搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于量子粒子群算法的自适应随机共振方法研究

李一博 张博林 刘自鑫 张震宇

引用本文:
Citation:

基于量子粒子群算法的自适应随机共振方法研究

李一博, 张博林, 刘自鑫, 张震宇

Adaptive stochastic resonance method based on quantum particle swarm optimization

Li Yi-Bo, Zhang Bo-Lin, Liu Zi-Xin, Zhang Zhen-Yu
PDF
导出引用
  • 为提升随机共振理论在微弱信号检测领域中的实用性,以随机共振系统参数为研究对象,提出了基于量子粒子群算法的自适应随机共振方法. 首先将自适应随机共振问题转化为多参数并行寻优问题,然后分别在Langevin系统和Duffing振子系统下进行仿真实验. 在Langevin系统中,将量子粒子群算法和描点法进行了寻优结果对比;在Duffing振子系统中,Duffing振子系统的寻优结果则直接与Langevin系统的寻优结果进行了对比. 实验结果表明:在寻优结果和寻优效率上,基于量子粒子群算法的自适应随机共振方法要明显高于描点法;在相同条件下,Duffing振子系统的寻优结果要优于Langevin系统的寻优结果;在两种系统下,输入信号信噪比越低就越能体现出量子粒子群算法的优越性. 最后还对随机共振系统参数的寻优结果进行了规律性总结.
    In order to enhance the usefulness of the theory of stochastic resonance in the areas of weak signal detection, a new method based on quantum particle swarm optimization is proposed to conquer with the problem of adaptive stochastic resonance. First, the problem of adaptive stochastic resonance is converted into the problem of multi-parameter optimization. Then simulation experiments are conducted respectively under a Langevin system and Duffing oscillator system. At the same time, Point detection method is chosen as the comparative test in the Langevin system. While in the Duffing system, the optimization results are compared with those from the Langevin system directly. Results show that the method based on quantum particle swarm optimization is obviously superior to the point detection method and optimization result in the Duffing oscillator is better than that from Langevin system under the same condition. Besides, it is also found that the lower the SNR of input signal, the more effective the quantum particle swarm optimization is. Finally, the regularity of optimization results of the stochastic resonance system parameters is summarized.
    • 基金项目: 天津市自然科学基金(批准号:13JCYBJC18000)资助的课题.
    • Funds: Project supported by the Natural Science Foundation of Tianjin, China (Grant No.13JCYBJC18000).
    [1]

    Benzi R, Parisi G, Vulpiani A 1983 SIAM J. Appl. Math. 43 565

    [2]

    Qin G R, Gong D C, Hu G, Wen X D 1992 Acta Phys. Sin. 41 360 (in Chinese) [秦光戎, 龚德纯, 胡岗, 温孝东 1992 41 360]

    [3]

    Zhu G Q, Ding K, Zhang Y, Zhao Y 2010 Acta Phys. Sin. 59 300 (in Chinese) [朱光起, 丁珂, 张宇, 赵远 2010 59 300]

    [4]

    Gao S L, Zhong S C, Wei K, Ma H 2012 Acta Phys. Sin. 61 100502 (in Chinese) [高仕龙, 钟苏川, 韦鹍, 马洪 2012 61 100502]

    [5]

    Ye Q H, Huang H N, Zhang C H 2009 Acta Electron. Sin. 37 216 (in Chinese) [叶青华, 黄海宁, 张春华 2009 电子学报 37 216]

    [6]

    Wang L Y, Yin C S, Cai W S, Pan Z X 2001 Chem. J. Chin. Univ. 22 762 (in Chinese) [王利亚, 印春生, 蔡文生, 潘忠孝 2001 高等学校化学学报 22 762]

    [7]

    Zhao Y J, Wang T Y, Leng Y G, Xu Y, Zhang P 2009 J. Tianjin Univ. 42 123 (in Chinese) [赵艳菊, 王太勇, 冷永刚, 徐跃, 张攀 2009 天津大学学报 42 123]

    [8]

    Kang Y M, Xu J X, Xie Y 2004 Acta Mech. Sin. 36 247 (in Chinese) [康艳梅, 徐健学, 谢勇 2004 力学学报 36 247]

    [9]

    Leng Y G, Lai Z H 2014 Acta Phys. Sin. 63 020502 (in Chinese) [冷永刚, 赖志慧 2014 63 020502]

    [10]

    Li Q, Wang T Y, Leng Y G, He G Y, He H L 2007 Acta Phys. Sin. 56 6803 (in Chinese) [李强, 王太勇, 冷永刚, 何改云, 何慧龙 2007 56 6803]

    [11]

    Huang Z X, Yu Y H, Huang D C 2012 J. Shanghai Jiaotong. Univ. 46 228 (in Chinese) [黄泽霞, 俞攸红, 黄德才 2012 上海交通大学学报 46 228]

    [12]

    Zhang Z S 2010 Expert Syst. Appl. 37 1800

    [13]

    Zhang H L, Song L L 2013 Acta Phys. Sin. 62 190508 (in Chinese) [张宏立, 宋莉莉 2013 62 190508]

    [14]

    Guo Y C, Hu L L, Ding R 2012 Acta Phys. Sin. 61 054304 (in Chinese) [郭业才, 胡苓苓, 丁锐 2012 61 054304]

    [15]

    Gao F, Li Z Q, Tong H Q 2008 Chin. Phys. B 17 1196

  • [1]

    Benzi R, Parisi G, Vulpiani A 1983 SIAM J. Appl. Math. 43 565

    [2]

    Qin G R, Gong D C, Hu G, Wen X D 1992 Acta Phys. Sin. 41 360 (in Chinese) [秦光戎, 龚德纯, 胡岗, 温孝东 1992 41 360]

    [3]

    Zhu G Q, Ding K, Zhang Y, Zhao Y 2010 Acta Phys. Sin. 59 300 (in Chinese) [朱光起, 丁珂, 张宇, 赵远 2010 59 300]

    [4]

    Gao S L, Zhong S C, Wei K, Ma H 2012 Acta Phys. Sin. 61 100502 (in Chinese) [高仕龙, 钟苏川, 韦鹍, 马洪 2012 61 100502]

    [5]

    Ye Q H, Huang H N, Zhang C H 2009 Acta Electron. Sin. 37 216 (in Chinese) [叶青华, 黄海宁, 张春华 2009 电子学报 37 216]

    [6]

    Wang L Y, Yin C S, Cai W S, Pan Z X 2001 Chem. J. Chin. Univ. 22 762 (in Chinese) [王利亚, 印春生, 蔡文生, 潘忠孝 2001 高等学校化学学报 22 762]

    [7]

    Zhao Y J, Wang T Y, Leng Y G, Xu Y, Zhang P 2009 J. Tianjin Univ. 42 123 (in Chinese) [赵艳菊, 王太勇, 冷永刚, 徐跃, 张攀 2009 天津大学学报 42 123]

    [8]

    Kang Y M, Xu J X, Xie Y 2004 Acta Mech. Sin. 36 247 (in Chinese) [康艳梅, 徐健学, 谢勇 2004 力学学报 36 247]

    [9]

    Leng Y G, Lai Z H 2014 Acta Phys. Sin. 63 020502 (in Chinese) [冷永刚, 赖志慧 2014 63 020502]

    [10]

    Li Q, Wang T Y, Leng Y G, He G Y, He H L 2007 Acta Phys. Sin. 56 6803 (in Chinese) [李强, 王太勇, 冷永刚, 何改云, 何慧龙 2007 56 6803]

    [11]

    Huang Z X, Yu Y H, Huang D C 2012 J. Shanghai Jiaotong. Univ. 46 228 (in Chinese) [黄泽霞, 俞攸红, 黄德才 2012 上海交通大学学报 46 228]

    [12]

    Zhang Z S 2010 Expert Syst. Appl. 37 1800

    [13]

    Zhang H L, Song L L 2013 Acta Phys. Sin. 62 190508 (in Chinese) [张宏立, 宋莉莉 2013 62 190508]

    [14]

    Guo Y C, Hu L L, Ding R 2012 Acta Phys. Sin. 61 054304 (in Chinese) [郭业才, 胡苓苓, 丁锐 2012 61 054304]

    [15]

    Gao F, Li Z Q, Tong H Q 2008 Chin. Phys. B 17 1196

  • [1] 卫容宇, 聂敏, 杨光, 张美玲, 孙爱晶, 裴昌幸. 基于软件定义量子通信的自由空间量子通信信道参数自适应调整策略.  , 2019, 68(14): 140302. doi: 10.7498/aps.68.20190462
    [2] 王珊, 王辅忠. 基于自适应随机共振理论的太赫兹雷达信号检测方法.  , 2018, 67(16): 160502. doi: 10.7498/aps.67.20172367
    [3] 王梦蛟, 吴中堂, 冯久超. 一种参数优化的混沌信号自适应去噪算法.  , 2015, 64(4): 040503. doi: 10.7498/aps.64.040503
    [4] 黄宇, 刘玉峰, 彭志敏, 丁艳军. 基于量子并行粒子群优化算法的分数阶混沌系统参数估计.  , 2015, 64(3): 030505. doi: 10.7498/aps.64.030505
    [5] 焦尚彬, 任超, 黄伟超, 梁炎明. 稳定噪声环境下多频微弱信号检测的参数诱导随机共振现象.  , 2013, 62(21): 210501. doi: 10.7498/aps.62.210501
    [6] 汪照, 李有明, 陈斌, 邹婷. 基于鱼群算法的OFDMA自适应资源分配.  , 2013, 62(12): 128802. doi: 10.7498/aps.62.128802
    [7] 祝大伟, 涂俐兰. 随机扰动下Lorenz混沌系统的自适应同步与参数识别.  , 2013, 62(5): 050508. doi: 10.7498/aps.62.050508
    [8] 张宏立, 宋莉莉. 基于量子粒子群算法的混沌系统参数辨识.  , 2013, 62(19): 190508. doi: 10.7498/aps.62.190508
    [9] 简小华, 崔崤峣, 向永嘉, 韩志乐. 自适应多光谱光声成像技术研究.  , 2012, 61(21): 217801. doi: 10.7498/aps.61.217801
    [10] 郑仕链, 杨小牛. 绿色认知无线电自适应参数调整.  , 2012, 61(14): 148402. doi: 10.7498/aps.61.148402
    [11] 李盼池, 王海英, 宋考平, 杨二龙. 量子势阱粒子群优化算法的改进研究.  , 2012, 61(6): 060302. doi: 10.7498/aps.61.060302
    [12] 郭业才, 胡苓苓, 丁锐. 基于量子粒子群优化的正交小波加权多模盲均衡算法.  , 2012, 61(5): 054304. doi: 10.7498/aps.61.054304
    [13] 方伟, 孙俊, 谢振平, 须文波. 量子粒子群优化算法的收敛性分析及控制参数研究.  , 2010, 59(6): 3686-3694. doi: 10.7498/aps.59.3686
    [14] 李 强, 王太勇, 冷永刚, 何改云, 何慧龙. 基于近似熵测度的自适应随机共振研究.  , 2007, 56(12): 6803-6808. doi: 10.7498/aps.56.6803
    [15] 王兴元, 武相军. 不确定Chen系统的参数辨识与自适应同步.  , 2006, 55(2): 605-609. doi: 10.7498/aps.55.605
    [16] 高 飞, 童恒庆. 基于改进粒子群优化算法的混沌系统参数估计方法.  , 2006, 55(2): 577-582. doi: 10.7498/aps.55.577
    [17] 李国辉, 徐得名, 周世平. 随机性参数自适应的混沌同步.  , 2004, 53(2): 379-382. doi: 10.7498/aps.53.379
    [18] 神经网络的自适应删剪学习算法及其应用.  , 2001, 50(4): 674-681. doi: 10.7498/aps.50.674
    [19] 戴栋, 马西奎. 基于间歇性参数自适应控制的混沌同步.  , 2001, 50(7): 1237-1240. doi: 10.7498/aps.50.1237
    [20] 贺明峰, 穆云明, 赵立中. 基于参数自适应控制的混沌同步.  , 2000, 49(5): 830-832. doi: 10.7498/aps.49.830
计量
  • 文章访问数:  6618
  • PDF下载量:  652
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-03-20
  • 修回日期:  2014-04-28
  • 刊出日期:  2014-08-05

/

返回文章
返回
Baidu
map