混沌麻雀搜索优化算法

针对麻雀搜索算法(SSA)在接近全局最优时,种群多样性减少,易陷入局部最优解等问题,提出了一种混沌麻雀搜索优化算法(CSSOA)。首先,通过改进Tent混沌序列初始化种群,提高初始解的质量,增强算法的全局搜索能力。其次,引入高斯变异的方法,加强局部搜索能力,提高搜索精度;同时以搜索停滞的解为基础产生Tent混沌序列,用此混沌序列对部分陷入局部最优的个体进行混沌扰动,促使算法跳出限制继续搜索。最后,对12个基准函数进行仿真实验。结果表明:所提算法能够克服SSA易陷入局部最优的缺点,提高算法的搜索精度、收敛速度和稳定性。同时,将CSSOA应用到简单图像分割问题,验证了CSSOA应用于实际工程问题的可行性。      

一种求解函数全局优化问题的正交方向法

提出了一种求解函数全局优化问题的正交方向法.该方法通过前三轮大范围的正交设计寻找全局最优解的大体位置,然后通过若干轮小范围的正交设计进行最优解的精确逼近.每一轮正交设计中,探索设计空间的试验点依据正交表围绕一个中心点产生,设计变量的取值范围逐渐减小.而在每一轮正交设计后,采用一维搜索提高搜索精度.一维搜索的方向由每轮正交设计的中心点和最好(或最坏)点决定. 该算法计算量较小且易于编程.采用两个数学优化问题和一个火箭动力、水平发射的单级入轨飞行器的弹道优化问题对算法进行了测试.这些算例表明,当目标函数的极值数少于正交表提供的试验方案数时,正交方向法常常能以较小的计算量获得全局最优解.     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

基于混合策略的麻雀搜索算法改进及应用

针对麻雀搜索算法(SSA)搜索精度不高、全局搜索能力不强、收敛速度慢和易于陷入局部最优等问题，提出了一种基于混合策略的麻雀搜索算法(HSSA)。采用改进的Circle混沌映射初始化种群，提高种群多样性；结合樽海鞘群算法改进发现者的搜索公式，提高算法迭代前期的全局搜索能力和范围；在加入者的搜索公式中引入自适应步长因子，提高算法的局部搜索能力和收敛速度；通过镜像选择机制，提升每次迭代后的个体质量，提高算法的寻优精度和寻优速度；在位置更新处加入模拟退火机制，帮助算法跳出局部最优。利用8种测试函数进行测试，结果表明，改进算法比SSA有更好的寻优性能。将改进前后算法与极限学习机结合进行实验，人体表面肌电信号数据集的分类预测精度从80.17%提高到90.87%，证实了改进算法的可行性和良好性能。     

基于Logistic回归麻雀算法的图像分割

针对麻雀搜索算法后期种群多样性减少、易陷入局部最优解等问题,提出一种新的改进麻雀搜索算法。所提算法先引入小孔成像反向学习策略对发现者的位置进行更新,提升寻优位置的多样性;其次受Logistic模型的启发,提出一种新的自适应因子对安全阈值进行动态控制,平衡所提算法的全局搜索与局部开发的能力。通过与其他算法在6个基准函数上进行仿真对比,结果表明：所提算法的收敛精度与速度均优于其他算法。在工程应用上,用所提算法优化K-means聚类算法进行图像分割,峰值信噪比（PSNR）、结构相似性（SSIM）及特征相似性（FSIM）3种度量指标验证了其良好的分割性能。     

改进蚁群算法求解时变网络中最短路径问题

给出一种时变网络中蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化情况;改进了传统蚁群算法的相邻节点选择策略,使蚂蚁只需计算与当前节点存在直接路径的节点的转移概率,降低算法的计算量;将蚁群算法和遗传算法结合,将蚁群算法每次遍历后形成的解作为初始群种进行单点交叉计算,避免陷入局部最优解,提高算法收敛速度.仿真结果表明,改进的蚁群算法能够有效求解时变网络中最短路径问题,比传统蚁群算法得到全局最优解的概率更大,算法的收敛速度更高.     

防空导弹最优弹道的协态估计优化算法

为了快速精确地得到防空导弹中段最优弹道,在拟勒让德谱变换法的基础上提出了协态估计优化算法.该算法克服了采用拟勒让德谱变换法所得非线性规划NLP(Non-Linear Programming)问题优化变量过多、收敛速度慢的缺点,并能在避免求解两点边值问题TPBVP(Two Point Boundary Value Problem)的前提下,快速解得近似满足最优解必要条件的解.针对防空导弹中段弹道优化问题的特点,应用提出的协态估计优化算法进行优化得到结果,与拟勒让德谱变换法所得结果相比,表明该算法具有收敛速度快,优化精度高的优点.     

一种高动态环境下卫星扩频信号的快速捕获方法研究

现代卫星导航及测控应用对接收机在高动态环境下实现测量通信提出了迫切需求。为了解决大多普勒频偏扩频信号的快速捕获问题,提出了一种在频域并行搜索码相位及多普勒频偏的双频域快速捕获方法。采用双块补零算法将长的相关积分操作分割为多个短的相关积分操作,然后采用快速傅里叶变换进行圆周相关,大大节约了处理时间,利用频域圆周移位与时域载波剥离等价的原理,大幅提高了频率搜索效率。与时域相关算法和单频域计算方法相比,在捕获灵敏度不变的条件下,该方法将计算量减少90%,显著提高了运算速度,适合高动态环境下扩频信号的快速捕获。该方案应用于星载接收机平台FPGA实现,测试结果表明该方案可以在0.1s内完成±500kHz频偏下扩频信号捕获。     

全局最优导向模糊布谷鸟搜索算法及应用

针对标准布谷鸟搜索算法探索能力强而开发能力较弱、收敛速度慢及计算精度较差等问题,提出了具有全局最优导向的模糊布谷鸟搜索算法。在鸟窝更新公式中引入全局最优导向策略,在产生新的鸟窝位置时利用到当前最优鸟窝位置信息,以保持鸟窝的多样性并提高算法的开发能力。另外,采用模糊逻辑规则对布谷鸟算法中的搜索步长和外来鸟蛋被发现概率这2个重要参数进行自适应调整,以提高算法的全局收敛性能和求解精度。通过2个经典结构可靠性分析极限状态方程测试该算法的性能,并将其应用于某飞机舱门锁定机构可靠性分析中。实验结果表明,与粒子群算法、标准布谷鸟搜索算法和改进布谷鸟搜索算法相比,所提出的全局最优导向模糊布谷鸟搜索算法在进行可靠性分析中,能够有效地提高解的精度并增加收敛速度,寻优效果更优。      

PSO选星算法参数分析与改进

多星座组合导航提供更多的可用卫星,但也增大接收机计算复杂度,选取部分可见星代替全部可见星进行接收机位置解算成为选星算法研究的热点。粒子群优化（PSO）选星算法将PSO算法引入到选星过程中,该方法能够减少选星时间,实现北斗/GPS组合星座快速选星。研究了该算法的关键参数包括惯性权重因子、加速系数、种群大小等对PSO选星算法性能的影响,并针对搜索过程容易陷入局部最优问题,提出自适应模拟退火粒子群优化（ASAPSO）选星算法,该算法通过引入随适应值大小自适应调整进化参数及结合模拟退火算法调整粒子速度,以增强算法跳出局部极值的能力。采用实际数据对算法进行验证,结果表明:ASAPSO选星算法在保证选星时间的同时,能够提高算法搜索结果的准确性,其性能优于PSO选星算法。      

基于载波相位的多通道相位一致性测量方法CSCD

对于卫星导航系统,由导航天线进行波束合成的多路并行导航信号需要具有严格的相位一致性,本文给出基于专用地检设备的多通道相位一致性测量方法。该地检设备采用载波相位辅助伪码测距技术,通过载波相位和伪码相位的联合解算,实现了伪码相位对载波相位解整周期模糊,最终测距精度达到1ps。采用该测试方法对系统进行配相,实现了各通道无周期模糊的相位一致性。     

引入多Agent协商的协同优化在卫星设计中的应用

卫星设计是复杂的多学科优化问题,协同优化算法具有模块化特点适合于处理多学科优化问题。在对卫星进行多学科优化时发现,现有的协同优化算法为了保证共享变量在系统级和分系统级间的一致性,收敛困难,计算量大,不对分系统自身进行优化不能保证卫星整体性能最优。本文通过引入Agent概念和基于Agent的协商算法,提出了一种基于劝说式多Agent协商的协同优化设计算法。针对对地观测卫星,以总质量最小为目标,建立了包含结构、轨道控制、姿态控制和电源4个分系统Agent和1个系统级Agent的卫星优化设计模型并进行了协同优化设计。研究结果表明:引入Agent协商算法的协同优化算法,可以保证共享变量的一致性;在协同优化算法中增加分系统自身优化模块,可以保证在系统级优化过程中各分系统一直都是最优的。      

基于LM优化算法的神经网络在航空发动机转子故障诊断中的应用

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种改进BP算法:LM(Levenberg-Marquardt)优化算法和SCG(Scaled Conjugate Gradient)算法,应用这两种算法对航空发动机转子故障进行诊断研究,比较它们之间的研究结果,仿真和实验表明LM优化算法比SCG算法具有更高的准确度和较快的收敛速度,可行性更强。     

BP/GA混合算法在简易组合导航系统中的应用

Kalman滤波器是组合导航中最常用的最优滤波工具,但是在组合导航系统中有一些应用的局限性,尤其在低成本的GPS(Global Positioning System)/DRS(Dead Reckoning System)组合导航系统中,存在着使用的GPS接收机和惯导测量元件的精度不够高的问题,要提高系统的测量精度,只能提高算法软件的先进性.为补偿卡尔曼滤波发散的缺陷,将神经网络和遗传算法组成的混合算法与卡尔曼滤波相结合,应用到GPS/DRS组合导航系统中,该算法不仅具有普通神经网络的自主学习能力、好的实时性,还克服了传统算法收敛速度慢、对学习参数敏感、局部有极小点等缺点,同时兼具卡尔曼滤波的最优估计性能.仿真结果验证了这种算法和常规卡尔曼滤波算法相比较具有更高的精度和稳定性,经过对仿真数据进行统计分析,纬度误差的最大值降低了一个数量级.     

基于视线测量和轨道预报高轨非合作目标相对导航方法

对于非合作目标,由于中远距离星上相对测量手段有限,大多情况仅能获得视线角信息.仅视线测量相对导航方法在GEO轨道条件下滤波精度低、可观测性差.提出一种基于星间视线方位测量和轨道预报信息结合的非合作目标相对导航方法.建立基于星间相对运动模型的状态方程和基于星间视线测量和轨道预报信息的观测方程,分别选取了扩展卡尔曼滤波和无迹卡尔曼滤波两种方法,仿真分析了轨道预报信息精度和滤波方法对导航精度的影响.     

Carrier phase prediction method for GNSS precise positioning in challenging environment

Since the signals of global navigation satellite system (GNSS) are blocked frequently in challenging environments, the discontinuous carrier phases seriously affect the application of GNSS precise positioning. To improve the carrier phase continuity, this paper proposes a carrier phase prediction method based on carrier open-loop tracking. In the open-loop tracking mode, the carrier numerically controlled oscillator (NCO) is controlled by the predicted Doppler, but not by the loop filter output. To improve the phase prediction effective time, accurate receiver clock drift estimation is studied in the prediction method. The phase prediction performance is tested on GNSS software receiver. In the phase prediction effective time tests, open-loop processes were set for the tested channel. The test results show that, when some satellite signals are blocked in 15?s, the probability of carrier phase error less than quarter cycles is more than 94%. In the real time kinematic (RTK) positioning tests, some satellite signals are blocked in 10–15?s repeatedly. The test results show that, the carrier phase continuity is basically not affected by the signal interruption, and the RTK can almost keep continuous centimeter-level positioning accuracy without re-fixing the integer ambiguity.