[发明专利]基于人工免疫算法的主动降噪优化方法及系统

权利要求书

1.基于人工免疫算法的主动降噪优化方法，其特征在于：包括以下步骤：

S100：初始化抗体的位置，作为滤波器系数向量；

S200：根据主动噪声控制系统确定适应度函数的表达式；

S300：计算所有抗体的适应度函数值；

S400：根据抗体之间的亲和度计算所有抗体的个体浓度，并联合抗体的适应度计算激励度；

S500：根据抗体的激励度进行免疫选择，筛掉激励度低的抗体；

S600：对进行免疫选择后的种群个体进行克隆、变异以及克隆抑制操作，形成免疫种群；

S700：将免疫种群和新生成种群合并，进行种群刷新；

S800：当满足迭代条件时，最优抗体的位置作为最优滤波器系数向量，否则，循环执行S400至S800。

2.根据权利要求1所述的基于人工免疫算法的主动降噪优化方法，其特征在于：所S400中第i个抗体的个体浓度根据以下公式计算：

其中，den(ab_i)表示个体浓度，N表示种群的抗体数量，S(ab_i，ab_j)表示抗体ab_i和ab_j之间的相似度，由下式得到：

其中，aff(ab_i，ab_j)为抗体间的欧氏距离或海明距离，δ_s为相似度阈值。

3.根据权利要求2所述的基于人工免疫算法的主动降噪优化方法，其特征在于：所述S400中抗体的激励度根据以下公式计算：

sim(ab_i)＝a*func(ab_i)-b*den(ab_i)

其中，sim(ab_i)表示激励度，func(ab_i)为第i个抗体的适应度，a、b为激励度系数。

4.根据权利要求3所述的基于人工免疫算法的主动降噪优化方法，其特征在于：所述S500包括：

S500-1：按照激励度的排序，从小到大取预设比例的抗体进行免疫选择，丢弃剩余的抗体个体。

5.根据权利要求4所述的基于人工免疫算法的主动降噪优化方法，其特征在于：所述S600包括：

S600-1：将免疫种群的所有个体复制M份，保留克隆源个体；

S600-2：对其中M-1份个体进行下面的变异操作：

其中，ab_i，j，m为ab_i抗体的第m个复制体的第j维分量，rand为0到1之间的随机数，p_m为变异概率，δ为定义的邻域范围，为ab_i，j，m朝向最优抗体的第j维分量的单位方向向量；

S600-3：计算免疫种群中每个抗体对应的M份克隆变异抗体的激励度，并保留激励度最小的抗体形成新的免疫种群。

6.根据权利要求5所述的基于人工免疫算法的主动降噪优化方法，其特征在于：所述S700包括：

S700-1：随机化生成之前免疫选择中丢弃的抗体数量大小的新种群，并计算种群激励度；

S700-2：将免疫种群与新的免疫种群合并，得到激励度最小的最优抗体。

7.根据权利要求6所述的基于人工免疫算法的主动降噪优化方法，其特征在于：所述免疫种群的免疫选择比例为抗体种群大小的10％～50％；对免疫种群进行克隆变异时，其扩增倍数为5～10倍。

8.一种基于人工免疫算法的主动降噪优化系统，其特征在于：使用了根据权利要求1-7中任一项所述的基于人工免疫算法的主动降噪优化方法。