一種啟發(fā)式仿生優(yōu)化方法及其在噪聲抑制和模式識別中的應(yīng)用.pdf

1、最優(yōu)化是人類不斷追求的目標,文中首先討論了一種模仿蟻群覓食過程的仿生優(yōu)化方法,通過分析其中蘊含的優(yōu)化機理提出了一種基于Bayes統(tǒng)計推斷的改進型蟻群優(yōu)化算法,使改進后的算法在一定程度上克服了基本型蟻群算法易于早熟的不足.為了進一步拓展蟻群算法的應(yīng)用范圍和尋找一條新的信號處理途徑,該文的一項主要工作內(nèi)容就是致力于將蟻群算法的優(yōu)化思想引入到信號處理領(lǐng)域,并用于實現(xiàn)對觀測信號的噪聲抑制.為便于比較,詳細分析了兩種典型的現(xiàn)代濾波方法:卡爾曼濾波

2、法和主成分分析法,在肯定了兩者優(yōu)點的同時也分別指出了各自的局限性.譬如,卡爾曼濾波可以較好的估計含噪信號的一階微分參量,但需要事先建立信號模型;而主成分類方法可以實現(xiàn)混沌信號與噪聲的分離,卻要求背景噪聲無方向性.針對這些局限性,作者將局部循環(huán)相關(guān)操作植入到蟻群算法的路由選擇策略中,實現(xiàn)了無先驗知識時的噪聲抑制,并取得了良好的效果.仿真試驗表明,這種局部循環(huán)相關(guān)式蟻群算法可以提高信噪比15dB左右,而且具有計算簡單和魯棒性強等特點.本文的