基于人工鱼群算法的自适应随机共振方法研究

被引:19
作者
孔德阳
彭华
马金全
机构
[1] 解放军信息工程大学信息系统工程学院
关键词
随机共振; 人工鱼群算法; 归一化处理; 自适应步长;
D O I
暂无
中图分类号
TN911.23 [信号检测与估计]; TP18 [人工智能理论];
学科分类号
070104 ; 081101 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
随机共振为微弱通信信号的检测提供了新途径.本文提出一种基于人工鱼群算法的自适应随机共振新方法,重点研究基于随机共振的微弱周期信号检测技术,将人工鱼群算法和归一化处理结合增强随机共振,适当添加噪声并设定自适应步长策略及迭代停止条件.理论分析和仿真结果表明,对比传统群智能算法处理随机共振其在算法适应性及稳定性、最佳共振精确度、寻优收敛速度、精度方面有明显提升,并为信噪比增益带来3-5d B的提升,运算时间复杂度降低逾70%.
引用
收藏
页码:1864 / 1872
页数:9
相关论文
共 13 条
[2]   基于频率控制的自适应随机共振系统研究 [J].
张刚 ;
胡韬 ;
张天骐 .
振动与冲击, 2016, 35 (02) :91-96
[3]   采用搜索趋化策略的布谷鸟全局优化算法 [J].
马卫 ;
孙正兴 .
电子学报, 2015, 43 (12) :2429-2439
[4]   基于量子粒子群算法的自适应随机共振方法研究 [J].
李一博 ;
张博林 ;
刘自鑫 ;
张震宇 .
物理学报, 2014, 63 (16) :40-47
[5]   基于改进随机移动算子的人工鱼群算法 [J].
淦艳 ;
魏延 ;
杨有 ;
万辉 .
计算机工程与应用, 2014, 50 (13) :147-152
[6]   基于蚁群算法的动态路径选择优化方法 [J].
安毅生 ;
袁绍欣 ;
赵祥模 ;
岳云 .
交通运输系统工程与信息, 2014, 14 (03) :97-103
[7]   自适应视野的人工鱼群算法求解最短路径问题 [J].
马宪民 ;
刘妮 .
通信学报 , 2014, (01) :1-6
[8]   基于随机共振和人工鱼群算法的微弱信号智能检测系统 [J].
朱维娜 ;
林敏 .
仪器仪表学报, 2013, 34 (11) :2464-2470
[9]   低信噪比条件下基于随机共振的感知方法与性能分析 [J].
高锐 ;
李赞 ;
吴利平 ;
李群伟 ;
齐佩汉 .
电子学报, 2013, 41 (09) :1672-1679
[10]   基于自适应变尺度频移带通随机共振降噪的EMD多频微弱信号检测 [J].
韩东颖 ;
丁雪娟 ;
时培明 .
机械工程学报, 2013, 49 (08) :10-18