量子粒子群优化算法的收敛性分析及控制参数研究

通过分析粒子群优化算法的特点,将粒子放在量子空间来描述,建立粒子的量子势能场模型,并结合群体的群集性推导了量子粒子群优化(QPSO)算法.在随机算法全局收敛定理的框架下,讨论了QPSO算法的收敛性,证明QPSO算法是一种全局收敛的算法.针对QPSO算法的唯一控制参数,提出了三种控制策略,结合标准测试函数的仿真结果给出了具有实际指导意义的控制参数选择方法.     

自动交换光网络中的信令协议和恢复分析

文章介绍了自动交换光网络(ASON)中的信令协议.信令协议主要完成标签交换路径(LSP)的建立、维护和释放.文章集中阐述了为支持ASON而对信令进行的扩展,包括扩展的消息和消息中所携带的信息,以及在ASON中建立一条LSP的过程.最后,着重对LSP建立和恢复过程的时间进行了详细的分析.     

基于干扰因子的QPSO算法改进

具有量子行为的粒子群优化算法(Quantum-Behaved Particle Swarm Optimization,QPSO)是一种新的基于群体智能的优化方法.与粒子群算法(Particle Swarm Optimization,PSO)相比,QPSO的全局收敛性能更好.但与其他进化算法一样,QPSO仍然不可避免地遇到早熟收敛的问题.因此在QPSO算法的基础上,引入干扰因子以避免算法的早熟现象.实验结果表明,改进后的QPSO算法具有更好的收敛性能.     

二维分子动力学计算中协调系数的表达式

协调系数是反映气体与壁面动量和能量交换的重要参数,可通过分子动力学方法进行统计,其二维模拟由于计算量较三维大大减小而逐渐得到应用.法向动量协调系数表达式中的p_(nw)和能量协调系数表达式中的E_w分别表示气体分子在壁面漫反射后的平均法向动量和平均能量,利用气体动理论推导发现,二维的p_(nw)与三维相同,而E_w则由于降维小于三维的结果,导致能量协调系数的表达式在二维计算中有别于三维.依据协调系数的表达式,使用分子动力学方法模拟三维和二维系统中的导热问题,结果表明,二维能量协调系数与三维相比较小,而法向动量协调系数差别不大.     

改进的抗窄带干扰非线性预测方法

为了有效抑制直接序列扩频通信中的窄带干扰,提出了2种改进的非线性预测方法（NLMSN和LNLMSN）。NLMSN是在原非线性预测方法的基础上,针对NLMS算法在强干扰条件下抑制性能不理想的缺点,运用修正LMS Newton算法对其进行改进而得到的方法。LNLMSN是在NLMSN的基础上,引入Laguerre时延单元,使得这两种方法在取得相同信噪比改善量的同时,减少了滤波器阶数,降低了方法实现的复杂度。仿真结果表明,与原方法相比,改进方法的抗干扰性能有了较大提高。     

信号检测中的似然比不变性及其证明

似然比检验在雷达、通信信号的检测中具有重要意义。在简单的二元假设检验问题中,最终需要由似然比和判决门限做比较。根据似然比的不变性,可以将不同假设下似然比的条件概率密度函数进行关联。因此,在其他概率密度函数难以得到的情况下,检测概率和虚警概率可以仅仅根据某一个似然比的概率密度函数计算得到,从而降低了计算复杂度。另外,似然比的不变性可以证明接收机工作特性曲线的斜率特性。文中给出了似然比不变性的严格证明,可为似然比检验的应用提供更坚实的理论依据。     

盲分离与ASLC 抗干扰性能对比分析

针对盲分离和自适应旁瓣相消器(ASLC)两种抗干扰技术在实际中如何选择应用的问题,对盲分离和ASLC 的抗干扰性能进行了对比分析。在对盲分离和ASLC 抗干扰原理及信号处理技术研究的基础上,在多种场景及不同信噪比情况下对两种技术的抗干扰性能进行了仿真对比分析。通过分析,给出了不同干扰情况下抗干扰方法的选择依据,即ASLC 对于旁瓣干扰抑制更加有效,而主瓣干扰抑制方面盲分离技术更有优势。     

多机协同干扰组网雷达的资源调度方法

针对组网雷达频段宽、空间离散及自由度高而造成的干扰难度大的问题,本文提出一种多干扰机协同压制组网雷达系统的干扰波束和功率资源联合调度方法。首先,基于干扰信号模型以及组网雷达系统和随队支援干扰系统的几何位置关系建立敌方雷达回波信号模型;然后,结合压制干扰环境下敌方雷达回波信号模型,推导了组网雷达的目标检测概率,并将其作为性能指标以量化组网雷达的检测性能;最后,考虑到组网雷达与干扰机的工作频率匹配度给干扰资源分配带来的影响,建立并求解了带有干扰资源约束条件的干扰波束和功率联合优化问题。仿真结果表明,与干扰资源均匀分配方法相比,本文所提的干扰波束与功率资源联合调度方法能有效提升随队支援干扰系统的干扰性能,并降低组网雷达的检测性能。     

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

基于高光谱图像的生菜叶片水分预测研究

为了便于生菜合理施水管理,力求构建生菜叶片水分检测模型。采集生菜叶片获取高光谱图像并同时测量叶片含水率,分析高光谱图像寻求生菜叶片水分特征波段,处理特征波段处的波段图像,求取生菜叶片水分的图像特征,并通过相关性分析筛选出其中与水分相关性高的图像特征。由于图像特征之间存在可能的相关性,利用偏最小二乘PLS提取图像特征的主成分,作为具有回归预测能力的BP神经网络的输入,构建PLS-ANN模型。同时分别利用BP神经网络、传统的多元回归方法MLR建模,采用相同的样本数据分别对三种模型进行预测试验,结果表明,发棵期的PLS-ANN网络模型的生菜叶片水分预测平均误差率达到9.323%,比BP-ANN和MLR预测模型均有了改善。