搜索

文章查询

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

基于人工蜂群算法的混沌信号盲提取

李广明 胡志辉

基于人工蜂群算法的混沌信号盲提取

李广明, 胡志辉
PDF
导出引用
导出核心图
  • 针对混沌信号在噪声信号中的提取问题,本文将其建立于线性混合模型进行分析.在该模型下,提出一种结合高维核函数的性能函数,该函数的计算复杂度较低.在使用人工蜂群算法来处理该多峰函数优化问题时,文中采用马尔可夫模型分析了人工蜂群算法的有效性.仿真实验表明本文方法能在较低复杂度下提取出相关系数很高的估计信号.
      通信作者: 李广明, lgngmng@163.com
    • 基金项目: 国家自然科学基金(批准号:61170216,60872123)资助的课题.
    [1]

    Feng J C 2012 Chaotic Signals and Information Processing (Beijing:Tsinghua Univ. Press) pp32-35(in Chinese)[冯久超2012混沌信号与信息处理(清华大学出版社)第32–35页]

    [2]

    Hu Z H, Feng J C 2011 Acta Phys. Sin. 60 070505 (in Chinese)[胡志辉, 冯久超2011物理学报60 070505]

    [3]

    Hathaway D H, Wilson R M 2010 Sol. Phys. 224 5

    [4]

    Letellier C, Aguirre L A, Maquet J, Gilmore R 2006 Astron. Astrophys. 449 379

    [5]

    Mordvinov A V, Kramynin A P 2010 Sol. Phys. 264 269

    [6]

    Li G M, Lyu S X 2015 Chin. J. Electron. 24 584

    [7]

    Wang B Y, Zheng W X 2006 IEEE Trans. Circuits Syst. Express Briefs 53 143

    [8]

    Arena P, Buscarino A, Fortuna L, Frasca M 2006 Phys. Rev. E 74 1

    [9]

    Hu W, Liu Z 2008 IET Signal Proc. 2 424

    [10]

    Pecora L M, Carroll T L 1990 Phys. Rev. Lett. 64 821

    [11]

    Barros A K, Cichocki A 2001 Neural Comput. 13 1995

    [12]

    Ahmadian P, Sanei S, Ascari L, Villanueva L G, Umilta M A 2013 IEEE Trans. Neural Syst. Rehabil. Eng. 21 567

    [13]

    Chen H B, Feng J C, Fang Y 2008 Chin. Phys. Lett. 25 405

    [14]

    Li Y, Wang J, Zurada J M 2000 IEEE Trans. Neural Networks 11 1413

    [15]

    L S X, Wang Z S, Hu Z H, Feng J C 2014 Chin. Phys. B 23 010506

    [16]

    Scholkopf B 2001 Adv. Neural Inf. Proc. Syst. 13 301

    [17]

    Kwak N 2013 IEEE Trans. Neural Networks and Learning Systems 24 2113

    [18]

    Karaboga D, Basturk B 2007 J. Global Optim. 39 459

    [19]

    Karaboga D, Basturk B 2008 Appl. Soft Comput. J. 8 687

    [20]

    Chen Y, L S X, Wang M J, Feng J C 2015 Acta Phys. Sin. 64 090501 (in Chinese)[陈越, 吕善翔, 王梦蛟, 冯久超2015物理学报64 090501]

    [21]

    Hyvarinen A, Oja E 2000 Neural Networks 13 411

  • [1]

    Feng J C 2012 Chaotic Signals and Information Processing (Beijing:Tsinghua Univ. Press) pp32-35(in Chinese)[冯久超2012混沌信号与信息处理(清华大学出版社)第32–35页]

    [2]

    Hu Z H, Feng J C 2011 Acta Phys. Sin. 60 070505 (in Chinese)[胡志辉, 冯久超2011物理学报60 070505]

    [3]

    Hathaway D H, Wilson R M 2010 Sol. Phys. 224 5

    [4]

    Letellier C, Aguirre L A, Maquet J, Gilmore R 2006 Astron. Astrophys. 449 379

    [5]

    Mordvinov A V, Kramynin A P 2010 Sol. Phys. 264 269

    [6]

    Li G M, Lyu S X 2015 Chin. J. Electron. 24 584

    [7]

    Wang B Y, Zheng W X 2006 IEEE Trans. Circuits Syst. Express Briefs 53 143

    [8]

    Arena P, Buscarino A, Fortuna L, Frasca M 2006 Phys. Rev. E 74 1

    [9]

    Hu W, Liu Z 2008 IET Signal Proc. 2 424

    [10]

    Pecora L M, Carroll T L 1990 Phys. Rev. Lett. 64 821

    [11]

    Barros A K, Cichocki A 2001 Neural Comput. 13 1995

    [12]

    Ahmadian P, Sanei S, Ascari L, Villanueva L G, Umilta M A 2013 IEEE Trans. Neural Syst. Rehabil. Eng. 21 567

    [13]

    Chen H B, Feng J C, Fang Y 2008 Chin. Phys. Lett. 25 405

    [14]

    Li Y, Wang J, Zurada J M 2000 IEEE Trans. Neural Networks 11 1413

    [15]

    L S X, Wang Z S, Hu Z H, Feng J C 2014 Chin. Phys. B 23 010506

    [16]

    Scholkopf B 2001 Adv. Neural Inf. Proc. Syst. 13 301

    [17]

    Kwak N 2013 IEEE Trans. Neural Networks and Learning Systems 24 2113

    [18]

    Karaboga D, Basturk B 2007 J. Global Optim. 39 459

    [19]

    Karaboga D, Basturk B 2008 Appl. Soft Comput. J. 8 687

    [20]

    Chen Y, L S X, Wang M J, Feng J C 2015 Acta Phys. Sin. 64 090501 (in Chinese)[陈越, 吕善翔, 王梦蛟, 冯久超2015物理学报64 090501]

    [21]

    Hyvarinen A, Oja E 2000 Neural Networks 13 411

  • [1] 庄志本, 李军, 刘静漪, 陈世强. 基于新的五维多环多翼超混沌系统的图像加密算法. 物理学报, 2020, 69(4): 040502. doi: 10.7498/aps.69.20191342
    [2] 王晓雷, 赵洁惠, 李淼, 姜光科, 胡晓雪, 张楠, 翟宏琛, 刘伟伟. 基于人工表面等离激元的厚度渐变镀银条带探针实现太赫兹波的紧聚焦和场增强. 物理学报, 2020, 69(5): 054201. doi: 10.7498/aps.69.20191531
  • 引用本文:
    Citation:
计量
  • 文章访问数:  431
  • PDF下载量:  347
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-05-28
  • 修回日期:  2016-08-30
  • 刊出日期:  2016-12-05

基于人工蜂群算法的混沌信号盲提取

  • 1. 东莞理工学院计算机学院, 东莞 523808;
  • 2. 华南理工大学电子与信息学院, 广州 510641
  • 通信作者: 李广明, lgngmng@163.com
    基金项目: 

    国家自然科学基金(批准号:61170216,60872123)资助的课题.

摘要: 针对混沌信号在噪声信号中的提取问题,本文将其建立于线性混合模型进行分析.在该模型下,提出一种结合高维核函数的性能函数,该函数的计算复杂度较低.在使用人工蜂群算法来处理该多峰函数优化问题时,文中采用马尔可夫模型分析了人工蜂群算法的有效性.仿真实验表明本文方法能在较低复杂度下提取出相关系数很高的估计信号.

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回