分层多子群协作正余弦算法及应用

针对正余弦算法后期收敛速度慢、局部搜索能力差的缺点,提出了一种分层多子群协作正余弦算法。新算法的主要思想是将种群的更新架构分成两层:在底层中,将种群分成若干个个体数目相等的子群,每个群体的个体只能在相应的群体中并行进化;在顶层中,群体是由底层中各个子群中最优个体组成的,顶层中的个体都是按照高斯采样学习策略实现位置更新的。为了保持种群的多样性,在更新过程中利用随机重组策略来保持种群的多样性。新算法经过18个基准测试函数和神经网络中的应用实验的结果比较,新算法在稳定性、计算精度和收敛速度方面都具有明显的优势。

基于RPRG+ICCD与RANSAC的多分量多项式相位信号参数估计

多分量多项式相位信号的检测和参数估计是多项式相位信号处理的一大难点。时频分析方法能够通过时频分布表征多项式相位信号的瞬时频率,通过对提取的瞬时频率进行多项式拟合得到其系数,经过简单的变换即可获得多项式相位信号的参数。文中利用RPRG+ICCD分离多分量多项式相位信号得到各个分量的瞬时频率,再使用RANSAC进行多项式拟合,最终实现了多项式相位信号的参数估计。实验结果表明,文中提出的方法能够实现在时频域部分重叠的多分量多项式相位信号的分离和参数估计。