[发明专利]基于自适应混沌粒子群算法的随机共振微弱信号检测方法

权利要求书

1.一种基于自适应混沌粒子群算法的随机共振微弱信号检测方法，其特征在于，包括以下步骤：

步骤1)ACPSO算法参数初始化；

步骤2)混沌初始化粒子速度、位置及最优适应度值计算；

步骤3)进行粒子位置、速度和最优适应度值更新；

步骤4)输出最优随机共振；

所述步骤3)中，运用方程(9)(10)更新混沌初始化后的粒子速度与位置，让粒子位于新的速度与位置；利用计算出更新后的粒子适应度值；如果获得的单个粒子局部最佳适应度值Pbest_i(t+1)或全局最佳适应度值gbest_i(t+1)好于上一代粒子的Pbest_i(t)和gbest_i(t)，更新Pbest_i(t)和gbest_i(t)；在ACPSO算法中，粒子群的种群数N＝20，假设f_arg是将目前全部粒子适应度求平均，即：

v_i(t+1)＝ω(t).v_i(t)+c₁γ₁(pbest_i(t)-x_i(t))+c₂γ₂(gbest_i(t)-x_i(t)) (9)

x_i(t+1)＝x_i(t)+v_i(t+1) (10)

方程(11)中f_i是粒子在目前迭代次数时所取适应值；假如最佳粒子适应值是f_arg，对适应值好于f_arg的粒子求平均值，可得f_arg’；

调节适应值为f_i粒子的惯性权重ω方法具体为:

1)f_i优于f_arg’，满足这个要求的粒子是种群内寻优性能较好的粒子，非常靠近全局最优，惯性权重赋一个略小的值，调节ω的惯性权重，快速达到全局最优值；其中ω_min＝0.5，其关系式如下：

2)f_i好于f_arg但差于f_arg’，达到这个要求的粒子拥有较好的局部寻优与全局寻优能力，当ω随着搜索进行按余弦规律减小，开始搜索时ω能较长时间维持较大值来增强搜索效率，在搜索的后期ω又较长时间维持较小值增加搜索精度；

方程(13)中ω_max为搜索开始时最大ω，ω_min是搜索结束时最小ω，t是迭代进行的步数，Maxstep是允许的最大迭代步数，此处ω_min＝0.05，ω_max＝1，Maxstep＝20；

3)f_i次于f_arg，达到这个要求的粒子是种群内较差粒子，调节它的惯性权重方法为：

进行调节Δ是对粒子早熟收敛水平的判断量，Δ＝|f_g-f_arg’|，其中f_g为最优粒子适应度；当算法停止时，如果粒子比较离散，Δ变大，减小粒子的ω值，增强局部寻优能力，从而让种群趋向收敛；如果粒子比较集中，那么Δ减小，增大ω，让粒子拥有较强的探寻能力，能够有能力跳出局部最优，其中k₁＝1.5，k₂＝1。