[发明专利]基于蚁群算法的自适应随机共振系统参数选择方法

权利要求书

1.一种基于蚁群算法的自适应随机共振系统参数选择方法，其特征在于，包括以下步骤：

(1)先对信号进行预处理，使其满足随机共振小参数要求，选择随机共振处理后信号的输出信噪比作为蚁群算法的评价函数；

(2)选择基于网格划分的蚁群算法，根据随机共振初始搜索范围和评价函数来设定蚁群算法内的参数；

(3)用基于网格划分的蚁群算法对随机共振系统参数进行寻优，最后得到的就是自适应求得的随机共振系统参数。

2.根据权利要求1所述基于蚁群算法的自适应随机共振系统参数选择方法，其特征在于，步骤(1)中：

所说的对信号进行预处理是指对不满足随机共振小参数要求的信号X(t)在进入随机共振系统前通过归一化、移频、调制、变尺度或移频变尺度方法进行处理。

3.根据权利要求1所述基于蚁群算法的自适应随机共振系统参数选择方法，其特征在于，步骤(3)中：

具体包括以下步骤：

1)把蚂蚁随机放到网格节点处，每个节点对应一组随机共振系统参数值，一般蚂蚁数和初始网格数相当；

2)根据各节点信息素浓度·_ij按照如下公式计算每一列中各节点的概率Pij，然后让此列上的蚂蚁按概率随机寻找下一节点位置

N为所分网格段数；

3)蚂蚁移动到选中的节点位置，把此节点数值赋给随机共振的系统参数，然后计算信号经随机共振后的评价函数值；

4)根据各节点求出的评价函数值来更新所在节点的信息素浓度，公式如下：

τ_ij(t+1)＝(1-ρ)τ_ij(t)+Δτ_ij(t)，τ_ij(t)为t时刻位于网格序列第i行第j列的节点信息素浓度，ρ为信息素挥发系数，ΔT_ij(t)为t时刻计算出的节点浓度变化量；

5)判断每列上蚂蚁所选节点是否收敛于同一节点，如果是，找出各列中信息素浓度最高的节点，否则跳到步骤2)；

6)在收敛的节点处缩小区间范围然后跳到步骤1)继续执行，直至区间范围小于设定的精度要求。