基于自适应随机共振的水下蓝绿光微弱信号检测

海水的吸收和散射导致光信号严重衰减,使得水下无线光通信系统中低信噪比信号检测成为一大难题。基于此,提出一种自适应随机共振水下蓝绿光微弱信号检测方法。分析了水下弱光信号特点以及随机共振的产生条件,结合多策略融合的粒子群算法与随机共振动态调整系统参数,使系统达到最优匹配状态,进而提升弱光信号的检测性能。搭建了水下无线光通信实验系统进行实验,结果表明,在接收信噪比为-1.7 dB时,使用该方法得到的误码率低至2×10^-4,验证了该方法的可行性和有效性。     

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.     

粒子群算法的近红外光谱定性分析预处理及特征提取参数优化方法研究

在近红外光谱定性分析时,为取得良好识别效果,预处理及特征提取是不可或缺环节.预处理主要是为消除各种干扰因素对光谱数据影响,常用预处理方法有平滑、一阶导、归一化等;而特征提取方法能剔除数据中的无关信息,保留有效信息,常用特征提取方法有偏最小二乘、主成分分析、线性判别分析等.不同预处理及特征提取方法具有不同特点,构建定性分...     

基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

基于量子粒子群算法的混沌系统同步控制及参数辨识

针对异结构且参数未知混沌系统的同步控制,设计同步控制器并对误差系统的稳定性进行理论分析.通过合理选择优化目标函数,利用量子粒子群算法高效的全局寻优能力,实现混沌系统的未知参数辨识,有效降低同步控制器的开发难度.以Rössler混沌系统与Lorenz混沌系统的异结构同步为研究对象,进行数值仿真实验,结果表明该方法能够实现驱动-响应系统的快速混沌同步及系统未知参数的准确辨识,并验证该方法的可行性和有效性.     

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.     

基于自适应粒子群算法的多峰谱线分离方法研究

电感耦合等离子体原子发射光谱分析法(IC P-A ES)已成为一种常规的元素分析方法,但在IC P-A ES分析过程中,大多元素的分析谱线会受到背景或其他谱线的重叠干扰,形成的光谱干扰严重影响了谱线分析的准确性,所以在元素的分析过程中,需要通过适当的光谱干扰校正方法才能得到合适的元素分析线.根据光谱强度具有叠加性的特征...     

基于粒子群优化算法的自适应图像分割方法

提出了一种基于粒子群优化算法的图像分割新方法。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短了寻找阈值的时间。将PSO用于基于改进的最佳加权熵阈值法的图像分割中,试验结果表明,该方法不仅能够避免陷入局部极值,而且其速度得到了明显的改善,是一种有效的图像分割新方法。     

基于近似熵测度的自适应随机共振研究

变步长随机共振算法有效解决了绝热近似大参数条件下的弱信号检测问题.基于信号近似熵测度的自适应随机共振，实现了变步长随机共振最优输出的自适应求解.周期信号的近似熵不受其幅值和相位变化的影响，而只与其频率及信噪比有关.因此，按照原始数据的采样条件，构造待检测频率在预定信噪比下的标准信号，并以其近似熵为基准，通过自动调节非线性系统的结构参数和计算步长，求得系统输出的近似熵距离矩阵.该矩阵中的最小值所对应的即为自适应条件下非线性动力系统的最优参数.     

细粒度指数惯性权重自适应粒子群算法及应用

针对粒子群算法性能很大程度上取决于惯性权重的选择,提出细粒度指数惯性权重自适应策略的粒子群算法。选用10个经典函数进行仿真实验测试新算法的性能,使用SPSS软件对最优值、平均值和均方差进行Wilcoxon符号秩检验和Friedman检验,分析和检验结果与惯性权重高斯递减粒子群算法、双指数递减粒子群算法进行比较。将其应用于蒸汽动力系统调度问题。仿真实验和工程实例研究结果表明,新的策略对粒子的觅食行为有着显著作用,改善了粒子群算法摆脱局部极值点的能力,具有收敛速度快等优点,能较好地处理蒸汽动力系统优化调度问题。     

基于粒子群算法的多阈值图像分割方法

在对粒子群优化算法的基本原理和方法进行简要概述的基础上,提出了一种基于粒子群的多阈值图像分割算法。算法采用信息熵构建优化目标函数,提出了新的粒子更新准测,并以此对图像进行了多阈值优化搜索。实验表明,该算法不仅能对图像进行正确的分割,而且还具有稳定性高,易于实现,速度快等特点。     

改进的粒子群优化目标跟踪方法

针对粒子群优化算法应用在目标跟踪时,其惯性权重调节机制的局限性,提出了改进的粒子群优化目标跟踪方法。首先,对目标及粒子群算法中相应参数进行初始化;接着,引入粒子进化率的概念,对惯性权重调节机制进行改进,根据每代每个粒子的不同状态及时调整惯性权重;然后,在更新粒子的速度和位置的同时,更新个体最优解和全局最优解,进行下一次迭代;最后,比较粒子的适应度,选择相似性函数值最大的区域为目标。实验结果表明,该方法与使用自适应惯性权重调节机制的粒子群优化目标跟踪方法相比,减少了获取相同适应度所需的迭代次数,运算效率提高了42.9%。实现了目标在相似性函数出现"多峰"情况下的准确定位,对目标出现部分遮挡的情况具有很好的适应性。     

2维静磁场多参量微动粒子群优化算法

提出一种微动粒子群优化算法,针对2维静磁场多参量优化问题,在给出轴上目标轴向磁感应强度分布曲线的前提下,可以得到趋近于该分布曲线的磁结构。该算法分为前后两阶段:第一阶段采用前后试探法(微动),同时也参照最优粒子的信息;第二阶段采用基本粒子群优化算法。微动粒子群优化算法可以发挥多核计算机在工程设计上的潜力,而且即使粒子数目很少,也能不断趋近目标解。     

2维静磁场多参量微动粒子群优化算法

提出一种微动粒子群优化算法,针对2维静磁场多参量优化问题,在给出轴上目标轴向磁感应强度分布曲线的前提下,可以得到趋近于该分布曲线的磁结构。该算法分为前后两阶段:第一阶段采用前后试探法(微动),同时也参照最优粒子的信息;第二阶段采用基本粒子群优化算法。微动粒子群优化算法可以发挥多核计算机在工程设计上的潜力,而且即使粒子数目很少,也能不断趋近目标解。     

A weak signal detection method based on adaptive parameter-induced tri-stable stochastic resonance

Aiming at detecting the weak signal in a strong noise background, an enhanced weak signal detection method based on adaptive parameter-induced tri-stable stochastic resonance is proposed. Firstly, because the system can switch among the monostable, bistable and tri-stable state, the potential function characteristic of tri-stable systems is studied by analyzing the potential function curves with different system parameters. And the dynamic characteristics of system parameters on the depth of the potential well is analyzed. The ranges of R and the system parameters are determined, which is essential for ensuring the system is tri-stable state. Secondly, the range of R is used as the constraint condition and the average output signal-to-noise ratio is used as the fitness function of the adaptive algorithm. The system parameters a, b, c are optimized by the differential evolution particle swarm optimization (DEPSO) method to obtain the best output effect. Finally, the proposed adaptive parameter-induced tri-stable stochastic resonance method is adopted to detect the mixed multiple high-frequency weak signal. The detection results are compared with that of adaptive bistable stochastic resonance. At the meanwhile, the method is also applied to detect the fault signal of single crystal furnace. Both the simulation analysis and experiment results show that the proposed method can effectively improve the output signal-to-noise ratio and detect multi-frequency weak signal in the strong noise background.     

基于粒子群优化的混沌系统比例-积分-微分控制

基于比例-积分-微分(PID)控制算法的简单性和实用性,但对于复杂非线性系统控制时参数的难以确定问题,运用集群智能中的改进粒子群算法进行PID控制器的优化,并应用于若干混沌系统的控制.对Hénon混沌、Duffing混沌、六辊UC 轧机混沌、Nagumo-sato神经元混沌、Chen氏混沌以及永磁同步电动机混沌的控制进行了仿真研究.研究结果表明： 用PID进行混沌系统的输出反馈控制是有效的,从而拓宽了PID控制的应用范围; 用简单方法控制复杂混沌系统是完全可能的,对混沌系统的控制具有较好的参考价值; 粒子 关键词： 混沌 比例-积分-微分控制 粒子群优化算法     

基于量子粒子群优化的正交小波加权多模盲均衡算法

针对常数模盲均衡算法(CMA)均衡高阶正交振幅调制信号(QAM)存在收敛速度慢、稳态误差大的缺点, 提出了基于量子粒子群优化的正交小波加权多模盲均衡算法(QPSO-WTWMMA). 该算法根据高阶QAM信号星座图分布特点, 将量子粒子群优化算法(QPSO) 和正交小波变换融入于加权多模盲均衡算法(WMMA)中. 因而, 利用QPSO对均衡器权向量进行了优化, 利用正交小波变换降低了输入信号的自相关性, 利用WMMA选择了合适的误差模型匹配QAM星座图. 理论分析及水声信道仿真结果表明, QPSO-WTWMMA算法可以获得更快的收敛速度和更低的稳态误差, 在水声通信中具有重要的参考价值.