基于自适应交叉与协方差学习的改进平衡优化器算法

针对平衡优化器算法存在的收敛精度低和易陷入局部停滞的问题,提出一种基于自适应交叉与协方差学习的改进平衡优化器算法。首先,构建外部存档来保留历史优势个体,增加种群多样性,以提高算法的全局寻优能力。其次,引入自适应交叉概率来平衡算法的全局探索能力和局部开发能力,以提高算法的寻优精度和鲁棒性。最后,采用协方差学习策略,充分利用浓度向量之间的关系来增强种群间信息交流,以避免算法陷入局部停滞。通过对CEC2019测试函数进行仿真实验,并将改进算法与反向传播(back propagation,BP)神经网络相结合用于预测新疆玛纳斯河的径流情况,实验结果表明,改进算法在收敛精度和鲁棒性方面有显著提升,且大幅提高了BP神经网络的径流预测效果。

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。

基于抗差自适应CKF的水下重力匹配导航SITAN算法

为提高水下重力匹配算法的定位精度和稳健性,将容积卡尔曼滤波应用到水下重力匹配惯性导航中,同时引入抗差估计和自适应因子,提出了基于抗差自适应容积卡尔曼滤波的水下重力匹配导航SITAN算法。利用重力异常模型数据开展仿真实验,结果表明,所提算法能有效修正惯导整体航迹,在观测值未加入粗差的情况下较普通容积卡尔曼滤波算法提高了76%的导航定位精度,在观测值加入30 mGal粗差的情况下,提高了88%的导航定位精度。该研究成果可为后续水下重力匹配导航算法的理论研究及工程实践提供一定的数据支撑。

利用改进ORB算法的无人机影像匹配

针对ORB算法面对光照变化时提取特征点数量不稳定及特征点定位精度仅有像素级的问题,本文设计了一种基于前背景对比的自适应阈值方法,且结合现有的亚像素定位方法对ORB算法进行了改进。同时为了避免RANSAC算法因需人工设置阈值导致误差的问题,将MAGSAC++算法引入特征匹配过程,用于误匹配剔除。试验结果表明,改进算法能够获取数量较多的匹配数目,对光照变化具有更好的稳健性,且匹配精度提高了7%以上。

自适应协方差控制的传感器分配算法

基于协方差控制策略设计的传感器分配算法,其协方差控制能力是评价算法性能优劣的重要指标,目前尚缺乏具体的性能度量标准来衡量这类算法的协方差控制能力,使得实际设计分配算法时缺少必要的参考。为此,该文建立了衡量算法协方差控制能力、传感器资源占用程度和算法稳健性等性能度量指标,并提出了一种自适应协方差控制的传感器分配算法,该算法通过引入新的优化目标函数,以达到提高算法协方差控制能力的目的。仿真结果表明,该算法的协方差控制能力要优于基于信息增益的分配算法,并且基本不受矩阵度量的影响,是一种稳健的传感器分配算法。

基于功率中值和归一化采样协方差矩阵的自适应匹配滤波检测器

在非均匀海杂波环境中,参考单元中的异常单元限制了采样协方差矩阵(SCM)的估计性能,从而影响了传统自适应匹配滤波(AMF)检测器的检测性能。而考虑删除异常单元的方法在参考单元数目有限时可能导致矩阵的奇异性。鉴于此,在保持参考单元数目不变条件下,该文设计一种基于功率中值与归一化采样协方差矩阵(MNSCM)的估计方法,并将其与匹配滤波器(MF)相结合,构造一种新型的自适应匹配滤波检测器。与传统的自适应匹配滤波相比,该文设计的检测器在实测和仿真海杂波数据条件下均具有明显的性能优势。

基于稀疏度自适应匹配追踪算法的微动杂波抑制

目标或目标组成部分的机械振动或旋转产生微多普勒效应,在目标分类和识别中起着重要作用。然而,环境中许多物体(例如风力涡轮机、空调等)的微多普勒效应对雷达系统而言就像时变的杂波,导致雷达探测性能下降。本文针对外辐射源雷达微动杂波影响目标检测的问题,提出了一种基于稀疏度自适应匹配追踪改进算法(SAMP)的微动杂波抑制方法。考虑到微动杂波的稀疏特性,将复杂的微动杂波抑制问题转化为稀疏信号表示问题,分离微动杂波并将其抑制,便于目标观测。相比于原SAMP算法,改进后的SAMP算法能自动调整步长并在残差达到自适应阈值后快速停止迭代。仿真和实测数据验证了所提方法的有效性。

基于协方差匹配SL0算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l_0,SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。

混沌协方差矩阵自适应进化策略优化算法

为了改进进化策略算法的性能,提出了一种混沌协方差矩阵自适应进化策略(ChaosCMA-ES)算法,该算法在协方差矩阵自适应进化策略(CMA-ES)算法的基础上引入了混沌算子,并利用其更新种群中心的位置,使得种群具备良好的全局搜索能力。试验结果表明,本文算法对复杂多峰函数的寻优效果好于其他几种算法。最后,将本文算法用于优化网络安全态势的预测模型,预测结果的精度高于其他方法。

一种基于自适应网格剖分的协方差交集融合新算法

针对分布式航迹融合问题,提出了一种基于自适应网格剖分的协方差交集融合新算法。首先,自适应计算网格剖分误差上限;其次,利用网格剖分法求出局部航迹协方差椭圆的交集;最后,利用交集中心求出融合航迹估计值。通过仿真试验,该算法能自适应估计网格剖分步长上限,提高融合精度。

基于抗差自适应SITAN算法的水下重力匹配导航方法

针对水下重力匹配导航SITAN算法中动力学模型误差以及重力异常观测数据存在粗差的问题,提出一种抗差自适应匹配算法。通过构建自适应因子和抗差因子来调节状态预测信息与量测信息对滤波贡献的权重,有效抑制粗差和预测信息异常的影响,提高匹配算法的稳定性和可靠性。在南海选取一块重力异常特征变化丰富的海域进行仿真实验,结果表明,与常规SITAN算法相比,该算法能够显著降低异常观测值的影响,系统的定位精度和鲁棒性均有提升。

基于AGAST-BRIEF的图像匹配融合算法

针对传统算法AGAST在图像处于复杂场景条件下进行图像检测时,造成图像匹配结果精度低和实时性差等问题,提出一种基于AGAST-BRIEF的图像匹配融合算法。首先,利用高斯滤波对图像进行预处理,实现去除图像噪声干扰,保留图像边缘信息的效果,通过AGAST与尺度空间理论相结合进行特征提取;然后,使用BRIEF描述子对图像中的关键点进行描述,提高特征匹配效率;最后,采用FLANN算法得到初次匹配对,使用GMS与改进的RANSAC算法对初次匹配结果进行二次筛选,得到图像特征精匹配。实验结果表明:所提算法相较于SIFT、AKAZE、KAZE算法匹配准确率提高,匹配运行时间最短,具有良好的鲁棒性。

集成协方差矩阵自适应进化策略与差分进化的优化算法

不同智能优化算法在求解优化问题时通常表现出显著的性能差异.差分进化(DE)算法具备较好的全局搜索能力,但存在收敛慢、效率低的不足,协方差矩阵自适应进化策略(CMA–ES)局部搜索能力强,具备旋转不变性,但容易陷入局部最优,因此,DE和CMA–ES之间具有潜在的协同互补能力.针对上述问题,提出了一种集成协方差矩阵自适应进化策略与差分进化的优化算法(CMADE).在CMADE框架中,DE算法负责全局搜索,CMA–ES算法进行局部搜索.通过周期性解交换机制实现CMA–ES和DE两个算法间协同交互和反馈控制.在解交换时,从DE种群中选择优秀个体,利用CMA–ES算法在优秀个体周围进行局部搜索.同时在DE和CMA–ES的混合种群中,综合考虑解的多样性和最优性,选取一定比例的解作为DE算法的新种群进行全局搜索,实现全局搜索与局部搜索的动态平衡.将CMADE算法与CMA–ES,DE,SaDE,jDE,EPSDE,ACODE和SHADE算法在CEC2014标准测试集上进行比较实验.结果表明,CMADE整体性能显著优于其它比较算法.

自适应协方差矩阵进化策略算法

自适应协方差矩阵进化策略(CMA-ES)算法是Nikolaus Hansen等人提出的一种新的进化算法,通过模拟自然界生物进化过程,达到寻优目的。多个测试函数结果表明,该算法具有全局性能好、寻优效率高的特点,为解决高计算代价复杂工程优化问题的求解提供了新的途径。

基于新息协方差的自适应渐消卡尔曼滤波器

自适应渐消卡尔曼滤波采用渐消因子抑制滤波器的记忆长度,当系统模型和噪声模型建立不准确时,能够有效地抑制滤波器的发散。但是现有计算渐消因子的方法公式表达复杂,计算过程繁琐,不利于组合导航等一些实时的应用。针对这种情况,提出了一种利用新息协方差计算渐消因子的方法,通过渐消因子自适应地调整误差协方差,补偿不完整信息的影响。该方法计算量小,提高了滤波算法的可靠性。最后,仿真结果证明了该方法的有效性。

采用结构自适应块匹配的非局部均值去噪算法

该文提出一种具有图像结构自适应性的非局部均值去噪算法。通过采用图像块间的多尺度匹配来描述图像中局部结构的相似性,增强非局部均值算法对复杂结构特征的辨别能力,实现去噪性能的提高。算法首先引入变差系数(CV)特征并提出CV-Kmeans区域分类算法,将图像划分为包含边缘及纹理的结构区域和平坦区域;在结构区域进一步根据不同尺度下图像块间的平均欧氏距离来自适应选择块尺寸;在此基础上获得新的非局部均值算法,用以去除图像噪声。实验结果表明,相比经典的非局部均值算法,基于块间概率相似性的改进型非局部均值算法以及基于区域自适应的非局部均值去噪算法提出的新算法提高了去噪性能,尤其是在纹理图像的去噪上具有明显优势。

基于WiFi的自适应匹配预处理WKNN算法

针对基于接收信号强度(Received Signal Strength,RSS)的WiFi室内定位技术中,传统加权K邻近(Weighted K-nearest Neighbor,WKNN)算法不能自适应获取WLAN中有效接入点(Acess Point,AP)且参考点匹配准确度不高的问题,本文提出了自适应匹配预处理WKNN算法。该算法中每个实时定位点自适应地根据网络状况对AP的RSS均值由大到小排序,然后选择RSS均值较大的前M个AP,与参考点中对应的M个AP一起参与匹配预处理计算,从而优化了传统的指纹定位算法。同时将室内定位和室内地图相结合,使参考点和定位结果直观地展示在地图上,并通过使用地图数据大幅度简化了离线训练过程。此外,本文设计并实现了基于Android平台的室内定位系统,通过该系统验证了本文所提算法在单点定位和移动定位中的有效性。实验结果表明,该算法可获得30以上的定位误差改善,有效提高了定位精度和定位稳定性。

巡航导弹景象匹配算法适应性研究

文章针对景象匹配制导的需求,研究了去均值归一化、基于直方图拉伸和基于局部平滑相关匹配算法,分析了算法的适应性、计算量和实时性等,比较了每种算法的优缺点。结合巡航导弹的使用,讨论了影响匹配结果的一些基本的、可能的因素,主要是环境因素。用三种分辨率的图像作了大量的实验,针对这些算法的匹配概率及地物适应性等方面进行了编程验证和综合分析,给出了有关结论。

基于自适应遗传算法的图像匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷,提出了一种基于自适应遗传算法(AGA)的匹配方法,该算法与传统遗传算法的不同在于其交叉概率和变异概率随个体的适应度值而变化,避免了后者易陷入局部极值的缺陷,从而增强了算法的快速性和全局收敛性能.图像与模板的相关值是一多峰值函数,模板匹配实质上是多峰值寻优过程.将AGA应用到图像匹配,是以相关值为适应度函数,通过选择、交叉、变异等遗传操作,对遗传个体进行迭代寻优,找出图像中的最佳匹配点.实验结果表明,基于该算法的图像匹配具有运算量小、匹配精确等优点,且算法稳定.

一种自适应轨迹曲线地图匹配算法

地图匹配能够将车辆定位信息与路网电子地图相结合,是车辆导航系统中重要的定位技术。首先简要介绍和分析基于自适应模糊神经网络的C-Measure地图匹配算法及其优点,算法中的C-Measure用来度量车辆行驶在选定道路上的可能性大小。由于该算法着重于分析当前定位点信息,在复杂路网中会因为信息量的不足影响匹配精度。因此,为提高道路网中定位点的匹配精度,提出基于平均Fréchet距离和分层模糊控制技术的轨迹曲线匹配算法。该算法改进原算法的结构,并参考定位点的历史信息,引入平均Fréchet距离用以定义历史轨迹曲线间的距离;由于增加历史数据输入,导致模糊规则数目的增加,从而影响算法的运行效率。为简化规则,提高效率,采用分层模糊控制技术,而且对算法的学习律也进行改进。仿真结果表明改进后算法的有效性。