基于改进粒子群算法的天线方向图综合技术

针对基本粒子群算法的早熟收敛、易收敛于局部极值的特点，提出一种改进的粒子群优化算法，采用对全局最佳微扰和惯性权重跳变阈值的设置改善了算法的优化速度和收敛精度。经过对一系列测试函数的计算，证明该方法具有良好的优化效果。最后，给出了该方法应用于阵列天线方向图综合中的模型和仿真实例。     

基于改进粒子群算法的分布式频率分集阵栅瓣抑制方法

以均匀线阵（Uniform Linear Array ,ULA）为子阵,结合频率分集阵（Frequency Diverse Array ,FDA）的思想,构建了一种基于分布式子阵的频率分集阵。针对各子阵按等间距布阵将导致严重的栅瓣问题,提出了一种改进粒子群 (Improved Particle Swarm Optimization ,IPSO) 算法来优化分布式FDA中各子阵间的基线距离,以实现高效的栅瓣抑制。同时,从理论上推导了目标距离和角度均未知时参数估计的克拉美罗下界(Cramer-Rao Lower Bound ,CRLB)。仿真结果表明,优化后分布式FDA的栅瓣得到有效抑制,而且阵列角度维分辨率和估计性能亦得到大幅度提升,验证了所提算法的有效性。     

粒子群优化算法用于阵列天线方向图综合设计

粒子群优化算法是基于一群粒子的智能运动而产生的一类随机进化算法,其优点是算法非常利于理解和应用.本文介绍了粒子群算法的原理和流程,研究了如何将这种方法运用于天线阵的方向图综合上,给出了PSO算法在综合阵列方向图的应用实例,表明粒子群算法在天线阵列综合中具有广泛的应用前景.     

基于粒子群算法的天线阵方向图优化

雷达阵列天线常涉及方向图综合,而天线阵综合常常是利用优化算法优化单元幅相及间距等参数的过程。粒子群算法具有理论简单、参数少和易于实现等特点,文中基于这一简单易行的优化算法,给出一种阵列天线赋形波束综合方法。通过优化阵列天线中各单元的馈电幅度和相位同时实现主瓣的赋形和副瓣电平的抑制,或通过仅相位加权实现主瓣波束赋形,得到优良的余割平方赋形。通过实例设计验证了粒子群算法优化天线阵方向图的有效性。     

粒子群优化算法在宽带耦合器设计中的应用

多节平行线耦合器的设计需要综合出各节的偶模特性阻抗。应用粒子群优化算法很好地综合出任意阶梯数任意耦合度等波纹时对应的偶模特性阻抗。举例优化了6倍频的耦合度为-35dB耦合器的偶模特性阻抗，并仿真设计了该耦合器。     

基于粒子群算法的无线传感器网络覆盖优化

传统无线传感器网络覆盖优化方法所选算法的结构不合理,使其覆盖能力、迭代能力和有效性无法维系网络基本功能,为此提出粒子群算法的无线传感器网络覆盖优化方法。通过构建无线传感器网络认知模型,将网络覆盖优化工作转化成求取目标物体最大覆盖几率问题,使用粒子群算法对模型进行编码,利用模型适应度函数给出的约束值对网络节点位置进行更新,实现对无线传感器网络覆盖率的优化。通过分析仿真实验结论可知,与传统方法相比,该方法具有更强的覆盖能力、迭代能力和有效性。     

基于改进差分进化算法的机载分布式阵列栅瓣抑制方法

近年来,分布式天线阵列以其突破传统布阵环境限制的灵活性/ 高增益性成为阵列研究的热点。对于机载雷达系统,应用分布式天线阵列可以充分利用机身布阵空间资源,提高阵列的增益和空间分辨率。现有分布式优化方法多针对单元间大间距阵列与多子阵分散排布阵列,机载环境下双子阵分布式阵列优化研究极少。文章针对机载双子阵分布式阵列孔径栅瓣密集问题,提出利用差分进化算法并加以改进,实现对机载的分布式阵列栅瓣进行抑制。该方法能够在满足约束条件的同时,有效降低双子阵分布式阵列的高栅瓣问题,同时,阵列的副瓣可以被控制在较低的水平。在一定的子阵间距条件下,阵列的最大副瓣电平可以降低到-10 dB 左右。对优化算法的有效性进行蒙特卡洛实验,结果验证了该方法的可行性。     

基于线性递减系数粒子群优化算法的组卷实现

为了避免目前常用的组卷算法组卷时间长、程序结构复杂、收敛速度慢等缺陷,提出基于线性递减系数粒子群优化算法的组卷策略。通过调整惯性系数,使得步长较小,惯性权系数的变化幅度小,这种减小趋势较为缓慢的方法能够避免陷入局部最优。并对数学模型以及线性递减惯性权系数进行了理论设计,同时通过编程实现了该算法。测试结果表明加入线性递减系数后运算迭代次数明显减少,证明加入线性递减系数后的组卷策略收敛性好,能够高效准确地按照一定的预期条件进行组卷,符合预期要求。     

自适应动态Meta粒子群优化算法综合多方向图共形阵列

基于全波仿真得到的广义阵元有源方向图,该文提出一种用于综合多方向图共形阵列的新方法：自适应动态Meta粒子群优化(ADMPSO)算法。在传统Meta粒子群优化(MPSO)算法基础上,定义了优势子群和非优子群的概念,并通过植入非优子群裁减、优势子群规模膨胀以及惯性权重自适应更新等机制,实现了优化过程中多子群的自适应动态调整,全面提高了算法性能。ADMPSO成功用于12元微带锥面共形阵列非赤道面的多方向图综合,综合过程考虑了由共形载体导致的阵元极化指向各异特征,在公共激励存在约束情况下,使阵列同时实现了笔形、平顶,以及余割平方波束总功率方向图,其与该阵列全波数值仿真完全吻合,优化结果和收敛速度相比于其他算法均有显著改善。     

分布式阵列方向图设计与栅瓣抑制方法研究

针对分布式阵列栅瓣抑制问题,提出了基于非周期阵列和随机阵列的分布式阵列方向图设计方法。首先,利用 Minimax 优化方法对子阵的边界进行优化并获取子阵最优位置参数, 实现分布式子阵随机优化布阵,从而消除阵列的周期性并最大限度地抑制栅瓣;其次,采用角度旋转的方式来消除分布式子阵之间的周期性,使得在方向图优化设计时能够避免栅瓣的累积叠加, 达到抑制栅瓣的目的。仿真分析结果表明,所述方法能够有效抑制分布式阵列的栅瓣,获得无栅瓣影响的分布式阵列方向图。     

一种改进的粒子群和K均值混合聚类算法

该文针对K均值聚类算法存在的缺点,提出一种改进的粒子群优化(PSO)和K均值混合聚类算法。该算法在运行过程中通过引入小概率随机变异操作增强种群的多样性,提高了混合聚类算法全局搜索能力,并根据群体适应度方差来确定K均值算法操作时机,增强算法局部精确搜索能力的同时缩短了收敛时间。将此算法与K均值聚类算法、基于PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,数据实验证明,该算法有较好的全局收敛性,不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和收敛速度都有显著提高。     

基于改进粒子群优化的探地雷达波形反演算法

探地雷达工作的最终目的是反演解释地下结构参数,由于大多数反演问题是非线性的,研究非线性的反演方法具有重要意义。该文提出基于改进粒子群优化方法的探地雷达反演问题,该算法以信号均方误差为目标函数,用时域有限差分方法作为正演工具。通过与基于遗传算法等反演方法的结果对比,说明了该算法兼顾了准确性和简便性;通过对模型复杂、参数多、信噪比差的仿真数据的反演结果,说明了该算法对多参数反演的有效性和良好的抗噪性;对实测数据的反演结果,进一步验证了该算法的可行性。     

基于改进的粒子群算法的二维阵列天线方向图综合技术

该文运用一种改进的粒子群优化算法对不等幅激励的矩形平面阵列天线的最大旁瓣电平进行了优化,采用对全局最优粒子微扰和跳变的惯性权重策略,并使用粒子群算法本身对参数组合进行了优化选择。新算法大大改善了优化速度和收敛精度。对二维阵列天线旁瓣电平优化和稀疏阵列方向图综合的良好结果也证明了该方法的有效性。     

一种基于粒子群优化的稀疏恢复算法

稀疏恢复问题是目前国际数学与信息处理领域的一个研究热点,主要通过凸松弛法和贪婪追踪法两大类方法求解。但前者在恢复效率方面,后者在恢复能力方面都存在缺陷,而且两者都不能对高斯信号在较大的稀疏度下或在较小的观测度下获取有效的恢复。该文基于粒子群优化并结合了贪婪追踪法的思想,提出了一种新的稀疏恢复算法。数值实验表明,与其它方法相比,该文提出的算法不仅能获得更有效的恢复,而且在一般的稀疏度和观测度条件下运行速度较快。     

基于粒子群优化算法思想的组合自适应滤波算法

根据粒子群优化(PSO)算法的社会心理学指导思想并结合自适应FIR滤波器的特点,设计了合适的惯性项、认知项与社会项表达式,并将之应用于组合自适应滤波器的子自适应滤波器更新中,提出了基于PSO算法思想的组合自适应滤波算法,分析了新算法的计算复杂度。理论分析与不同条件下的自适应系统辨识仿真结果表明,新算法可以在不明显提高计算量的条件下较好地平衡自适应滤波器的稳态失调与跟踪能力,其收敛性能优于其它几种较新的LMS算法。     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型,并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案,与其他算法相比,所得Pareto解集在收敛性和多样性上具有性能优势。

     

量子粒子群算法在地磁匹配航迹规划中的应用

针对基本粒子群算法在飞行器地磁匹配航迹规划中容易陷入局部收敛的问题,借鉴粒子群算法和量子进化算法,将量子粒子群算法应用在基于地磁匹配的航迹规划中。结合飞行器的性能约束和地磁匹配自身特点,设计了一种适用于地磁匹配航迹规划的评价函数作为适应度函数。仿真结果表明,量子粒子群算法具有较快的收敛速度且改善了最优解,验证了量子粒子群算法应用于地磁匹配航迹规划的有效可行性。     

基于自适应变异粒子群优化算法的自适应滤波器设计

本文提出了设计一种基于自适应变异粒子群优化算法的振动信号的自适应滤波模型，然后重点研究了自适应数字滤波器设计的粒子群优化算法及其实现步骤。该滤波模型在计算机仿真测试中，获得了很高的效率和良好的结果。     

基于量子粒子群算法的MIMO 信道容量优化

MIMO技术是一种很有潜力的新一代无线通信领域的关键技术,其高信道容量是最具吸引力的地方,但是其信道容量的实现受到多种因素的影响。综合考虑影响其容量的各个环节,仔细分析了其中几个关键因素并给出了相应的仿真。为了最大限度地实现高信道容量,依据量子粒子群优化算法,结合理论分析给出了惩罚函数,并构造了基本粒子,这样根据迭代函数就可以求出最佳粒子,依照此最佳粒子就可以合理优化设计MIMO系统。     

基于粒子群优化的正交小波盲均衡算法

为克服常数模算法(CMA)收敛速度慢、稳态误差大的缺点,在分析正交小波常数模盲均衡算法(WT-CMA)基础上,该文提出了基于粒子群优化的正交小波常模盲均衡算法(PSO-WT- CMA)。该算法利用粒子群的信息共享机制和有效的全局搜索特点,寻找最优的均衡器权值,并用正交小波变换降低信号的自相关性。水声仿真结果表明：与常数模算法(CMA)、基于粒子群优化的常数模盲均衡算法(PSO-CMA)和基于正交小波变换的常数模盲均衡算法(WT-CMA)相比,该算法在提高收敛速度和减小码间干扰方面的性能有很大的改善。