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.     

Geoacoustic inversion based on reflection model of effective density fluid approximation

In order to obtain the physical and geoacoustic properties of marine sediments,an inverse method using reflection loss of different grazing angles is presented.The reflection loss is calculated according to the reflection model of effective density fluid approximation.A two-step hybrid optimization algorithm combining differential evolution and particle swarm optimization along with Bayesian inversion is employed in estimation of porosity,mean grain size,mass density and bulk modulus of grains.Based on the above physical parameters,geoacoustic parameters,including sound speed and attenuation,are further calculated.According to the numerical simulations,we can draw a conclusion that all the parameters can be well estimated with the exception of bulk modulus of grains.In particular,this indirect inverse method for bottom geoacoustic parameters performs high accuracy and strong robustness.The relative errors are 0.092%and 17%,respectively.Finally,measured reflection loss data of sandy sediments at the bottom of a water tank is analyzed,and the estimation value,uncertainty and correlation of each parameter are presented.The availability of this inverse method is verified through comparison between inverse results and part of measured parameters.     

基于等效密度流体近似反射模型反演海底参数

为了获取海底沉积物的物理和地声特性,根据等效密度流体近似反射模型得到的不同掠射角下的海底反射损失,利用差分进化算法和粒子群算法相结合的两级混合优化算法以及Bayesian反演方法对海底沉积物的孔隙度、平均颗粒粒度、颗粒质量密度以及颗粒体积弹性模量进行反演,再根据这4个物理参数的估计值进一步计算出海底地声参数,包括声速和衰减。通过反演结果与仿真真值的比较可以看出,除颗粒体积弹性模量外,得到的估计结果是令人满意的,特别是这种间接反演海底地声参数的方法对地声参数的估计具有较高的精确性和较强的稳健性,相对误差分别为0.092%和17%。最后,对实验室水池池底沙质沉积物的反射损失数据进行处理,给出了沙质沉积物各参数的估计值、不确定性和相关性,并通过反演结果与部分实测参数值的比较验证了反演方法的可行性。      

基于Bloch球面搜索的量子粒子群优化算法

通过分析量子势阱粒子群优化算法的设计过程,提出一种基于Bloch球面搜索的量子粒子群优化算法.首先用基于Bloch球面描述的量子位描述粒子,用泡利矩阵建立旋转轴,用Delta势阱模型计算旋转角度,用量子位在Bloch球面上的绕轴旋转实现搜索.然后用Hadamard门实现粒子变异,以避免早熟收敛.这种旋转可使当前量子位沿着Bloch球面上的大圆逼近目标量子位,从而可加速优化进程.仿真结果表明,该算法的优化能力优于原算法.     

基于后向散射法测量蒸汽湿度反演算法的优化

为了精准测量汽轮机末级蒸汽湿度，提出在激光后向异轴角散射法的基础上建立蒸汽湿度测量模型和湿蒸汽参数反演优化模型。根据该优化模型采用粒子群算法对加入高斯白噪声的仿真数据和模拟汽缸的实验数据进行反演寻优，并将得到的反演结果与人工鱼群算法和传统的均匀搜索方法进行了对比。采用粒子群算法时r_0.5、K、N的反演结果误差为0.05、0.66和0.51%，反演时间为306.41 s；采用鱼群算法时r_0.5、K、N的反演结果误差为2.96、19.98和4.68%，反演时间为411.05 s；采用均匀搜索算法时r_0.5、K、N的反演结果误差为5.00、27.14和7.95%，反演时间为246.42 s。结果表明:粒子群算法能够克服人工鱼群算法和均匀搜索方法两者的不足，可以在较短时间内获得精度高且稳定可靠的反演结果，为湿蒸汽参数测量提供了更加准确的数据，并对其他颗粒物参数测量反演提供了理论依据。     

基于多算法优化SVM的粗糙面参数反演

支持向量机（SVM）是粗糙面参数反演中常用的一种反演算法,SVM反演中的惩罚参数C和核函数参数G对反演结果精度的影响较大,若参数取值不当,会使模型产生"过学习"或者"欠学习"的现象,从而降低预测精度.给出几种SVM参数C和参数G的优化算法,如K折交叉验证（K-CV）、遗传算法（GA）和粒子群算法（PSO）,并在此基础上提出一种基于K-CV和GA改进的PSO算法（GA-CV-PSO）.利用矩量法（MoM）获得的粗糙面后向散射系数构造训练集和测试集,通过不同参数反演的仿真结果对比不同优化算法的反演精度和计算时间,表明GA-CV-PSO算法克服了单一优化算法的缺陷,具有更精确的反演精度和更强的泛化能力.