基于鸡群算法的认知无线电决策引擎

提出基于鸡群算法的认知决策引擎,以解决认知无线电发射参数的自适应重配置问题。将认知决策引擎模型转化为多目标优化问题,并采用加权和方法将其转换为单目标优化问题。采用鸡群算法对认知决策引擎进行求解,从而实现认知无线电发射参数的重配置。结合多载波通信系统进行了仿真实验,结果表明,该认知决策引擎能根据用户需求变化,动态进行认知无线电参数的重配置。     

认知无线电网络中频谱空穴利用率的优化策略

认知无线电技术允许认知用户动态利用频谱空穴,从而提高频谱利用率.授权用户的活跃度、感知时间的大小、是否采用协作感知、认知用户接收信噪比和数据传输时延均影响频谱空穴利用率.建立了频谱空穴利用率的数学模型,目的是在保护授权用户权益的前提下分析各种参数对频谱空穴利用率的影响,并进行了计算机仿真.仿真结果及分析表明:为了提高频谱空穴利用率,认知用户可采取协作感知,采用最优感知时间和提高数据传输速率的方法;授权用户可采取提高信号功率的方法.     

基于双代理结构的认知无线电动态频谱接入方案

与传统的频谱管理方式相比,动态频谱接入能够充分利用未被占用的频谱资源,提高频谱利用效率,缓解频谱资源紧张的局面。本文基于双代理结构的认知无线电场景及离散事件系统,提出了一种高效的动态频谱接入方案,并利用连续时间Markov链对该策略建模,计算机仿真结果验证了该方案的有效性及理论计算结果的正确性。     

认知无线电中协同频谱估计算法改进

针对认知无线电网络中认知用户接收到频谱信号的决策值,提出了一种协同的分布式平均一致性算法。通过自动调节步长的大小,并且在迭代过程中结合最速下降法和牛顿法,获得全局最优的估计值集合,同时联合全网用户交换信息做出最优估计,优化了计算的迭代次数以及收敛性。实验结果表明,联合算法可适应不同规模的系统,在同等条件下其收敛时间缩短了约20%,且具有较好的稳定性能。     

基于多目标混合遗传算法认知无线电频谱分配

在认知无线电的频谱分配问题中,论文提出基于图着色模型的多目标混合遗传算法。该算法采用多目标函数为适应度函数,将模拟退火算法嵌入到遗传算法的循环中,弥补遗传算法局部搜索能力的不足。仿真结果表明多目标混合遗传算法能增强全局搜索能力,提高收敛速度,更好地实现系统效益最大化。     

认知无线电频谱感知算法研究

随着信息社会经济的快速发展,人们对移动通信、宽带无线接入的需求不断增长,无线频谱资源越来越匮乏,频谱指配越来越困难。认知无线电技术接入灵活,能够大大提高频谱的利用率,当前被认为是解决上述问题的最佳方案。无线频谱感知技术是认知无线电的基础,文章对主用户的发射端、接收端的频谱感知算法,基于小波基的多分辨率宽带信号频谱感知算法,多节点协同感知算法进行了研究,分析对比给出了各种算法的优缺点。     

软判决协作频谱感知的最优判决门限(英文)

为了获得认知无线电系统更高的频谱利用效率,基于最小总错误概率准则推导了软判决协作频谱感知最优判决门限的闭合表达式,并且分析了各种频谱感知参数对最优判决门限的影响.理论分析表明,所提出的最优门限可以获得虚警概率和漏检概率2种性能指标的折中.从仿真结果可以看出,平均信噪比和软判决方案对最优判决门限影响较大,而样本数量对最优的判决门限几乎无影响.对于MRC和MDC两种软判决方案,随着协作用户数量的增加,最优判决门限值随之增加并且趋近于某一极限值.而对于EGC软判决方案,协作用户数对其最优门限值影响很小.     

认知无线电实验平台框架研究

认知无线电是解决目前频谱利用率低下的关键技术,由GNURadio和USRP构成的认知无线电平台受到了广泛关注。首先简要介绍了几种目前已经开发的认知无线电平台,然后重点对基于GNURadio和USRP构成的认知无线电平台的软件及硬件架构进行了透彻分析和研究,最后分析了与认知无线电理论相关的GNURadio源码包中的程序,并在USRPN200上实现了简单的应用。     

基于多目标遗传算法的混合动力车控制策略参数优化

混合动力汽车的优化目标是在满足动力性及其各部件性能约束的前提下减少油耗并降低排放.这些特性除了与动力系统各部件参数有关,同时还受控制策略参数影响.本文以并联式混合动力车为研究对象,应用的多目标遗传算法,采用非占优排序方法来处理多个目标函数,将油耗和排放同时作为优化目标,优化控制策略参数,从而得到这类集成优化问题的Pareto最优解集,可以为控制策略参数的设定提供多种选择.     

浅论认知无线电中频谱感知技术研究

认知无线电技术能够让非授权用户利用已经分配给授权用户的某些频段．为了不对授权用户的通信造成干扰,认知用户需要对频谱进行不断的感知来判断授权用户是否存在．因此,频谱感知是认知无线电技术的前提和基础．本文介绍了几种主要的频谱感知技术,重点分析了能量检测的基本原理,并提出基于能量感知的合作式感知技术将是最可靠、灵敏度最高、最有发展前景的感知技术．     

基于改进粒子群算法的PID参数优化研究

PID控制是典型的工业控制,其核心内容是PID参数优化。为解决参数优化时不能确保得到最佳性能且耗时问题,通过改进粒子群算法学习因子,研究基于相等随机因子粒子群算法的PID参数优化,将其与标准的粒子群算法及迭代次数线性变化的学习因子进行比较。仿真结果表明,该算法性能指标tr、ts、δ%分别为1.782、3.285、14.07%,两种对比算法的tr、ts、δ%分别为1.804、4.825、24.33%和1.802、4.135、16.56%,改进算法提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。     

基于MUSIC算法的MIMO雷达的角度估计

多输入多输出(Multiple-Input Multiple-Output:MIMO)雷达利用多天线发射互相正交的信号,可以实现灵活的发射分集设计,具有高分辨率的空间谱估计性能。为降低计算的复杂度,提升信噪比高时信号的性能,文章基于MUSIC算法对双基站雷达信号的到达角与发射角作相应估计,结合优化方法和误差准则,对不同参数条件下的该算法作了仿真分析和综合比较。结果证明了该算法的有效性。     

识别含水层参数的单纯形-混沌优化算法

以泰斯公式为基础,将单纯形-混沌优化算法应用于分析抽水试验数据,求解含水层参数函数优化问题。采用具有搜索速度快、局部搜索能力强等优点的单纯形算法与全局搜索能力强的混沌优化算法结合的单纯形-混沌优化算法。数值实验结果表明：单纯形-混沌优化算法可有效地应用于求解含水层参数函数优化问题;待估参数导水系数的初始取值范围、粗搜索次数和混沌序列长度对算法的收敛速度有一定的影响,但不会影响算法的收敛性。     

SAPSO-BP算法在异步电机故障诊断中的应用

为了提高异步电机故障诊断的准确性,引入了一种基于模拟退火粒子群算法优化BP神经网络(SAPSO-BP算法)的故障诊断方法.根据电机转子振动频谱中所提取的特征参数与故障类型之间的关系数据,利用模拟退火粒子群算法来优化BP神经网络的权、阈值参数,再由优化好的BP网络进行故障诊断.实验结果表明,该方法具有较好的故障模式的识别效果,明显提高了异步电机故障诊断的准确性.     

一种改进的自适应差分演化算法

差分演化是一种简单、有效的全局数值优化算法,相关研究表明,参数的自适应能够有效提高算法的性能．提出了一种集成的混合参数自适应差分演化算法,并巧妙利用一种自适应选择机制来选择算法池中的算法,通过对25个国际标准测试函数进行测试,实验结果表明,该方法在最优解质量、稳定性、收敛速度优于其它被比较的算法．     

Multi-objective process parameter optimization for energy saving in injection molding process

This paper deals with a multi-objective parameter optimization framework for energy saving in injection molding process. It combines an experimental design by Taguchi’s method, a process analysis by analysis of variance (ANOVA), a process modeling algorithm by artificial neural network (ANN), and a multi-objective parameter optimization algorithm by genetic algorithm (GA)-based lexicographic method. Local and global Pareto analyses show the trade-off between product quality and energy consumption. The implementation of the proposed framework can reduce the energy consumption significantly in laboratory scale tests, and at the same time, the product quality can meet the pre-determined requirements.     

一个新的单参数填充函数算法

研究了全局最优化问题,在新的假设条件和定义下,提出了一个新的单参数填充函数,得到了一个新的填充函数算法.数值试验表明该填充函数算法是有效的,从而推广了填充函数算法在求解全局最优化问题方面的应用.     

结合非线性互补问题函数的滤子逐次二次规划算法

A mechanism for proving global convergence in filter-SQP(sequence of quadratic programming)method with the nonlinear complementarity problem(NCP)function is described for constrained nonlinear optimization problem.We introduce an NCP function into the filter and construct a new SQP-filter algorithm.Such methods are characterized by their use of the dominance concept of multi-objective optimization,instead of a penalty parameter whose adjustment can be problematic.We prove that the algorithm has global convergence and superlinear convergence rates under some mild conditions.     

A cross-layer design approach on spectrum allocation and resource scheduling in cognitive PMP networks

We propose the spectrum allocation and resource scheduling algorithms in cognitive point to multipoint （PMP） networks with rapid changes of spectrum opportunities and present a media access control （MAC） protocol based on these algorithms. The objective of spectrum allocation is to make efficient use of the spectrum while maintaining the transceiver synchronization on frequency and time in the network. The objective of resource scheduling is to guarantee the quality of service （QoS） requirements of different kinds of connections and to minimize the total energy consumption in the network as well. By sensing only a small set of possible channels in each slot based on the state transition probability of each channel, our spectrum allocation algorithm achieves high spectrum efficiency in the network. The resource scheduling problem is divided into three sub problems and we derive optimal solutions to these problems by greedy algorithm and convex optimization. The simulation results show that our algorithm can make efficient use of the spectrum and the network resources at a cost of low computational complexity.