估计为例, 进行了未知参数估计的数值仿真, 结果显示本算法具有良好的有效性、鲁棒性和通用性.     

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。     

基于混合群智能优化算法的混沌系统参数估计

混沌系统的未知系统参数估计是实现混沌控制和同步的首要问题,通过构造一个合理的适应度函数,可将其转化为一个多维搜索空间的优化问题.提出一种融合改进骨干粒子群算法与改进差分进化算法的混合群智能优化方法来解决上述优化问题.对骨干粒子群算法中的粒子位置更新机制以及差分进化算法中的变异操作、交叉操作、交叉概率因子的设计等进行改进,有效兼顾了种群的多样性与算法的收敛性.在此基础上,讨论骨干粒子群优化算法与差分进化的融合优化策略,实现两个算法的协同进化,进一步提高算法的综合优化性能.用6个基准测试函数以及Lorenz混沌系统为例进行仿真实验,结果表明该方法具有全局寻优能力强、收敛速度快、搜索精度高、稳健性好等优点.     

基于参数优化支持向量机的林下参净光合速率预测模型

使用K-fold交叉验证方法,通过两种支持向量机函数,四种核函数,grid-search算法,遗传算法,粒子群算法,建立对个体净光合速率预测拟合程度最高和最佳惩罚参数c的支持向量机模型.将可见光光谱组成成分配比关系归为一个P粒子,将叶温、散射辐射、气温等归为一个ε粒子.通过信息粒子化技术对影响个体净光合速率的因子进行降维处理,使得分析光合有效辐射、可见光光谱组成成分和个体净光合速率之间的相关关系成为了可能.试验结果表明,epsilon-SVR-RBF-Genetic Algorithm模型,nu-SVR-linear-grid-search模型和nu-SVR-RBF-Genetic Algorithm模型对光合有效辐射和P粒子组成预测集的拟合程度均达到97%以上,nu-SVR-linear-grid-search模型的惩罚参数c值最小,泛化能力最强,最终采用该模型对光合有效辐射、P粒子和ε粒子组成的预测集进行预测分析,拟合程度达到96%以上.     

基于细菌觅食特征改进粒子群算法优化SVM模型参数研究

针对粒子群算法优化SVM模型参数在进化后期容易陷入局部最优的问题,研究了细菌觅食趋利避害机制,提出了一种基于细菌觅食特性改进粒子群算法的方法,并将改进方法应用于优化SVM预测模型参数的研究;实验结果表明,该方法能够弥补粒子群算法在进化后期容易陷入局部最优的缺陷,具备更好的寻优性能。     

混沌信号在无线传感器网络中的盲分离

混沌信号在本质上属于非线性非高斯信号,它在无线传感器网络下的应用还涉及到信号量化问题,这使得混沌信号在此应用环境下的信号盲分离更为棘手.针对此问题,本文在容积卡尔曼粒子滤波的框架下提出一种解决方法.文中首先推导出观测信号的概率密度函数,在量化比特有限的情况下,采用最优量化器,获得最优的量化结果.在此基础上,使用容积卡尔曼滤波器产生粒子滤波中的重要性概率密度函数,融入最新的观测值,提高粒子对系统状态后验概率的逼近,提高信号盲分离的精度.仿真结果表明算法能够有效地分离混合混沌信号,参数估计的精度及其运算量均优于已有的无先导卡尔曼粒子滤波算法,其运行时间为无先导卡尔曼粒子滤波算法的88.77%.     

支持向量机在混合气体定量分析中的应用

针对使用掺铥光纤激光器的气体传感系统进行混合气体测量时,吸收谱线重叠较为严重且相互交叉吸收干扰的现象造成的测量误差大、分析精度低的问题,提出一种基于自适应变异粒子群优化的支持向量机(SVM)方法,用于建立混合气体体积分数定量分析预测模型。对体积分数为0.5%～2%的氨气(NH3)和2%～5%的二氧化碳(CO₂)混合气体的吸收光谱数据进行采集和处理,利用自适应变异粒子群优化(AMPSO)算法对SVM模型参数进行寻优,利用获得的最优模型参数构建氨气和二氧化碳气体体积分数定量分析模型,并与标准粒子群优化算法和网格搜索法进行对比。实验结果表明,基于自适应粒子群优化算法建立的氨气和二氧化碳气体体积分数定量分析模型在较为合适的寻优时间下,可以得到最佳的均方误差,效率较高,该模型对测试集中氨气和二氧化碳气体体积分数设定值与预测值的均方误差分别为0.000088和0.000170,决定系数R²均为0.9998,满足混合气体检测要求。     

基于最优估计理论、联合星载主被动传感器资料的液态云微物理特性反演研究

针对液态云微物理特性精确反演的迫切需求, 综合主被动传感器的探测优势, 联合CloudSat雷达反射率和Aqua光学厚度资料, 提出基于最优估计理论的液态云微物理参数反演算法.通过假设粒子谱服从对数正态分布, 基于前向物理模式建立测量变量与反演变量的函数关系, 借助谱分布参数的先验信息、通过算法迭代得到谱参数的最优解, 进而利用前向物理模式反演液态云微物理参数, 并根据误差传递理论计算反演不确定度.通过设计反演方案, 基于实测个例数据并与CloudSat官方发布产品和经验算法反演结果对比验证.结果表明: 基于最优估计理论、联合主被动传感器资料的液态云微物理参数反演结果与官方发布产品一致性较好, 弥补了经验算法误差大、扩展性差的不足, 对于开展国内星载和机载W波段毫米波雷达液态云微物理参数反演研究具有重要的借鉴意义. 关键词： CloudSat Aqua 液态云 最优估计理论     

应用于亚波长角向偏振金属光栅设计的快速收敛粒子群算法优化

提出了分步寻优的基于粒子位置调整惯性权重的粒子群算法(PDW-PSO),通过调用严格耦合波方法(RCWA)计算衍射效率,进行了光栅结构参数的优化。将PDW-PSO与惯性权重不变的粒子群算法(PSO)和基于迭代次数调整惯性权重的粒子群算法(IDW-PSO)进行对比,结果表明PDW-PSO具有更快的收敛速度,相比于PSO和IDW-PSO,PDW-PSO的平均迭代次数分别从89.83和74减少至21.2,调用RCWA的次数分别从3144.05和2590下降至224。分析了波段匹配数对算法的影响, PSO和IDW-PSO的RCWA调用次数与波段匹配数呈等倍率增加,而PDW-PSO的RCWA调用次数的增加倍率小于波段匹配数的增加倍率。进行了算法准确度实验,在30次运行中,PDW-PSO与PSO、IDW-PSO正确收敛到最优值的次数相近,误差值不超过6.6%;随着粒子数的增加,三种方法的准确度都有所提高,粒子数达到27后基本都可以保证收敛到最优。     

区间衍生粒子滤波器

针对非线性、非高斯环境下具有不确定动态模型参数的系统状态估计问题,提出了一种新颖的区间衍生粒子滤波算法.该算法利用区间滤波生成的重要性密度函数,在系统状态转移概率密度的基础上,融入最新的系统观测数据,从而提高了对系统状态后验概率的逼近程度.为了进一步提高算法的实时性,提出一种类似光子衍射的粒子衍生过程,进而缓解了滤波精度与运算量之间的矛盾.通过陀螺/星敏感器组合定姿问题验证了该算法的有效性和鲁棒性.     

面向语音增强的序贯隐马尔可夫模型时频语音存在概率估计

语音存在概率的估计是语音增强的核心技术之一,针对传统的存在概率估计方法是启发式的,没有把存在概率的估计统一到一个理论框架之中,不能保证估计最优,提出了一种基于序贯隐马尔可夫模型(SHMM)的存在概率估计方法,在每一子带上构建一个SHMM模型描述对数功率谱包络的时间序列,把谱包络序列看作一个在语音和噪声状态之间转移的动态一阶马尔可夫链,采用单高斯函数构建每一状态的概率模型,语音状态的后验概率即为语音信号的存在概率。为了满足算法实时性要求,SHMM参数估计简化为一阶回归过程,根据极大似然准则逐帧更新模型参数。实验表明:SHMM所描述的时序相关性对存在概率的估计起到关键作用,它优于一般的启发式估计方法;SHMM算法的语音增强分段信噪比(SegSNR)和对数谱失真(LSD)性能优于经典的改进型最小统计量控制递归平均(IMCRA)算法。      

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

量子势阱粒子群优化算法的改进研究

为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱 提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.