机动目标跟踪的修正输入估计(MIE)算法与自适应α-β算法

机动目标的跟踪是雷达数据处理中的重要问题,对此进行了探讨的代表性的算法有Singer算法、IE算法、VD算法、IMM算法等。本文提出了修正的输入估计(MIE)与自适应的α—β两种新算法。MIE算法性能与IE算法相当,但运算量比IE算法小。自适应α—β算法的性能略低于以上几种算法,但运算量则大大低于上述几种算法,在对性能要求不很高的情况下,采用这种算法是较为合适的。     

利用KMP的改进算法实现多次模式匹配

KMP算法是字符串查找算法中的一个经典算法 ,该算法在最坏情况下具有线性的查找时间 ,查找效率高。本文介绍了KMP算法的查找原理 ,并与朴素查找算法进行了比较 ,并结合KMP的改进算法给出了多次匹配的算法。     

基于二次繁殖的自适应差分演化算法

分析了差分演化算法的基本原理,针对基本差分演化算法对控制参数选择敏感性强、算法后期收敛速度较慢等问题,提出了基于二次繁殖的自适应差分演化算法,并通过实验对改进算法的性能进行测试。实验结果表明,改进算法的性能优于基本差分演化算法和自适应差分演化算法。     

基于简化CKF的IMM算法北大核心

IMM算法中采用的运动模型多为线性,针对这一情况,首先对容积卡尔曼滤波(cubature Kalman filter,CKF)算法进行了简化,通过理论推导证明,简化CKF算法的时间更新结果与KF算法的一步预测结果一致。然后对简化算法进行了计算复杂度分析,分析结果表明简化算法的复杂度要远低于CKF。进而将简化的CKF算法与IMM算法相结合,提出了一种基于简化CKF的IMM算法,最后通过机动目标跟踪实验对新算法进行了仿真,实验结果表明,新算法在没有降低跟踪精度的前提下,大幅缩短了算法的运算时间,提高了跟踪的实时性。     

低复杂度LDPC码译码算法

提出了一种低复杂度的LDPC码译码算法CSPA(combined sum-productalgorithm),该算法初始迭代采用和积译码算法(SPA),当大部分信息趋于稳定时,将算法切换到选择节点更新算法(SNU)。仿真表明:在中长码时,新算法克服了SNU算法收敛速度慢和较高错误平台的不足;与和积译码算法相比,该算法以微弱的性能损失换取复杂度的有效降低。     

基于LOB的辐射源无源定位算法对比研究

分析了4种具有代表性的基于辐射源方位线(Lines Of Bearing,LOB)的无源定位算法,即Pages-Zamora定位算法、布朗定位算法、概率定位算法和模糊定位算法。在此基础上提出了融合-迭代定位算法,并进行了蒙特卡罗仿真对比实验,对5种算法的定位精度和运算量进行了比较分析。实验结果表明:融合-迭代定位算法的综合性能优于其他定位算法。     

IMM-Singer模型的机动目标跟踪算法

交互式多模型(IMM)算法是一种有效机动目标跟踪算法,但其性能与模型的选择、个数以及参数有关。Singer模型算法可以实现对机动目标的跟踪,但该算法存在机动频率和过程噪声大小等参数难以选取的问题。针对以上情况,利用IMM算法易于结合其他算法的特点,提出一种基于IMM-Singer模型的机动目标跟踪算法,实现Singer模型参数的自适应选择。仿真结果表明,该算法比单一的Singer模型算法或一般的IMM算法更能有效提高机动目标跟踪精度。     

一种NLOS环境下基于散射模型的TOA定位方法

减小非视距(Non Line Of Sight,NLOS)误差定位算法大多要求在移动台和基站之间至少存在一条视距(Line Of Sight,LOS)路径。提出一种新的NLOS环境中基于散射模型分类传播环境的TOA(Time Of Arrival)定位方法,将散射模型中NLOS传播的统计特性加入到定位算法中,使用散射模型研究了3种定位算法,方差匹配算法,期望最大算法和贝叶斯算法。并对算法进行仿真,仿真结果表明,本算法性能优于传统定位算法。     

一种基于克隆选择原理的空战目标分配算法

针对空战目标分配问题,在以优势函数为空战模型的基础上,提出了一种基于克隆选择原理的目标分配算法,并引入混沌算子,增强了算法中个体的多样性和稳定性,减少算法的盲目性,提高了算法的收敛速度。根据克隆选择原理,分析了算法的编码方式、克隆选择算子对算法的影响,给出了算法的流程。最后进行了仿真,结果表明了算法的有效性。     

基于LMS2UKF的主/被动雷达融合算法

在主/被动雷达双传感器目标跟踪背景下,针对IMM算法的计算量大,提出一种基于变结构多模型思想的LMS2UKF分布式融合算法。该算法将LMS算法和UKF滤波算法结合进行矩阵加权融合。与IMM2UKF算法进行仿真比较,结果表明在相同情况下,本算法有较好的稳定性和较好的定位精度。     

基于提升的双自适应小波变换算法研究

小波变换的传统提升算法的滤波器固定,不能随输入信号的变化而改变,针对该问题,结合现有的自适应算法,提出一种双自适应小波变换算法,并对该算法的更新和预测过程进行了自适应调整。实验证明,该算法比传统的提升算法和单纯的自适应更新或自适应预测算法具有更优越的性能。     

图象跟踪算法分析

对自适应分析质心跟踪算法、相关跟踪算法和倒谱法等几种典型的跟踪算法作了介绍,提出了计算量较少、精度较高的相移算法。最后,对这些算法作了分析比较。     

果蝇算法和5种群智能算法的寻优性能研究

截止到目前为止进化式算法主要有遗传算法、蚁群算法、鱼群算法、免疫算法、粒子群算法.这些算法已经被广泛地用于寻优,但都有各自的缺点,导致其不易被用于解决实际问题.某学者提出了一种新群智能算法——果蝇算法.对该算法的起源进行分析,并将该算法与其他算法对比,通过仿真分析各个算法寻优性能.重点分析果蝇算法的寻优性能,得出果蝇算法简单、参数少、易调节、计算量小、寻优精度较高,从而较容易被用于解决实际问题,对于复杂问题算法可能不稳定.指出该算法的缺点,提出应改进的地方,对其应用前景作了概括.     

四种智能算法的比较研究

随着智能算法的研究深入,一些新的智能优化算法不断被提出,包括从遗传算法、蚁群算法、粒子群算法、人工鱼群算法等。这些算法都是从自然界的自然生物的特性启发而研究出来的,由于这些算法在求解时不依赖于梯度信息,因而特别适用于传统方法解决不了的大规模复杂问题。通过这些算法的介绍和分析,并通过测试函数测试了四种算法的收敛性、收敛速度和精度,评价了这些智能算法在求解函数优化问题的能力。最后对优化算法今后的发展方向进行了评述与展望。     

基于免疫粒子群文化算法的数字电路故障诊断

为改善粒子群算法摆脱局部极值点的能力,提升种群进化的多样性,将免疫算法中免疫机制引入到粒子群算法中形成免疫粒子群算法;为有效提高故障覆盖率和缩短测试生成时间,将免疫粒子群算法引入文化算法框架中形成免疫粒子群的文化算法。将其应用于数字电路故障模型仿真实验并与其他测试生成算法进行对比,结果表明该算法能够有效提高故障覆盖率,缩短测试生成时间,在大规模电路测试生成与故障诊断中更具优势。     

机载武器控制系统算法研究

机载武器控制系统的算法是其软件部分的核心,算法的最终目的是保证在一定的条件下实现最有利的武器运用方案。将机载武器控制系统的算法分为四个不同的子算法,对每一子算法的建立方法进行了描述,最后得到形成执行命令的算法,即武器运用方案执行命令分配及形成的算法。     

基于微分进化算法的盲源分离

将微分进化算法的优点引入到盲源分离中,提出了基于微分进化的盲源分离算法。该算法以混合信号的峰度为代价函数,采用独立分量分析的方法对瞬时混合的信号进行盲分离。盲源分离中常用的自然梯度算法是一种局部寻优算法且收敛速度较慢,而微分进化算法是一种全局寻优算法且具有并行性、易实现等优点。分别用无噪仿真信号和有噪仿真信号对提出的算法进行仿真实验,比较了基于微分进化算法的盲源分离、基于粒子群优化算法的盲源分离和基于自然梯度算法的盲源分离的分离结果。结果表明:基于微分进化的盲分离算法收敛速度快,分离效果也比较好。     

盲信道均衡的动量恒模算法

介绍了盲信道均衡恒模算法(CMA)的基本原理,对恒模算法的缺点进行了分析,通过修正恒模算法的迭代公式提出一种动量恒模算法(MCMA)。利用QPSK信号,采用计算机仿真的方法对动量恒模算法与恒模算法进行盲均衡性能比较,模拟结果显示,MCMA算法比CMA算法在收敛速率、降低稳态均方误差和符号间干扰具有明显的优势,有效地改进了信道均衡性能。     

基于种群多样性测度的PSO算法及其应用研究

针对基本粒子群算法(particle swarm optimization,PSO)易局部收敛的缺陷,设计了一种根据种群多样性测度动态调整惯性权重的改进粒子群算法,通过仿真测试函数与基本粒子群算法、自适应粒子群算法(adaptive particle swarm optimization,APSO)、带收缩因子的粒子群算法(contractive particle swarm optimization,CPSO)进行比较,改进的PSO算法在提高算法的综合搜索能力方面具有优越性。将改进的PSO算法运用到作战飞行器航迹规划中,并进行了仿真实验,仿真结果验证了改进算法的有效性。     

基于改进欧几里得算法的卷积码快速盲识别算法

卷积码盲识别技术在信号截获、智能移动通信、多点广播通信等领域具有广泛应用,针对卷积码的快速盲识别问题,对经典欧几里得算法进行了改进,提出了一种基于改进欧几里得算法的卷积码的快速盲识别方法。算法对卷积码码率进行遍历,通过欧几里得迭代算法求解卷积的校验多项式,实现了任意码率卷积码的快速盲识别。对算法进行了仿真,仿真结果验证了算法的有效性,且算法的计算量小于文献中已有算法。