1,2 Jianghang Guo, Lo Trem 1, 1,2 PROSPECTION GEOPHYSIQUE, Euro moins sensible 3

(1. École de Communication et Guilin University of Electronic Technology, Guilin 541004, Chine;

2. Laboratoire clé de l'Université du Guangxi Guilin électronique de la science et de la technologie et de l'application de la technologie de navigation de précision, Guilin, Guangxi 541004;

3. École des sciences de l'information et de la technologie Guilin University of Electronic Technology, Guilin 541004)

Résumé: Une des caractéristiques de signal de capteur inertiel, sur la base de la méthode de reconstruction de trace l'évolution quantique orthogonal immunitaire proposé d'algorithme correspondant. Procédé Orthogonal Matching Pursuit algorithme comme le noyau, le système immunitaire est introduit algorithme évolutif quantique. Tout d'abord, la configuration d'anticorps Superposition quantique de codage, pour obtenir un fonctionnement d'expansion de la population clonale immunitaire, d'accélérer l'atome de processus de recherche, alors que au moyen du croisement quantique éviter algorithme d'optimisation locale. Ensuite, la meilleure correspondance pour chacun des atomes d'itération sélectionnée reconstruire le signal complet de capteur inertiel, de manière à atteindre l'objectif consistant à filtrer. Les résultats de simulation montrent que, dans l'algorithme, un signal statique est une valeur dérive du zéro pour améliorer le rapport signal de bruit améliore 10,48 dB, un signal dynamique réduit l'erreur quadratique moyenne 28,551 ( « / s). Dans les mêmes conditions, l'algorithme classique de reconstruction par rapport à l'effet d'améliorer le filtrage du signal pendant le temps de reconstitution a été réduite d'environ 4 s, et, finalement, le traitement en temps réel le signal du capteur inertiel.

CLC: TN911.7; TP301.6

Code de document: A

DOI: 10,16157 / j.issn.0258-7998.166220

format de citation chinois: Jianghang Guo, Lo Trem PROSPECTION GÉOPHYSIQUE etc. Signal capteur inertiel basé sur l'algorithme évolution quantique de reconstruction immunitaire Technologie électronique, 2017,43 (10): 132-136.

Anglais format de citation: Jiang Xingguo, Luo Zhenzhen, Li Haiou, et al. Reconstruction du signal du capteur inerial basé sur l'algorithme évolutif quantique immunitaire .Application Technique électronique, 2017,43 (10): 132-136.

0 introduction

capteur inertiel comme un système de navigation par inertie, l'élément formant noyau qui affectent directement la précision de la performance du système de navigation par inertie. Avec le développement continu de la science et de la technologie, à haute précision plus , donc, est de savoir comment améliorer la précision des capteurs d'inertie est depuis longtemps l'objet de recherches. À l'heure actuelle, afin d'améliorer le filtrage par l'intermédiaire de la précision du capteur inertiel. méthodes de traitement conventionnelles Wavelet Analyse et filtrage de Kalman et similaires. Ces méthodes sont exprimées pour obtenir la propriété du signal, obtenu de bons résultats pour un signal particulier d'un type particulier, pas d'un domaine de transformation universelle. Ces dernières années, comme la détection de compression sparsity a proposé la recherche systématique et appliquée au champ signal de débruitage. Comme la plupart du signal dans le groupe de transformation est clairsemée, cette méthode est largement utilisée. Document algorithme K-VSD obtenu par dictionnaire redondant formation, le filtre clairsemé qui réalise un signal de capteur inertiel, mais un grand nombre d'atomes de bibliothèque. En outre, la principale méthode de reconstruction est basée sur la théorie de la décomposition parcimonieuse Orthogonal Matching Pursuit (Orthogonal Matching Pursuit, OMP) , mais le temps plus en cours d'exécution. Matching Pursuit compressé échantillonnage Alors que la vitesse améliorée de reconstruction, mais le nombre d'itérations à une condition donnée, et la faible densité de signal requis connu. Maintenant, avec la montée des algorithmes intelligents, la littérature proposé algorithme de colonie d'abeilles artificielle en même temps que la reconstruction MP, en simulant les abeilles collecte de nectar pour accélérer le processus d'optimisation, mais une formule de mise à jour unique algorithme, facile à tomber dans optimum local. L'algorithme génétique et algorithme de reconstruction moissonneuses-batteuses ont été proposées, le croisement et l'opérateur génétique mutation est bien enrichi la population, mais la population plus que le nombre requis, la convergence lente.

Les défauts des algorithmes existants, l'immunisation proposée avec l'évolution quantique OMP capteur inertiel combinant le signal reconstruit est atteint. L'algorithme ne nécessite pas un signal connu sparsity, par le fonctionnement des mécanismes immunitaires immunitaire, ce qui augmente l'affinité de l'anticorps à l'antigène afin de trouver la solution optimale. Algorithme, mécanisme de recherche quantique peut prévenir efficacement la dégradation de ce dernier algorithme, la vitesse de convergence de l'algorithme OMP. Présentation du système immunitaire de l'algorithme évolutif quantique a plus forte capacité de recherche mondiale, en évitant état optimum local et assurer efficacement la vitesse de reconstruction du signal et la précision.

1 théorie de l'algorithme

1.1 La théorie quantique des algorithmes évolutionnaires

QEA est une méthode d'optimisation basée sur le principe de l'informatique quantique. L'algorithme est basé sur le calcul quantique, quantique bit de codage et l'introduction de portes quantiques. Chromosome codé qubit est un vecteur d'état quantique, il peut être exprimé comme une superposition d'une pluralité d'états de chromosomes. porte quantique afin que la population a été mis à jour pour assurer la convergence. Ainsi, l'évolution quantique par rapport à l'algorithme génétique classique, il a une riche diversité de fonctionnalités et une meilleure convergence.

Représenté par les états quantiques de qubits, les bits classiques, sauf qu'il ya un état superposé, il risque de tomber | 0 > Et | 1 > combinaison linéaire d'états extérieur. Etat de Qubit représenté par la formule suivante:

1.2OMP principe de l'algorithme

Lorsque la longueur du signal est limitée, la valeur croissante de k, l'énergie du signal résiduel en diminuant de façon exponentielle, et enfin converge vers zéro.

2 Immune Quantum Evolutionary Algorithm pour la reconstruction OMP

algorithme évolutionnaire quantique immunitaire utilisé en conjonction avec la reconstruction OMP signal de capteur inertiel, caractérisé par la construction du signal ne correspond pas à l'atome correspond au signal de bruit, la composition avait dictionnaire complet. Et sélectionner le nombre maximum d'itérations de la condition de fin d'itération pour éviter les itérations de sélection inappropriés, l'effet du traitement d'impact ;; première accélération dans la bibliothèque pour correspondre au mieux les atomes de processus de recherche, des extraits signalent un fonctionnement optimal de mise en correspondance par immunisation de dernière opération atomique et quantique chaque itération en utilisant la complète extraite reconstruit meilleur signal de capteur inertiel atome d'adaptation, réalisant ainsi le filtrage du signal. L'algorithme de base de données que la population atomique, un ensemble de paramètres de l'atome en tant que bibliothèque d'anticorps d'atomes, des anticorps trouver grande aptitude en tant que cible d'optimisation, en valeurs de signaux de projection bibliothèque d'atomes est la valeur de fonction de fitness.

2.1 Stratégies d'amélioration

Cet algorithme clonale principe de sélection d'un mécanisme de recherche de quantum et de l'algorithme immunitaire combinaison d'anticorps configuration superposée codage quantique; produire la population d'origine et de la population sous-ensemble à réaliser l'expansion de la population, l'amélioration de la capacité de recherche locale par l'opération de clonage, tandis que par l'intermédiaire de la liaison quantique éviter optimum local. Opérateur cadre de base clonage basé sous, représenté par quantum codant pour un anticorps, conçu pour la mutation de la porte quantique de codage quantique, et est configuré avec des propriétés quantiques multiples points de croisement.

2.2 immunité d'exploitation

Clonage: Procédé de roue de roulette pour déterminer la taille de la sous-population de clones. Fourni avant que les populations de clonage de Q = {q1, q2, ..., qN}, N est la taille de la taille de la population, le actionnable de population clonée à Q « = {Q, C}, où C est un anticorps produit par sous-groupe de clones. Clonage basé essentiellement sur la taille de l'anticorps - antigène remise en forme, la taille relative de l'anticorps qui peut être ajusté, à savoir par l'anticorps stimulation antigénique, le nombre de clones pour déterminer la taille en fonction de la taille de l'impact. La formule est la suivante:

Dans la formule, mi La taille de la population de clone dans le i-ième anticorps, l'ajustement (qi) est le i ème anticorps - antigène d'affinité, à savoir, la valeur de remise en forme de l'anticorps i.

Sélection: sélectionner les meilleurs clones d'anticorps de la population après l'opération, pour former une nouvelle population. À savoir, pour sélectionner le meilleur ensemble d'anticorps en calculant les valeurs de la fonction de remise en forme, et forment alors un ensemble de solution optimale.

2.3 Fonctionnement Quantum

La variation anticorps, à savoir l'utilisation de la valeur de probabilité de mutation de remise en forme est nouvel anticorps recalculé, et la solution d'un certain nombre d'anticorps de haute affinité comme excellente.

Cross Quantum: Ce croisement multi-points. A savoir: sélectionner deux anticorps couplé à l'autre, une pluralité d'intersections aléatoires, alors la probabilité de croisement entre les intersections d'anticorps d'échange de gènes pour augmenter la diversité de la population.

Promotion et l'inhibition de l'anticorps 2,4

Valeur Fitness population calcul des anticorps, et la comparaison population par paires anticorps, remplacer la faible valeur de remise en forme d'anticorps d'anticorps plus grande valeur de remise en forme, la promotion et pour obtenir l'effet de l'anticorps suppression.

2.5 Calcul condition physique de la population

Dans cette recherche d'algorithme pour le processus d'anticorps optimal, ne dépend pas de toute information extérieure, la valeur de la fonction de remise en forme est conduit uniquement des anticorps individuels au sein des populations de recherche. Un produit interne des valeurs absolues du signal résiduel ou des signaux définis ici et des atomes RKF | < RKF, gk > | Fonction de remise en forme, notée Yk: Yk = arg | < RKF, gk > | (K = 1,2, ..., N).

2.6 étapes de l'algorithme

Bibliothèque fourni colonnes matrix atomes de Gabor M x N, les n colonnes de la matrice que l'anticorps N, chaque anticorps ayant un bits de quantum, quantum indique M, où N représente la colonne de la N de la matrice, chaque il représente un état quantique de chaque élément de la matrice. Les étapes suivantes:

3 Simulation et analyse des résultats

Les données statiques vérification 3.1

Tout d'abord, l'algorithme de vérification capteur inertiel en utilisant une observation statique. En introduisant le rapport de bruit, l'erreur quadratique moyenne, écart-type (zéro valeurs de dérive) et l'évaluation du temps de traitement de réduction de bruit. Où l'erreur quadratique moyenne valeur attendue des estimations au carré des paramètres de différence de la valeur réelle, pour mesurer l'erreur moyenne. signal simulé pour un gyroscope à fibre optique (FOG) signal de sortie statique d'échantillonnage réelle, la fréquence d'échantillonnage est de 5000 Hz, une longueur de signal N = 300. taux de croisement de l'algorithme sur la base est de 0,85, la probabilité de variation était de 0,1, le nombre d'itérations maximum est de 20. Dans lequel l'ondelette filtrer le signal en tant que signal réel du FOG. Après l'effet du traitement arithmétique représenté sur la figure 2 ci-après.

À titre de comparaison, l'algorithme et les paramètres GA-OMP algorithme OMP (reconstruction GA OMP) dans la même expérience dans les mêmes conditions expérimentales. En raison des contraintes d'espace, seuls les résultats sont listés en comparaison avec l'algorithme figure OMP de cet algorithme, les résultats de simulation présentés sur la Fig. Les paramètres de performance du même traitement statistique du signal de statique, des données spécifiques, comme indiqué dans le tableau 1. D'après le tableau 1, le signal statique après traitement de l'algorithme, les paramètres de performance sont supérieurs et GA-OMP OMP algorithme, et le signal sans parcimonie art antérieur. On peut obtenir intégrée Tableau 1 et. la figure 3, l'énergie réelle du signal de bruit statique contenue dans le signal de capteur inertiel est beaucoup plus grande que le véritable signal de volatilité et de polarisation, la sortie est grande. Les expériences montrent que le traitement de l'algorithme de OMP, le temps de traitement de signal est un point unique de 12,8 ms, est plus grande que le système a besoin de 0,2 ms (la fréquence d'échantillonnage est de 5000 Hz), le traitement en temps réel ne peut pas être effectuée. Par rapport à cet algorithme algorithme d'OMP, le signal traité à bruit amélioré 3,69 dB, dérive du zéro diminue 1,9321 × 10-4 ( « / s), l'erreur quadratique moyenne est réduite 1,7763 x 10-7 ( » / s). Plus élevé que le signal d'origine par rapport au bruit de 10,48 dB, réduit l'écart-type 8,3535 x 10-7 ( « / s), l'erreur quadratique moyenne est réduite 1,3512 × 10-6 ( » / s), et le temps de traitement de signal pour un point unique à 0,166 ms, pour atteindre les exigences de traitement en temps réel. Les résultats expérimentaux montrent que le signal d'algorithme, tout en réduisant le temps de traitement considérablement, l'amélioration de la valeur de dérive du zéro, le signal de traitement pour améliorer la précision, il vérifie la validité de l'algorithme statique signal du capteur d'inertie.

Les données dynamiques vérification 3.2 paires

Les données dynamiques vérifient encore la faisabilité de l'algorithme. Le signal de simulation est: un système de suivi optique prise à travers le signal de sortie du filtre de fréquence 500 Hz supérieure à la FOG réel, le bruit est superposé à un signal sinusoïdal. la fréquence du signal sinusoïdal est de 128 Hz, la fréquence d'échantillonnage du signal de superposition est de 5000 Hz, une longueur de signal N = 300. D'autres paramètres compatibles avec le signal statique. Après traitement, l'algorithme illustré à la figure 4 résultats.

5 sont les mêmes paramètres expérimentaux et l'algorithme de OMP de l'environnement et les résultats de l'algorithme de la figure. Tableau 2 ici algorithme de OMP et de l'algorithme GA-OMP compare les paramètres de performance du même traitement de signal dynamique. signal dynamique dérive du zéro n'existe pas, il ne figure pas. Le tableau 2 montre que l'algorithme proposé dans les données de test de simulation dynamique, et la performance est encore mieux que GA-OMP algorithme OMP. Les expériences prouvent que le temps de traitement de l'algorithme après l'OMP est de 4,18 s, ne peut pas répondre au traitement en temps réel. Après le processus d'algorithme, par comparaison avec l'algorithme OMP améliore le rapport signal sur bruit 6,2 dB, l'erreur quadratique moyenne est réduite 25,878 ( « / s). 7,55 dB augmente le rapport signal sur bruit que l'original, l'erreur quadratique moyenne est réduite 28,551 ( « / s). Améliorer la précision du signal de sortie alors que le temps de traitement signal d'un seul point de 0,133 ms, pour répondre aux exigences de traitement en temps réel, et donc vérifier la validité de la méthode de traitement du signal dynamique.

4 Conclusion

Selon les caractéristiques du signal de capteur inertiel, le mécanisme immunitaire dans OMP algorithme évolutionnaire quantique amélioré algorithme de reconstruction, et appliqué au traitement en temps réel le signal de sortie du capteur inertiel. Les résultats de la simulation montrent, lorsque le signal est faible densité inconnue, l'algorithme proposé peut améliorer les performances de filtrage tout en accélérant le traitement des signaux statiques et dynamiques des données de capteurs d'inertie, et fournit une large gamme de valeur pratique pour le signal du capteur d'inertie perspectives.

références

Rockets, Zhu Tao, fusées technologie de détection inertielle et perspectives Université navale de génie, 200719 (3): 1-5.

Guo Xiaosong, Zhang Dong Fang, construction Xue Hai, etc. nord cherchant toute l'attitude ondelette de débruitage et TLS algorithme Ingénierie des systèmes et de l'électronique, 2016,38 (2): 362-367.

glace vêtements d'hiver. Traitement des données Gyroscope basé sur le filtre de Kalman Technologie numérique et application, 2014 (5): 119-121.

Bougher B.Introduction de détection comprimé .Le bord d'attaque, 2015,34 (10): 1256-1257.

Jianghang Guo, Zhang Long, Xu Jinhai procédé A en temps réel pour filtrer le signal de capteur inertiel sur la base de la représentation clairsemée Application de la recherche des ordinateurs, 2015,32 (5): 1480-1482.

WU R, W HUANG, CHEN D R.Procédé récupération de support exacte de signaux de bruit rares par matching pursuit orthogonal .IEEE Lettres de traitement du signal, 2013,20 (4): 403-406.

F HUANG, TAO J, Y XIANG, algorithme de poursuite correspondant à la compression et al.Parallel échantillonnage pour la reconstruction du signal de détection comprimé avec OpenCL .Journal des systèmes Architecture, 2016,27 (1): 51-60.

Hou Kun, Yi Jeong Jun abeille algorithme de colonie Rong fleur artificielle pour décomposition parcimonieuse signal -MP Simulation, 2012,29 (11): 247-250.

Wang Guofu, Zhang par exemple, précontraintes complète, etc. Sur la base Orthogonal Matching améliorée reconstruction signal algorithme génétique de suivi Ingénierie des systèmes et de l'électronique, 2011,33 (5): 974-977.

CAO G L, R HU, QIAN B.Effective algorithme évolutif quantique hybride pour le problème de véhicule capacitation .J Comp Inte Manu Syst, 2015,21: 1101-1113.