基于蚁狮优化算法的主动降噪系统及方法与流程

技术特征：
1.基于蚁狮优化算法的主动降噪方法，其特征在于：包括以下步骤：s100：初始化蚂蚁和蚁狮的位置，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：计算所有初始化的蚂蚁和蚁狮的适应度，并找到适应度最好的蚁狮作为初始精英蚁狮；s400：根据轮盘赌策略实现蚂蚁的随机游走，更新蚂蚁的位置；s500：计算所有蚂蚁的适应度，并将蚁狮的位置更新为适应度更好的蚂蚁的位置；s600：更新精英蚁狮的位置；s700：判断是否满足迭代收敛条件，若满足迭代收敛条件，将精英蚁狮的位置作为最优的滤波器系数向量。2.根据权利要求1所述的基于蚁狮优化算法的主动降噪系统及方法，其特征在于：所述s400包括：s400
‑
1：通过轮盘赌策略为每一只蚂蚁选择一只蚁狮；s400
‑
2：根据蚁狮的位置按照以下式子更新第i维变量在第t次迭代的最小值和第i维变量在第t次迭代的最大值变量在第t次迭代的最大值变量在第t次迭代的最大值其中，c
t
为第t次迭代中所有变量的最小值；d
t
为第t次迭代中所有变量的最大值；为第j只蚁狮在第t次迭代的位置；i为比率，其值为t为最大迭代次数，ω为一个常量；s400
‑
3：使第t次迭代下的第i只蚂蚁位置按照下式在蚁狮及精英蚁狮附近随机游走：其中，a
i
为第i维变量随机游走的最小值，b
i
为第i维变量随机游走的最大值；s400
‑
4：最后按下式取平均值更新蚂蚁的位置：其中，为在第t次迭代中围绕根据轮盘赌策略选择的蚁狮的随机游走，为在第t次迭代中围绕精英蚁狮的随机游走。3.根据权利要求2所述的基于蚁狮优化算法的主动降噪系统及方法，其特征在于：所述s500包括：s500
‑
1：根据蚂蚁位置向量计算出的误差均方值判断蚂蚁的适应度，误差均方值越小，蚂蚁的适应度越高，当蚂蚁的适应度高于其经过轮盘赌策略选定的蚁狮的适应度时，替换
蚁狮的位置。4.根据权利要求3所述的基于蚁狮优化算法的主动降噪系统及方法，其特征在于：所述s700还包括：当循环不满足迭代要求时，对精英蚁狮附近的蚁狮施加跳出机制，并重复s400、s500和s600。5.根据权利要求4所述的基于蚁狮优化算法的主动降噪系统及方法，其特征在于：所述跳出机制为：其中，为第j只蚁狮在第t次迭代的第i维分量的值，rand为0到1之间的随机数，d为精英蚁狮到第j只蚁狮的距离，d0为跳出阈值。6.根据权利要求5所述的基于蚁狮优化算法的主动降噪系统及方法，其特征在于：所述s600包括：s600
‑
1比较当前迭代下所有蚁狮的适应度，并把适应度最高的蚁狮与精英蚁狮进行比较，如果适应度高于精英蚁狮，则替换精英蚁狮的位置。7.根据权利要求6所述的基于蚁狮优化算法的主动降噪系统及方法，其特征在于：所述s400
‑
3中每只蚂蚁需计算两次随机游走来进行位置的更新，一次是围绕精英蚁狮的随机游走计算，另一次是围绕根据轮盘赌策略选择的蚁狮的随机游走计算。8.一种基于蚁狮优化算法的主动降噪系统，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蚁狮优化算法的主动降噪方法。