基于自适应参数优化RSSD-CYCBD的行星齿轮箱复合故障诊断

针对行星齿轮箱多振源耦合导致故障源辨识困难、较弱故障特征容易被噪声和较强故障特征掩盖,以及由传播路径引起的信号衰减导致的故障特征微弱等问题,提出一种自适应参数优化的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的行星齿轮箱多故障耦合信号分离及诊断算法。根据轴承和齿轮故障的不同共振属性,用RSSD算法将多故障耦合信号分解为包含齿轮故障特征的高共振分量和主要包含轴承故障特征的低共振分量后,通过CYCBD算法分别对高、低分量进行解卷积,消除传播路径影响和噪声干扰,实现微弱故障特征的增强和提取。特别地,针对RSSD和CYCBD中参数优化困难、依赖人工经验和自适应差等问题,使用基于松鼠算法(SSA)对参数进行自适应优化选取,设计了融合包络谱峭度、自相关函数最大值均方根和特征频率比在内的复合指标作为优化目标。对解卷积后的信号进行包络解调提取故障特征频率,识别不同故障源。通过行星齿轮箱多故障模拟信号和实测信号验证了所提算法的有效性和可行性,进一步地,将所提算法集成在边缘计算设备中,为行星齿轮箱等旋转机械的状态检测诊断及远程运维提供解决方案。

自适应P2P网络搜索算法

提出了一个基于查询代理的无结构P2P网络盲搜索算法,该算法在查询过程中感知并分析P2P网络的相关信息,根据查询满足情况自适应地控制子查询规模。与已有的盲搜索算法相比,查询代理算法实现了更细致的冗余开销控制,并避免了已有算法存在的优化难题。与已有盲搜索算法的对比实验的结果证实该算法可以更有效地降低冗余开销。

基于递归神经网络的盲均衡算法的改进

提出了一种改进的基于递归神经网络的盲均衡算法，它利用信号的高阶统计特性构造了代价函数，用共轭梯度算法对递归神经网络进行训练，且利用线性搜索法对参数进行动态选取，模拟结果显示该算法能很好的用于各种信道及信号的均衡．

基于时间可预测性的差分搜索盲信号分离算法

针对基于仿生智能优化的盲信号分离算法计算量偏大的问题,提出了一种新的基于差分搜索的盲信号分离算法。采用信号在时间上的可预测性度量作为目标函数,使用差分搜索算法对目标函数进行优化求解。利用去相关消源方法从混合信号中去除每次分离出的源信号成分,通过逐次分离最终实现对所有源信号的成功恢复。仿真实验表明,所提算法可以有效实现对混合信号的盲分离。与其他算法相比,该算法在保证了更高分离精度的同时,具有更低的运算量。

基于回溯搜索优化的卷积混合语音盲分离

针对独立矢量分析(IVA)算法初始分离矩阵取值对分离性能影响较大的局限性,提出了基于回溯搜索优化的卷积混合语音盲分离算法。采用频域各频率点IVA分离信号的复数峭度和作为目标函数,利用回溯搜索优化算法(BSA)对初始分离矩阵进行优化调整,更好地实现了语音信号的盲分离。在分离过程中,采用复Givens旋转变换原理将对分离矩阵的求解转化为对旋转角度的求解,有效减少了BSA的参数编码维数,降低了优化求解难度。针对语音信号的卷积混合分离实验表明,该算法具有良好的分离效果,其分离性能较之基本IVA算法显著提升。

独立分量分析的一种剖析方法及其搜索算法

给出了独立分量分析(ICA)问题可解性的一种直观解释,并设计了直接的搜索算法。首先通过分析二维ICA问题,将输出信号分量的峰度作为ICA最优化问题的目标函数,分析了目标函数的波形随源信号之间耦合程度不同而变化的规律,以直观的图示解释了最大化输出信号非高斯性的ICA准则,且具有严格的数学意义。通过4点比较,将目标函数定位于某确定子区间,在该子区间上,目标函数是单峰函数,峰值点为全局极大值点,且为ICA问题的解。用快速搜索法进行了ICA求解,并将算法推广到多维ICA问题的求解。对算法进行了双通道图像分离、多通道语音分离的数值实验。

基于差分搜索的高光谱图像解混算法

针对高光谱图像解混问题进行研究,发现高光谱图像中各个端元的分布不完全独立,不能将盲源分离方法直接应用于高光谱图像解混。为此,提出了一种基于差分搜索的高光谱图像解混算法。该算法根据高光谱图像丰度非负和丰度和为一特性构造相应的约束项,与互信息相结合作为目标函数,利用差分搜索算法对该目标函数进行优化求解来实现高光谱图像解混。仿真数据和实际数据实验表明,该算法能够有效解决高光谱图像解混问题,与已有其他算法相比,能避免陷入局部极值,提高了图像解混的精度,并且针对不含纯像元的高光谱图像具有很好的解混效果。

一种基于循环谱的突发信号盲检测算法

突发信号盲检测在非合作通信中至关重要。待检测信号特征量的构造与突发信号段起止点的精确捕获是突发信号盲检测技术的关键。文中提出了一种基于循环谱的突发信号盲检测算法,算法首先以循环谱循环频率截面的相对方差作为待检测信号的特征量,该特征量具有优良的抑制突发强噪声干扰性能;然后利用特征量的方差进行信号存在性判决;最后采用基于特征量峰值的突发信号段起止点搜索算法,避免了设置检测门限带来的信噪比估计、噪声功率估计等问题,同时可在一定的检测正确率条件下保证起止点的捕获精度。仿真结果表明,该算法能有效抑制突发强噪声干扰,信号存在性判决准确率高,而且在误差控制要求较严格条件下的检测精度优于双窗能量法。

超立方体互连网络自适应简捷盲寻径搜索算法

根据n-cube超立方体互连网络的并行特点,分析了任意当前结点相邻集合类的求解方法,并给出一种自适应优化盲寻径搜索算法.即通过任一当前结点的Hamming距离相邻测度,寻找从任一始发结点到目标结点的所有可能的自适应盲寻径优化算法.

基于辫群的代理盲签名方案

由Shor等人构造的量子算法可以在多项式时间内解决传统三大难解问题而利用辫群构造的很多数学困难问题,在量子计算机条件下均无有效的解法,辫群是一种适合构造抵抗量子密码分析的计算平台。利用左右子群元素的可交换性,基于CSP问题、SCSP问题和p次方根问题的难解性,提出了一个新的代理盲签名方案,并通过方案分析验证了该方案的有效性和可行性。

关于跨域移动代理功能和资源查找算法的研究

分析了跨域资源和移动代理功能查找中的主要问题,提出了相关的算法,并讨论了如何提高查找效率的问题。

基于改进人工蜂群算法的盲源分离算法

针对传统盲源分离算法收敛速度与分离性能间的矛盾,提出一种基于改进人工蜂群算法的盲源分离算法.该算法利用信号的峰度绝对值作为被优化目标函数,对人工蜂群算法中跟随蜂阶段的搜索过程进行改进,使人工蜂群算法在初始阶段可以快速收敛到最优解所在区域,具有更高的收敛精度.使用改进后的人工蜂群算法对传统盲源分离算法中的初始分离矩阵进行优化,再利用优化的初始分离矩阵进行信号分离.仿真结果表明,改进后的算法能够显著加快收敛速度并保持较好的分离性能值,较好地解决了收敛速度与分离性能间的矛盾.

基于改进DBSCAN算法估计欠定混合矩阵的应用研究

针对欠定盲源分离(Underdetermined blind source separation,UBSS)问题,采用基于密度的空间聚类(Density based spatial clustering of applications with noise,DBSCAN)算法估计聚类中心时易陷入局部最优,因此由聚类中心坐标构成的混合矩阵的精度降低,导致信号分离结果不理想。本文在DBSCAN基础上提出布谷鸟自适应搜索群优化算法(Cuckoo adaptive search swarm optimization of density based spatial clustering of applications with noise,CASSO-DBSCAN),该算法依据Levy飞行策略增强全局自适应搜索能力,并利用群体学习思想精细寻优得到最优解,从而更加精准地估计聚类中心。通过语音信号的盲源分离仿真实验对该算法进行验证,结果表明,该算法能够有效改善欠定混合矩阵的估计精度,具有良好的鲁棒性,证明了其可行性。

无结构化P2P网络的路由算法

针对无结构化P2P网络的洪泛搜索与随机漫步机制的盲目性,提出了一种利用Hash函数与M-tree技术将文件聚类后,再利用路由表完全分布式存储索引指针的新的路由算法。该算法使每个节点的路由表主要记录拥有各类资源的高能力节点指针,并利用概率统计的方法不断地更新路由表项。当节点收到搜索以后,通过查询路由表,只需一跳就进入能以最大概率回应的节点处查找,并能以较低的网络时延命中多个优质资源副本,达到了高速并行下载的目的。仿真试验和数学分析表明该算法有效地减少了盲目搜索造成的网络流量,提高了查找成功率,并且具有越稀缺的资源越容易找到的特性。

基于遗传算法的可重构天线系统研究与实现

提出以信噪比作为可重构天线寻优过程的评价函数。采用遗传算法作为系统的寻优算法,并对其参数设置进行研究。利用信号发生器产生的信号对可重构天线系统进行测试,实验数据表明,文章中提出的直接以信噪比作为评价函数的可重构天线寻优算法,可以使可重构天线系统有效提高目标接收信号的信噪比,并在一定程度上抑制干扰信号,提高系统性能。

基于FastICA-BAS-MCKD的滚动轴承复合故障特征提取方法

针对强背景噪声下轴承复合故障特征难以分离提取的问题,提出了一种基于快速独立成分分析-天牛须-最大相关峭度解卷积算法(FastICA-BAS-MCKD)的滚动轴承复合故障特征提取方法。首先,引入FastICA对滚动轴承多通道故障信号进行盲源分离;其次,利用BAS算法同步优化MCKD算法的解卷积周期T、滤波器长度L和移位数M,构建基于BAS-MCKD的滚动轴承振动信号自适应分析方法;然后,应用BAS-MCKD方法处理分离后的信号,实现分离信号的降噪和特征增强;最后,应用希尔伯特解调方法对MCKD处理后的信号进行包络谱分析,实现滚动轴承不同类型故障的识别。仿真和实测信号的分析结果表明,所提方法能清晰地从复合故障信号中提取出单一故障特征频率,为滚动轴承复合故障特征提取提供了一种有效的解决方案。

基于布谷鸟搜索算法优化的正交小波多模盲均衡算法

提出了一种新的盲均衡算法—基于布谷鸟搜索算法优化的小波多模盲均衡算法(CSWT-MMA),该算法利用正交小波变换(WT)降低信号的信噪比,并将具有卓越的全局搜索能力的布谷鸟搜索(CS)算法引入多模盲均衡算法(MMA).水声仿真结果表明,新算法能较好地捕获全局最优解,有效改善了MMA容易陷入局部最小值、收敛速度慢、稳态误差大等问题,具有更快的收敛速度和更小的均方误差,均衡质量更高.

自适应人工蜂群算法的盲源分离

盲源分离(BSS)是传感器信号处理领域研究热点,针对传统盲源分离算法大多存在收敛速度慢、分离精度低、适用场合窄的缺点,提出了一种基于自适应人工蜂群算法的盲源分离。利用Givens旋转变换降低计算量,搜索策略引入自适应全局指导项动态调节最优解导向作用,选择策略采用自适应Boltzmann轮盘赌作改进平衡迭代各阶段选择压力集中程度。实验表明:基于自适应人工蜂群算法的盲源分离,能够加快收敛速度并显著提高分离精度至约3个数量级。

一种最大密度检测欠定混合矩阵估计算法

针对源数未知条件下欠定盲源分离混合矩阵估计问题,提出了最大密度检测混合矩阵估计算法。在观测信号稀疏表示的基础上,首先对观测信号进行预处理;然后寻找观测信号的最大密度点;接着在此基础上确定有效样本点集合,再聚类得到辐射源数和混合矩阵。为验证算法的有效性,在时频单源点检测法和小波变换法下开展了仿真实验。结果表明,所提出算法的源数和混合矩阵估计效果优于参考算法,计算复杂度远低于参考算法。进一步实验表明,所提出算法对于正定、超定和欠定盲源分离混合矩阵的估计都具有较好的适用性。

基于人工蜂群优化的常模盲均衡算法

针对水声信号在传输过程出现的多径衰落导致的接收数据存在码间干扰(ISI)问题,常采用常模盲均衡算法(CMA)消除ISI,但其代价函数是有多个极小值,易陷入局部最优。提出了基于人工蜂群优化的常模盲均衡算法,利用具有全局搜索能力的人工蜂群算法对代价函数进行全局搜索,可有效克服CMA权向量易陷入局部最优的问题。