《计算机应用研究》|Application Research of Computers

改进的简化粒子群算法优化模糊神经网络建模

Fuzzy neural network for modeling based on improved simplified particle swarm optimization

免费全文下载 (已被下载 次)  
获取PDF全文
作者 周丹,南敬昌,高明明
机构 辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2015)04-1000-04
DOI 10.3969/j.issn.1001-3695.2015.04.009
摘要 为了更准确地描述有记忆效应的射频功放特性,提出了一种改进的简化粒子群优化(PSO)算法,并结合自适应模糊推理系统(ANFIS)建立模糊神经网络功放模型。改进的简化PSO算法仅保留粒子的位置项,加入了随机的个体最优候选解,由粒子的当前位置、个体最优解、全局最优解和随机的个体最优候选解共同决定其位置项;采用线性递减惯性权重,并利用异步变化的动态学习因子,且新颖地引入拉普拉斯系数,从而增加了种群多样性,加快了收敛速度,避免陷入局部最优。由模型仿真对比可知,该方法建立的功放模型结构简单、收敛快、误差小、精度高,从而验证了建模方法的有效性和可靠性。
关键词 记忆功放模型;自适应模糊推理系统;简化粒子群算法;个体最优候选解;拉普拉斯系数
基金项目 国家自然科学基金资助项目(61372058)
辽宁省高等学校优秀科技人才支持计划资助项目(LR2013012)
辽宁工程技术大学研究生科研资助项目(5B2014032)
本文URL http://www.arocmag.com/article/01-2015-04-009.html
英文标题 Fuzzy neural network for modeling based on improved simplified particle swarm optimization
作者英文名 ZHOU Dan, NAN Jing-chang, GAO Ming-ming
机构英文名 School of Electrics & Information Engineering, Liaoning Technical University, Huludao Liaoning 125105, China
英文摘要 In order to describe the memory effect of RF power amplifier model perfectly, this paper proposed an improved simplified particle swarm optimization (PSO) algorithm, and built fuzzy neural network model for power amplifier combining with the adaptive neural fuzzy inference system (ANFIS). The improved simplified PSO algorithm had only position parameter, and added random local best candidate solution. The position parameter was directed by the particle’s current position, local best solution, the global best solution and a random local best candidate solution. The algorithm employed linear decreased inertia weight, also used asynchronous changed dynamic learning factor, and novelly introduced Laplace coefficient. The new algorithm improved the swarm diversity, and speeded up the convergence, avoided being trapped in local optimal solution. The simulation comparison of the models shows that this modeling approach has the characteristics of simple structure, fast convergent, small error and high precision. Thus it verifies the validity and reliability of the modeling method.
英文关键词 memory power amplifier model; adaptive neural fuzzy inference system; simplified particle swarm optimization; local best candidate solution; Laplace coefficient
参考文献 查看稿件参考文献
  [1] 孙璐. 基于散射函数的一种微波非线性电路建模新方法[D] . 西安:西安电子科技大学, 2010.
[2] ROOT D E. Future device modeling trends[J] . Microwave Magazine, 2012, 13(7):45-59.
[3] 李郁松, 郭裕顺. 基于模糊逻辑的器件与电路建模技术[J] . 电路与系统学报, 2004, 9(1):59-63.
[4] 邓洪敏, 何松柏, 虞厥邦. 基于模糊神经网络的自适应预失真功放[J] . 信号处理, 2003, 19(4):334-337.
[5] 翟建锋, 周健义, 洪伟, 等. 有记忆效应的功放实数延时模糊神经网络模型[J] . 微波学报, 2009, 25(5):41-44.
[6] 徐飞, 郭裕顺. 射频功率放大器的建模[J] . 电子器件, 2010, 33(3):384-387.
[7] 周燕, 刘培玉, 赵静, 等. 基于自适应惯性权重的混沌粒子群算法[J] . 山东大学学报:理学版, 2012, 47(3):27-32.
[8] CATALAO J P S, POUSINHO H M I, MENDES V M F. Hybrid wavelet-PSO-ANFIS approach for short-term electricity prices forecasting[J] . Transactions on Power Systems, 2011, 26(1):137-144.
[9] 孙伟, 张小瑞, 唐慧强, 等. 基于自适应遗传粒子群优化模糊神经网络的疲劳驾驶预测模型[J] . 汽车工程, 2013, 35(3):219-223.
[10] 黎林, 朱军, 刘颖, 等. 改进动量粒子群优化神经网络的语音端点检测[J] . 计算机工程与应用, 2013, 49(5):225-229.
[11] 南敬昌, 任建伟, 张玉梅. 基于PSO_BP神经网络的射频功放行为模型[J] . 微电子学, 2011, 41(5):741-745.
[12] 王瑞娜, 刘桂红, 南敬昌. 基于PSO-SVM的射频功率放大器模型研究[J] . 微电子学, 2013, 43(4):554-557.
[13] 胡旺, 李志蜀. 一种更简化而高效的粒子群优化算法[J] . 软件学报, 2007, 18(4):861-868.
[14] 赵志刚, 张振文, 张福刚. 自适应扩展的简化粒子群优化算法[J] . 计算机工程与应用, 2011, 47(18):45-47.
[15] LI De-zhi, WANG W, ISMAIL F. Fuzzy neural network technique for system state forecasting[J] . Transactions on Cybernetics, 2013, 43(5):1484-1494.
收稿日期 2014/3/11
修回日期 2014/4/26
页码 1000-1003
中图分类号 TP183;TP301.6
文献标志码 A