一种双模式盲均衡新算法

为了克服常数模算法(CMA)收敛速度慢、稳态剩余误差大的缺点,研究了常数模算法与判决引导算法(DD)相结合的双模式盲均衡算法,通过分析CMA和DD之间的相似之处,引出了一种新的切换条件用于该算法中2种模式之间的切换,并提出了基于该新切换条件的双模式盲均衡新算法.与硬切换不同,新算法中2种模式对信号的均衡是交替进行的.新算法充分利用了CMA能使眼图睁开的良好性能和DD收敛速度快、稳态误差小的优点,使其具有比CMA更快的收敛速度和更小的稳态剩余误差.用水声信道对算法的性能进行了仿真研究,结果证明了该算法的有效性.     

基于双曲正切误差函数的变步长盲均衡算法

为了克服常数模算法(CMA)收敛速度慢,收敛后均方误差大的不足,定义了双曲正切误差函数,提出了基于双曲正切误差函数的变步长盲均衡新算法.该算法利用双曲正切误差函数关于均衡器输出幅度等于常数模的轴奇对称特性来减少均方误差,利用变步长来加快收敛速度.用负声速梯度水声信道,对算法的性能进行了仿真研究.结果表明,该算法收敛速度快、均方误差小,较好地克服了CMA的缺陷.     

多径信道中盲信道均衡的恒模算法

许多数字通信系统常受到由带限收发滤波器及多径效应引起的码间干扰，为达到可靠通信必须进行信道均衡，传统的方法是基于训练序列的信道均衡。近些年来盲信道均衡引起了人们极大的兴趣，其中应用最广泛的自适应均衡算法是盲信道均衡恒模算法。论述盲信道均衡恒模算法的基本原理，从恒模代价函数出发详细推导出盲信道均衡恒模算法并给出Matlab实现代码。计算机仿真证明此代码的有效性。     

一种适合于水声信道均衡的符号常数模算法

在分析常数模算法代价函数的基础上,提出一种适用于QAM信号的符号常数模算法.通过修改常数模代价函数中的平方运算为求绝对值运算,得到一个新的代价函数,采用随机梯度准则得到了相应均衡器抽头系数的迭代式.水声信道仿真结果表明,所提出的算法的稳定性和剩余均方误差与CMA算法接近,但是计算量和收敛速度优于CMA算法.     

基于多模的符号递归常数模算法研究与仿真

针对符号递归常数模算法(SR-CMA)稳定性差、剩余误差大的缺点,提出了一种适用于正交幅度调制(QAM)信号的双模式盲均衡算法.该算法在初始模式中采用运算量较小的SR-CMA算法进行均衡,利用判决圆环对均衡器输出信号进行判决,当误码率降到足够低的水平时自动切换到多模算法,以进一步降低均方误差.利用水声信道模型进行仿真,结果表明,该算法性能稳定,计算量小,稳态剩余误差低于CMA和SR-CMA算法.该算法能够有效降低高速水声通信的误码率,提高水声信道均衡的稳定性.     

引入迭代阈值判决导引判决反馈盲均衡算法

基于判决圆的常数模算法(CMA)和判决导引算法(DD)相结合的判决反馈盲均衡算法(CMA+DD),在均衡的起始阶段,由于眼图未睁开,DD算法无法收敛,导致收敛速度慢.为了加快收敛速度,在迭代过程中引入迭代阈值limit,以修改CMA+DD算法的判决条件,从而得到改进的CMA+DD算法(MCMA+DD).该算法在均衡的起始阶段先采用CMA迭代limit次,然后再根据判决圆进行切换.水声信道仿真结果表明,MCMA+DD算法收敛速度快;迭代阈值不同,影响收敛速度;仍具有冷启动和重新启动能力.     

基于无味粒子滤波和交互多模型算法的多机动目标跟踪

闪烁噪声是一种非高斯噪声．为了提高闪烁噪声下多机动目标跟踪的精度，在交互多模型IMM（Interacting Multiple Models）算法的基础上将非线性非高斯系统滤波算法——粒子滤波与IMM算法相结合，采用无味粒子滤波UPF（Unscented Particle Filter）代替IMM算法中各模型的卡尔曼滤波，提出了一种UPF—IMM算法，并应用该算法代替传统IMM_JPDA数据关联方法中的IMM部分，解决了闪烁噪声环境下的多目标跟踪问题，实验结果表明该算法可以明显地提高跟踪精度．     

基于GA-FCMAC算法的船舶运动智能控制器

在研究模糊小脑模型神经网络控制器（FCMAC）的基础上，本文提出了基于遗传算法学习的模糊小脑模神经网络控制（GA－FCMAC）算法并应用于船舶运动。仿真结果表明该算法具有良好的控制性能。     

雷达信号检测中恒虚警处理的算法研究

介绍了几种适于雷达信号检测的恒虚警处理（CFAR）的经典算法,在此基础上提出一种多分层的恒虚警处理算法。     

基于指数型变步长常模水声信道盲均衡算法及其DSP实现

针对传统的固定步长常数模算法(CMA)收敛速度和剩余误差之间的矛盾,分析了基于指数型的变步长水声信道盲均衡算法(EVCMA),利用水声信道对该算法进行了仿真实验,获得了算法中的各参数值.根据数字信号处理器(DSP)TMS320VC5502芯片运算速度快、数据处理能力强的特点及所获得的参数,在集成开发环境(CCS)中,用C语言编写该算法代码,通过仿真调试,实现了该算法.结果表明,该算法具有收敛速度快、剩余误差小的特点,DSP实现具有较好的效果.     

集装箱船主尺度全局最优化的混沌算法

提出了应用混沌优化方法（Chaos Optimization Algorithm,COA)进行集装箱船船型主尺度要素全局优化的新策略。混沌优化方法利用混沌变量的随机性、规律性、遍历性寻优，能够克服经典优化方法如直接法、梯度法、Hessian法等方法容易陷入局部极小点的不足，方法简单、快速、易于掌握，其效率比一些目前广泛应用的随机优化方法如模拟退火法（SAA）、遗传算法（GA）等高得多。实际算例的结果证实了混沌优化方法用于集装箱船船型优化的有效性。     

混沌遗传算法在船舶电力系统供电恢复中的应用研究

实现船舶电力系统的快速供电恢复是一个复杂的多目标非线性组合优化问题.根据系统的特点,采用混沌自适应遗传算法,使用混沌优化产生初始群体,以保证初始种群含有较丰富的模式,从而增加搜索快速收敛于全局最优解的可能,然后通过采用精英保留的选择机制和自适应交叉、变异概率,有效地加快了算法的收敛速度.船舶电力系统典型故障恢复算例表明,该算法改善了遗传算法的性能,提高了算法的收敛速度及精度,避免了不成熟收敛,较好地实现了船舶电力系统的多目标故障恢复.     

多Agent粒子群算法在船舶电力网络重构中的应用

根据船舶电力系统自身所具有的特点,结合智能控制算法以及多Agent技术在电力系统的应用,本文提出了一种基于粒子群算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的拓扑模型以及数学模型。在粒子群法的基础上,给出多Agent系统的全局最优解,实现网络重构供电最优,并通过相应的算例进行验证分析。     

基于GA的电力系统无功优化

本文针对电力系统无功优化的问题,建立了基于GA的电力系统无功优化模型,设计了遗传算法用于求解,并通过实例进行仿真。计算机仿真结果表明,优化后的网损减少1／5,有效地降低了网损并提高了电压质量。     

水下传感器网络覆盖优化算法

针对水下传感器网络随机部署时节点分布不均匀、网络覆盖率不高问题,提出一种基于改进全局人工鱼群算法的网络覆盖优化算法。优化算法以覆盖率为目标函数自适应调整人工鱼移动步长,同时在向最优人工鱼靠拢过程中引入权重系数,提高算法寻优精度和收敛速度。实验结果表明,与遗传算法和鱼群算法相比较,该改进算法优化了网络覆盖率,加快了算法收敛速度,提升了网络性能。     

基于改进遗传算法的舾装件托盘多载具协同拣选方法

为提升舾装件托盘的拣选效率,建立拣选过程的数学模型,提出一种基于改进遗传算法（Improved Genetic Algorithm,IGA）的舾装件托盘多载具协同拣选方法。针对遗传算法（Genetic Algorithm,GA）流程与实际拣选过程的差异,改进GA的初始化过程和染色体交叉方式,并对变异过程进行更贴近实际生产的修改。针对GA难以得到全局最优解的问题,采用变邻域搜索（Variable Neighborhood Search,VNS）策略降低陷入局部最优解的可能性。采用实例计算验证该算法的有效性,可优化传统舾装件托盘拣选方法。     

基于多目标遗传算法的复式转叶舵机结构优化

针对舰船转叶舵机运动时舵叶与水动力之间存在强力位耦合的问题,设计一种新型复式液压摆动缸转舵机构。为减小结构整体占地面积,基于多目标遗传算法(Multi-Objective Genetic Algorithm, MOGA)建立以复式摆动缸壳体内径、力矩解耦缸转子内径、驱动缸转子轮毂直径、动静叶片高度、动静叶片宽度和壳体厚度几何尺寸为设计变量的多目标优化模型。在使用遗传算法(Genetic Algorithm, GA)求解非线性约束条件下的多变量优化问题时,通过设计罚函数,将适应度函数与约束条件分离以处理约束条件,根据设定的准则择优筛选最优尺寸参数。通过有限元软件ANSYS对摆动缸壳体、力矩解耦缸转子和驱动缸转子进行应力应变分析。结果表明,在满足结构强度、刚度和安全因数的前提下,复式摆动缸结构尺寸最优,验证优化后结构的可靠性。     

基于归一化误差函数的变步长分数间隔盲均衡算法研究

针对常数模算法收敛速度慢的特点,提出了一种快速收敛的盲均衡算法。该算法修改了传统常数模算法的误差函数,且采用可变步长和分数间隔采样,有效地提高了收敛速度。浅海水声信道模型仿真结果表明,采用归一化变步长分数间隔常数模盲均衡算法比传统的常数模算法和固定步长分数间隔算法收敛快,均衡性能有明显提高。     

基于多目标遗传算法的船舶修理计划优化研究

针对船舶修理工作中的计划任务分配问题,提出了基于多目标遗传算法的船舶修理计划优化的方法。将修理经费和时间作为两个追求的目标函数,采用改进的非支配解排序的多目标进化算法（NSGA II）对优化模型进行了求解,得到了任务分配的Pareto优化解。这种方法能够比通常的加权和方法得到更多的计划方案,能够给任务制订者更多的选择。文中计算了一个维修任务分配例子,并且和通常单目标优化结果进行了比较,表明了该方法的有效性和实用性。