注册| 登录

量子群智能及其在通信技术中的应用

作者:高洪元 著

出版社: 电子工业出版社

出版年:2016-06-01

页数:244

豆瓣评分:-- 去购买

内容简介

本书共分9章,主要内容包括量子粒子群、量子蛙跳算法、量子蜂群、量子细菌觅食、量子神经网络、量子文化算法、量子文化群智能、量子膜群算法、多目标量子膜群算法、多用户检测、频谱分配、决策引擎、频谱感知、冲击噪声测向、非圆信号测向等通信技术中的热点和难点问题。 本书可使读者在了解和学习量子群智能和通信技术*新科研成果的同时,在量子群智能和通信技术两个方向得到启发,也可作为相关学科的教材和科研用书。

作者简介

高洪元,博士后,工学博士,硕士生导师,副教授;IEEE会员,中国计算机学会会员; IWSIS2012、IWSIS2013国际会议分会主席;是《Journal of Communications and Networks》、《International Journal of Electronics and Communications》、《Information Sciences》、 《Circuits, Systems & Signal Processing》、《Computer Methods and Programs in Biomedicine》和《Computational Intelligence》等SCI国际期刊审稿人。


目录

目 录


第1章 绪论 1

1.1 量子群智能计算简介 1

1.2 单目标和多目标优化问题 3

1.2.1 单目标优化问题的数学模型 5

1.2.2 单目标约束优化问题的求解方法 5

1.2.3 多目标优化问题的数学模型 7

1.2.4 多目标优化方法简介 9

1.3 智能计算在通信技术中的应用 11

1.3.1 简介 11

1.3.2 展望 15

1.4 本书内容和结构安排 17

参考文献 19

第2章 用于离散优化问题的量子群智能计算 29

2.1 量子粒子群算法 30

2.1.1 双链编码的量子粒子群算法 30

2.1.2 单链编码的量子粒子群算法[2] 32

2.1.3 性能测试 34

2.2 量子蜂群算法 37

2.2.1 双链编码的量子蜂群算法[5] 37

2.2.2 单链编码的量子蜂群算法 40

2.2.3 性能测试 42

2.3 量子细菌觅食算法 43

2.3.1 双链编码的量子细菌觅食算法 44

2.3.2 量子细菌觅食算法的收敛性分析 47

2.3.3 性能测试 49

2.4 小结 50

参考文献 50

第3章 用于连续优化问题的量子群智能计算 52

3.1 量子蛙跳算法 53

3.1.1 混合蛙跳算法 53

3.1.2 量子蛙跳算法[4] 55

3.1.3 性能测试 58

3.2 量子文化蛙跳算法[9] 60

3.2.1 量子规范知识 60

3.2.2 量子文化蛙跳算法的实现 61

3.2.3 性能测试 64

3.3 量子细菌觅食算法 65

3.3.1 细菌觅食算法 66

3.3.2 量子细菌觅食优化算法[16] 69

3.3.3 性能测试 71

3.4 小结 73

参考文献 74

第4章 基于量子智能算法的多用户检测 76

4.1 多用户检测的数学模型 78

4.1.1 噪声模型 78

4.1.2 高斯噪声下的多用户检测数学模型 79

4.2 高斯噪声环境的典型多用户检测方法 83

4.2.1 传统检测器 83

4.2.2 最优多用户检测器 84

4.2.3 Hopfield神经网络多用户检测器 86

4.3 基于免疫克隆量子算法的多用户检测[13] 87

4.3.1 神经网络制备疫苗的方法框架 88

4.3.2 基于免疫克隆量子算法的多用户检测器 89

4.3.3 试验仿真 93

4.4 量子HOPFIELD神经网络的多用户检测设计 95

4.4.1 量子Hopfield神经网络 96

4.4.2 基于量子神经网络的多用户检测 98

4.4.3 基于量子神经网络的多用户检测器仿真 99

4.5 量子蜂群算法的鲁棒多用户检测 100

4.5.1 鲁棒多用户检测器 101

4.5.2 新量子蜂群算法 102

4.5.3 基于量子蜂群算法的鲁棒多用户检测[37] 104

4.5.4 试验仿真 105

4.6 小结 107

参考文献 107

第5章 基于量子群智能的认知无线电决策引擎 112

5.1 认知无线电决策引擎模型和三种典型的决策引擎 114

5.1.1 智能计算的认知决策引擎 114

5.1.2 基于智能计算的认知决策引擎方法 117

5.2 单目标膜量子蜂群算法及其在决策引擎上的应用[20] 123

5.2.1 膜结构简介 123

5.2.2 膜量子蜂群优化算法 124

5.2.3 膜量子蜂群优化算法的性能测试 128

5.2.4 基于膜量子蜂群算法的认知无线电决策引擎 130

5.2.5 决策引擎试验仿真 131

5.3 基于量子细菌觅食算法的绿色认知无线电参数调整 134

5.3.1 绿色认知无线电参数调整模型 135

5.3.2 量子细菌觅食算法的绿色认知无线电参数调整[29] 137

5.3.3 试验仿真 138

5.4 小结 141

参考文献 142

第6章 基于量子群智能的频谱分配 146

6.1 频谱分配模型 147

6.1.1 图论着色模型 147

6.1.2 单目标频谱分配 149

6.1.3 多目标频谱分配 150

6.2 基于量子粒子群算法的单目标频谱分配 151

6.2.1 基于单链量子粒子群算法的认知无线电频谱分配[15] 151

6.2.2 仿真结果分析 152

6.3 基于多目标膜量子蜂群的多目标频谱分配[16] 155

6.3.1 膜量子蜂群的基本演进规则 156

6.3.2 膜量子蜂群的膜框架 158

6.3.3 基于多目标膜量子蜂群算法的多目标频谱分配技术 161

6.3.4 频谱分配实验仿真 163

6.4 小结 167

参考文献 168

第7章 量子群智能的频谱感知技术 171

7.1 线性协作频谱感知模型 172

7.2 合作式频谱感知的基本算法 174

7.2.1 基于修正偏差因子的频谱感知方法 174

7.2.2 基于粒子群算法的频谱感知 175

7.2.3 计算机仿真 177

7.3 基于连续量子细菌觅食算法的频谱感知技术 178

7.3.1 量子细菌觅食算法的频谱感知[15] 178

7.3.2 计算机仿真 181

7.4 小结 184

参考文献 184

第8章 基于量子智能计算的DOA估计 187

8.1 经典DOA估计模型和算法 188

8.1.1 DOA估计模型 188

8.1.2 经典测向算法 189

8.1.3 基于量子蛙跳算法的测向方法 190

8.1.4 试验仿真 191

8.2 基于高阶累积量和文化量子算法的测向方法[18] 192

8.2.1 基于高阶累积量的广义加权子空间拟合算法 193

8.2.2 文化量子算法 196

8.2.3 基于文化量子算法的广义高阶加权信号子空间拟合测向 199

8.2.4 试验仿真 200

8.3 基于量子文化蛙跳算法的非圆信号DOA估计[27] 203

8.3.1 非圆极大似然算法 203

8.3.2 基于量子文化蛙跳算法的极大似然测向 204

8.3.3 试验仿真 206

8.4 小结 207

参考文献 208

第9章 冲击噪声环境下的量子智能计算DOA估计 211

9.1 冲击噪声环境下的测向模型 212

9.1.1 三种低阶矩 212

9.1.2 三种低阶矩的对比 213

9.2 基于量子文化细菌觅食算法的无穷范数最大似然测向方法[10] 215

9.2.1 量子文化细菌觅食算法 215

9.2.2 量子文化细菌觅食算法的无穷范数极大似然测向 218

9.2.3 试验仿真 221

9.3 基于量子粒子群的动态测向方法 225

9.3.1 冲击噪声下的动态测向模型 225

9.3.2 连续量子粒子群优化算法 226

9.3.3 量子粒子群优化算法的动态测向方法[18] 228

9.3.4 试验仿真 229

9.4 小结 231

参考文献 232



前言/序言

无线通信是当今科学技术发展最活跃的领域。在无线通信飞速发展的今天,频谱资源和系统性能都难以跟上实际需求的快速增长,成为制约无线通信持续发展的主要因素。研究通信系统的关键技术对合理分配频谱资源、确定系统参数和满足系统多目标要求有深远意义。因此,本书根据智能计算的最新进展,在量子群智能理论的基础上进行学科交叉,介绍了量子群智能频谱分配、频谱感知、多用户检测、测向和决策引擎等具有重要的理论价值和现实意义的通信关键技术。基于量子群智能的通信关键技术是当前智能计算和通信领域的研究热点,在工业和国防科技领域具有广阔的应用前景。希望本书的出版将对量子群智能和通信技术的持续发展起到推进作用。

本书阐述了作者及其团队在量子群智能领域的学术研究成果及其在通信技术中的应用,阐明了在通信技术中使用量子群智能的可行性、有效性及其对后续科研思路的启发。量子群智能在通信技术中的应用是智能计算与通信技术领域结合的一个前沿和富有挑战性的研究方向,它以量子群智能理论为基础,侧重于介绍如何设计目标函数去解决通信技术中所面对的技术难题,如何根据工程问题设计量子群智能算法去快速可靠地解决工程优化问题。本书在介绍量子智能相关理论的基础上,阐述了智能计算的新发展——量子群智能计算,内容主要包括:量子粒子群算法、量子蛙跳算法、量子蜂群算法、量子细菌觅食算法、量子神经网络、量子文化算法、量子文化群智能、量子膜群算法和多目标量子膜群算法。并且给出了量子群智能在通信技术中的具体应用,解决了多用户检测、频谱分配、决策引擎、频谱感知、冲击噪声测向和非圆信号测向等通信技术中的热点和难点问题。同时介绍了当前量子群智能及其应用的一些最新技术,如多目标频谱分配、量子膜群、量子文化群、智能非圆测向和智能冲击噪声环境测向等通信技术和智能计算领域的热点问题,做到理论和具体应用的有机结合。

本书内容安排尽可能考虑适合高等学校相关专业研究生及博士生的实际研究和教学要求,做到深入浅出、重点突出,读者可以在相对较短的时间内入门并深入进去。本书可使读者在了解和学习量子群智能和通信技术最新科研成果的同时,在量子群智能和通信技术两个方向得到启发。本书可作为相关学科研究人员的教学和科研用书。

本书第4、8、9章的部分内容由刁鸣教授撰写,其他章节内容由高洪元副教授撰写。在论文写作过程中,感谢硕士研究生李晨琬、杜亚男、李佳、刘丹丹和梁炎松在文献和文稿整理方面所付出的工作和努力。由于量子群智能和通信技术发展迅猛、应用广泛,再加上作者的水平有限,难免存在缺点和不足之处,敬请读者批评指正!

本专著获得了如下基金的资助:国家自然科学基金(No.61102106,No.61571149)、中国博士后科学基金特别资助(No.2015T80325)、中国博士后科学基金1等资助(No.2013M530148)、黑龙江省博士后科学基金(No.LBHZ13054)和中央高校基本科研业务费(No.HEUCF150817),在此表示衷心感谢。本专著的撰写主要在访学期间完成,特此感谢中国留学基金委的资助。


收藏 评论:0
没有ID?去注册 忘记密码? 已有账号,马上登陆

添加表情