| 【中文题名】 | 若干智能信号处理技术的研究及应用 |
| 【英文题名】 | Study on Some Technology of Intelligent Signal Processing and Its Application |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-7-27 |
| 【中关键词】 | 智能信号处理,进化算法,群智能算法,粒子群算法,人工鱼群算法,量子进化算法 |
| 【英关键词】 | Intelligent signal processing,Evolutionary algorithms,Swarm intelligence,Particle swarm optimization,artificial fish flock optimization algorithm,quantum evolutionary algorithm,multiuser detection, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 智能信号处理技术涉及到信息科学的多个领域,是现代信号处理、人工神经网络、模糊系统理论、进化计算,包括人工智能等理论和方法的综合应用,近年已经成为信息科学领域的一个研究热点。其中进化计算作为智能信号处理技术的一个重要分支,近些年来成为一个引人注目的发展方向。
在进化计算的研究中,以粒子群算法、人工鱼群算法为代表群智能算法和新近提出的量子进化算法,以其优良的优化性能,已经成为众多学者研究的热点。但是由于这三种算法提出的时间比较短,所以有很多的问题有待解决。提高它们解决离散优化问题的能力就是一个值得研究的方向
在分析了二进制粒子群优化算法和量子进化算法的优缺点之后,受混合优化算法思想的启发,将量子进化算法和粒子群算法的思想相互结合,提出了嵌入式量子进化算法(PSEQEA)和量子二进制粒子群优化算法(QBPSO),用来分别提高了QEA和PSO的优化性能。将新的算法应用到背包问题,连续函数优化问题和多用户检测问题中,仿真结果表明,新的算法与QEA和PSO相比不仅具有更简单的算法结构,而且具有更强的全局优化能力。
将人工鱼群算法用于IIR数字滤波器设计,仿真实验结果显示了AFSA在连续... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-8 |
|
第一章 绪论 |
8-16 |
|
1.1 智能信号处理技术简介 |
8-9 |
|
1.1.1 进化算法 |
8-9 |
|
1.2 群智能算法的发展及现状 |
9-13 |
|
1.2.1 什么是群智能 |
9-10 |
|
1.2.2 蚁群算法 |
10-11 |
|
1.2.3 粒子群算法 |
11-12 |
|
1.2.4 人工鱼群算法 |
12-13 |
|
1.2.5 群智能算法的研究方向 |
13 |
|
1.3 量子进化算法 |
13-14 |
|
1.4 论文的主要工作和内容安排 |
14-16 |
|
第二章 粒子群算法、人工鱼群算法和量子进化算法 |
16-29 |
|
2.1 引言 |
16 |
|
2.2 粒子群算法 |
16-21 |
|
2.2.1 粒子群算法的基本思想 |
16-17 |
|
2.2.2 粒子群算法的数学表示 |
17-19 |
|
2.2.3 粒子群算法的发展 |
19-21 |
|
2.3 人工鱼群算法 |
21-24 |
|
2.3.1 人工鱼群算法的基本思想 |
21-22 |
|
2.3.2 人工鱼群算法的数学表示 |
22-24 |
|
2.3.2 人工鱼群算法的发展 |
24 |
|
2.4 量子进化算法 |
24-29 |
|
2.4.1 量子进化算法的基本思想 |
25 |
|
2.4.2 量子进化算法的数学表示 |
25-27 |
|
2.4.3 量子进化算法的机理和优点 |
27-28 |
|
2.4.2 量子进化算法的发展 |
28-29 |
|
第三章 混合量子粒子群算法 |
29-42 |
|
3.1 引言 |
29-30 |
|
3.2 QEA和BPSO的性能分析 |
30-31 |
|
3.3 嵌入式量子粒子群算法 |
31-32 |
|
3.4 量子二进制粒子群算法 |
32-34 |
|
3.5 仿真实验结果及其分析 |
34-41 |
|
3.5.1 0-1背包问题 |
34-36 |
|
3.5.2 函数优化问题 |
36-38 |
|
3.5.3 多用户检测问题 |
38-41 |
|
3.6 总结 |
41-42 |
|
第四章 自适应人工鱼群算法 |
42-54 |
|
4.1 引言 |
42 |
|
4.2 基本人工鱼群算法在IIR数字滤波器设计中的应用 |
42-47 |
|
4.2.1 IIR数字滤波器优化模型 |
43-44 |
|
4.2.2 基于人工鱼群算法的IIR数字滤波器设计 |
44-45 |
|
4.2.3 仿真实验结果及其分析 |
45-47 |
|
4.3 自适应人工鱼群算法 |
47-50 |
|
4.3.1 离散AFSA算法描述 |
47-48 |
|
4.3.2 自适应人工鱼群算法的基本思想 |
48-50 |
|
4.4 基于自适应人工鱼群算法的多用户检测器 |
50-51 |
|
4.5 仿真实验结果及其分析 |
51-53 |
|
4.6 总结 |
53-54 |
|
第五章 总结及展望 |
54-55 |
|
参考文献 |
55-58 |
|
致谢 |
58-59 |
|
攻读硕士期间的论文 |
59 |
|
| 【DOI】 | LunWen.ID:2.2008.387859 |
