简介:正交频分相位编码(OrthogonalFrequencyDivision-PhaseCoded,OFD-PC)信号是多输入多输出(MultipleInputMultipleOutput,MIMO)雷达中的一种重要波形。为进一步提高该波形对目标的探测能力,在分析OFD-PC空域合成信号脉压特性的基础上,提出了一种降低其距离旁瓣的波形优化方法。一方面,通过优化选取自相关性能优良的相位编码序列来直接降低空域合成信号的距离旁瓣;另一方面,通过随机离散化OFD-PC信号中的载频间隔,构建一种非均匀间隔的OFD-PC信号形式,进一步改善其距离旁瓣特性。为合理平衡波形的正交性能和自相关性能,建立空时联合优化模型,并采用序列二次规划法求解。仿真结果表明,该方法能在获取近似全向发射功率方向图的同时,降低信号自相关距离旁瓣;所优化设计的波形比传统OFD-PC波形具备更优的脉冲压缩性能。
简介:对智能交通系统(ITS)短时交通流量预测问题进行研究,提出了一种联合FCM与群集蜘蛛优化SVR交通流量预测算法。首先采用FCM聚类方法对交通流量数据预处理,得到基于时间节点分割的时序数据模块,有效降低了数据差异性带来的误差影响;然后构建基于群集蜘蛛优化SVR模型,针对SVR参数选择难题,在群集蜘蛛优化算法中引入社会等级制度,动态的将蜘蛛种群划分为上中下三个阶层,并根据不同阶层个体适应度大小,分别设计自适应竞争、"快搜"以及逆向学习机制,提高了算法寻优精度;最后,运用群集蜘蛛优化SVR对各个交通流量数据时序模块进行预测评估。仿真结果表明,同其它预测算法相比,该算法预测平均绝对误差降低了38.4-53.8%。
简介:对无线传感器网络(WSNs)弱稀疏性事件检测问题进行研究,提出了一种基于并行离散群居蜘蛛优化算法和压缩感知的WSNs稀疏事件检测方案。该方案采用压缩感知(CS)技术进行稀疏事件分析检测,针对事件向量稀疏度未知的特性,设计基于MPI框架的并行离散群居蜘蛛优化算法(PDSSO),重新定义蜘蛛编码方式和自适应迭代进化机制,给出并行转移策略,并将PDSSO应用于CS重构算法中;针对观测字典难以满足约束等距条件的特点,对稀疏矩阵和测量矩阵进行奇异值预处理操作,在保持稀疏度不变的基础上提高了算法重构性能。仿真结果表明,与GMP等检测方法相比,该方案有效提高了WSNs稀疏事件检测成功率,降低了误检率和漏检率。