为了提高现行室内可见光定位系统的定位精度，提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先，将决定定位精度的欧式距离转换为目标函数最小值优化问题; 其次，利用惯性权重动态赋值，增强粒子群算法初期的全局搜索能力和后期的局部搜索能力; 然后，利用正弦函数使得个体认知因素值非线性地减小，利用余弦函数使得群体认知因素值线性地增加，以进一步提升定位精度; 最后，通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明，在5m×5m×3m和5m×4m×3m两种定位模型中，在0，0.5，1.0和1.5m四个高度平面的空间定位平均误差分别为0.65和0.54cm; 实验结果显示，在搭建的1m×1m×0.8m和1m×0.8m×0.8m室内空间中的平均定位误差分别为2.67和1.81cm。

针对传统误差补偿方法用于防空雷达存在适应性和适用性差的问题, 构建了一种基于改进粒子群算法优化的BP神经网络, 能够更稳定、更精确地估计雷达误差, 并补偿雷达量测值, 从而更好地提高雷达的探测精度。首先, 引入收敛因子以及动态自适应调节惯性权重, 提高粒子群算法的全局寻优能力与收敛速度; 其次, 将改进的粒子群算法用于优化BP神经网络的初始权值和阈值, 提高BP神经网络的估计精度, 缩短训练时间。采用某雷达的实测数据进行仿真验证, 结果表明,补偿后的距离、方位角、俯仰角的精度和误差起伏性均有大幅改善, 与传统方法相比补偿效果更好, 工程应用性和推广应用性更强。

提出一种改进自适应粒子群算法并将其应用于大气光学湍流廓线模式的拟合研究。为提高粒子群算法的寻优速度，避免陷入局部最优，提出一种改进的自适应粒子群算法。采用当前粒子与全局最优位置的距离来调控惯性权重系数，进行非线性自适应变化；采取对称线性变化思想设计自我学习因子和社会学习因子，实现了各阶段寻优重点的自适应改变。把改进的自适应粒子群算法引入到求解阿里地区广义Hufnagel-Valley湍流模式中，拟合得到该地区早晚和四季的湍流模式廓线。仿真表明，本文算法的判定系数均在0.997以上，这与探空获得的统计平均廓线保持一致。对比其他自适应粒子群算法，本文算法的收敛精度基本一致但速度更快。本研究为基于Hufnagel-Valley湍流廓线模式拟合提供了新方法。

雷达利用携带的海杂波信息可以反演出海面蒸发波导参数。为了提高蒸发波导反演性能, 提出了一种改进的粒子群优化算法。当实测雷达海杂波功率与蒸发波导模型计算所得杂波功率之间建立的目标函数取最小值时, 可反演得到最接近实测蒸发波导剖面参数。根据这一思想, 在基本粒子群算法基础上通过对惯性权重和学习因子进行自适应调整, 引入自适应压缩因子来确保算法快速收敛, 并获得高精度的蒸发波导参数。算法仿真实验证明, 改进粒子群优化算法相比于基本粒子群算法具有较好的全局收敛性, 在处理较大规模数据时反演速度明显提高。

针对压电微定位台固有的率相关迟滞非线性严重限制其微定位精度的问题, 研究了基于Backlash-Like的Hammerstein率相关迟滞非线性模型及其建模方法。以改进的Backlash-Like分段辨识模型描述压电微定位台的静态非线性特性, 结合ARX(Auto Regressive eXogenous)模型, 建立描述压电微定位台的率相关动态迟滞模型。同时, 针对传统的粒子群算法(Particle Swarm Optimization, PSO)进行模型参数辨识时易陷入局部最优的问题, 提出一种具有交叉变异策略的改进型粒子群算法进行模型的参数辨识。实验结果表明: 与传统的Backlash-Like模型相比, 改进的Backlash-Like分段辨识模型在输入电压为60 V, 频率为2 Hz的信号时, 模型辨识的最大误差由0.68 μm下降到了0.104 μm, 最大相对误差由2.69%下降为0.35%。当压电微定位台输入电压为60 V, 频率分别为30 Hz, 60 Hz和90 Hz的单频信号时, Hammerstein率相关迟滞模型较Backlash-Like分段辨识模型, 均方根误差由0.393 1~0.700 6 μm下降至0.054 1~0.190 4 μm, 相对误差由1.721%~3.087%下降至0.236%~0.831%。验证了基于改进Backlash-Like的Hammerstein率相关迟滞模型较传统的Backlash-Like静态迟滞模型能精确地描述压电微定位台的率相关动态迟滞特性, 具有较好的频率泛化能力, 提高了压电微定位平台的定位精度。

激光器系统中半导体激光器的功率输出稳定度和工作温度有很大的关系, 为了使大功率半导体激光器输出功率稳定, 需要对激光器实现高精度、快速温度控制。针对现有的激光系统中激光器温度控制系统存在控制精度不够高、控制速度慢等问题, 设计了一种温度稳定系统, 采用PT-100热电偶测量激光器温度, 并使用最小二乘法对温度数据进行拟合, 使得温度测量精度达到0.01 ℃; 使用改进粒子群算法优化(PSO)的PID控制器实现温度控制。仿真实验和实际测试表明, 所设计的温度稳定系统能够很好地控制激光器温度, 达到目标温度所需的调节时间小于11 s, 达到稳态后温度波动在±0.02 ℃内。与传统的温度控制方式相比, 所设计的系统能够实现参数自整定并自动调节温度, 对大功率激光系统中激光器温度具有良好稳定效果。

在近红外光谱数据定量建模中, 数据的高冗余和高噪严重影响了建模的稳健性和精确性, 因此提出了一种特征分层结合改进粒子群算法（PSO）的特征光谱选择方法。 首先通过互信息度量特征的重要性得分, 并按特征的重要性降序排序, 有效避免了因采用降维方法得到主成分而引起的丢失重要信息的问题。 其次, 引入了跳跃度概念, 并构造了一种特征分层的方法, 重要性程度相似的特征并入同一个特征子集, 将降序排列的特征集分割为不同的特征子集, 避免了筛选特征过程中因人为设定特征重要性得分阈值而导致的不确定性。 最后, 采用收敛速度快、 控制参数少的粒子群算法作为最优特征子集的优化方法, 同时对粒子群算法做了两方面改进: 引入混沌模型增加种群的多样性, 提高了PSO的全局搜索能力, 避免陷入局部最优; 将特征数目引入到适应度函数中, 在迭代前期通过惩罚因子调节特征数目对适应度函数的影响, 提高了算法的适应能力。 将分层后的数据以特征子集为单位, 依次累加并作为改进粒子群算法的输入, 从而选择出高辨别力的特征子集。 以烟碱指标为例进行了特征选择过程的描述, 实验采用尼高力公司的Antaris Ⅱ近红外光谱仪进行近红外光谱数据的采集, 光谱扫描范围为4 000~10 000 cm-1。 首先, 利用互信息理论计算全光谱1 557个特征对待测指标定量建模的重要性得分, 得分取30次实验的均值。 其次, 将所有特征按照重要性得分降序排序, 计算所有特征的跳跃度, 依据跳跃度寻找特征分层的临界点, 将特征划分到不同的特征层中, 构建了包含8个特征子集的特征集合S={S′1, S′2, S′3, S′4, S′5, S′6, S′7, S′8}。 然后, 依次将特征子集S′1, {S′1, S′2}, {S′1, S′2, S′3}, …, {S′1, S′2, S′3, S′4, S′5, S′6, S′7, S′8}作为初始粒子群的候选集, 以R/(1+RMSEP)作为特征子集优劣的评价标准, 各自重复实验50次, 比值最大的特征子集即为最优特征子集。 为验证该算法的有效性, 选取了具有代表性烟叶近红外光谱数据作为训练集和测试集, 建立了烟碱、 总糖两个指标的PLS定量模型, 并分别与全光谱、 分层后的特征光谱、 粒子群算法选出的特征光谱进行了比较。 仿真结果表明, 本算法所选特征烟碱、 总糖的建模相关系数r分别为0.988 5和0.982 2, 交互验证均方差RMSECV分别为0.098 4和0.889 3, 预测均方根误差RMSEP分别为0.100 7和0.901 6, 模型准确率均明显高于其他三种方法。 从所选特征数来看, 该算法所选特征数最少, 有效剔除了原特征集中的弱相关和噪声、 冗余信息, 所建模型的主因子数最少, 降低了模型的复杂性, 模型更加稳健, 适应性更广。

提出了一种改进的粒子群优化算法(IPSO)来解决虹膜定位问题。该算法采用两种速度更新策略来增强种群多样性并提高算法自身的收敛速度, 并提出一种变异操作以阻止IPSO陷入局部最优。对虹膜内进行边缘定位时, 通过搜索6条直线与虹膜内边缘的交点来获得12个边缘点; 另外建立了与这12个点有关的目标函数, 并用IPSO来优化该函数。根据IPSO在该函数上的应用, 找到一个最合适的圆来拟合虹膜内边缘。进行虹膜外定位时, 设计了一个模板来提取虹膜外边界, 然后从外边界中选择12个边缘点, 并同样使用IPSO找到一个最合适的圆来拟合虹膜外边缘。为了验证基于改进粒子群优化算法的虹膜定位方法(ILA-IPSO)的性能, 从中国科学院自动化研究所的数据库中选择了不同个体的108幅虹膜图像。实验结果表明, ILA-IPSO算法要好于其它两种方法, 该算法利用最少的定位时间获得了最高的成功率。