[發(fā)明專利]模擬退火與果蠅混合優(yōu)化小波廣義離散多模盲均衡方法有效
| 申請(qǐng)?zhí)枺?/td> | 201310233250.5 | 申請(qǐng)日： | 2013-06-13 |
| 公開(kāi)（公告）號(hào)： | CN103475608A | 公開(kāi)（公告）日： | 2013-12-25 |
| 發(fā)明（設(shè)計(jì)）人： | 郭業(yè)才;吳珊;黃友銳;劉曉明 | 申請(qǐng)（專利權(quán)）人： | 南京信息工程大學(xué) |
| 主分類號(hào)： | H04L25/03 | 分類號(hào)： | H04L25/03 |
| 代理公司： | 南京經(jīng)緯專利商標(biāo)代理有限公司 32200 | 代理人： | 許方 |
| 地址： | 210019 *** | 國(guó)省代碼： | 江蘇;32 |
| 權(quán)利要求書(shū)： | 查看更多 | 說(shuō)明書(shū)： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 模擬 退火 果蠅 混合 優(yōu)化 廣義 離散 多模盲 均衡 方法 | ||
技術(shù)領(lǐng)域
本發(fā)明涉及一種盲均衡方法，尤其涉及一種模擬退火與果蠅混合優(yōu)化小波廣義離散多模盲均衡方法。?
背景技術(shù)
傳統(tǒng)多模盲均衡方法(Multi-modulusAlgorithm,MMA)(見(jiàn)文獻(xiàn)[1]徐小東,戴佩初,徐曉霞.適合高階QAM信號(hào)的加權(quán)多模盲均衡算法[J].電子與信息學(xué)報(bào),2007.6,29(6):雨1352～1355.文獻(xiàn)[2]J.Yang,GDumont.The?MultimodulusBlindequalizationandItsGeneralizedAlgorithms.2002(20)5:997-1015.)將QAM信號(hào)的實(shí)部和虛部分開(kāi)均衡，有效地糾正了QAM信號(hào)的相位旋轉(zhuǎn)，但對(duì)高階QAM信號(hào)，MMA均衡效果仍不理想。廣義離散多模盲均衡方法，采用梯度下降算法對(duì)均衡器權(quán)向量進(jìn)行更新，易陷入局部收斂，難以獲得全局最優(yōu)解，收斂后存在穩(wěn)態(tài)誤差較大和收斂速度較慢，而其收斂速度慢的主要因素是輸入信號(hào)存在自相性(文獻(xiàn)[3]：ShafayatA,AsokeKN.Blindequalizationof?square-QAMsignals:amultimodulusapproach[J].IEEETransactionon?Communications.2010,(58)6:1674-1685.)。為了降低輸入信號(hào)的自相關(guān)性，以加快收斂速度，將正交小波變換引入盲均衡方法中是一種有效辦法(見(jiàn)文獻(xiàn)[4]郭業(yè)才,劉振興。基于平衡正交多小波變換的盲均衡算法[J],兵工學(xué)報(bào),2010,31(3):279～284.)。果蠅優(yōu)化方法是一種隨機(jī)搜索全局優(yōu)化方法，該方法模擬果蠅覓食行為，利用果蠅群體協(xié)作機(jī)制和信息共享機(jī)制搜尋種群最優(yōu)解，具有良好的全局尋優(yōu)能力且魯棒性強(qiáng)，但易陷入局部收斂及“早熟”現(xiàn)象(見(jiàn)文獻(xiàn)[5]潘文超著.果蠅優(yōu)化算法[M].滄海書(shū)局,2011.文獻(xiàn)[6]PanWen-Tsao.A?newfruitflyoptimizationalgorithm:takingthefinancialdistressmodel?asanexample[J].Knowledge-BasedSystems,2012,26:69-74.)。?
模擬退火方法模擬固體退火過(guò)程，采用串行優(yōu)化結(jié)構(gòu)，通過(guò)賦予搜索過(guò)程一種時(shí)變且最終趨于零的概率突跳性，從而有效地避免陷入局部極值并最終趨于全局最優(yōu)，具有優(yōu)良的局部搜索能力，但其收斂速度慢、全局搜索能力弱、初值魯?棒性差(見(jiàn)文獻(xiàn)[7]龐峰.模擬退火算法的原理及算法在優(yōu)化問(wèn)題上的應(yīng)用[D].吉林:吉林大學(xué).2006:6-8．文獻(xiàn)[8]宋煒,劉強(qiáng).基于模擬退火算法的過(guò)程挖掘研究[J].電子學(xué)報(bào),2008,36(4A):35-139)。?
發(fā)明內(nèi)容
本發(fā)明目的是針對(duì)現(xiàn)有盲均衡技術(shù)在均衡高階正交幅度調(diào)制信號(hào)(QAM)時(shí)存在的缺陷(見(jiàn)文獻(xiàn)[9]王彬,葛臨東,霍亞娟.適用于高階QAM信號(hào)的多模混合盲均衡算法[J].數(shù)據(jù)采集與處理.2011.26(1):8-14.)，發(fā)明了一種模擬退火與果蠅混合優(yōu)化小波廣義離散多模盲均衡方法(SA-FOA-WT-GSMMA)。?
本發(fā)明方法在廣義離散多模盲均衡方法的基礎(chǔ)上充分結(jié)合了正交小波變換，果蠅優(yōu)化方法和模擬退火方法的優(yōu)點(diǎn)，利用果蠅優(yōu)化方法全局搜索能力強(qiáng)、魯棒性高和收斂速度快的特點(diǎn)優(yōu)化均衡器權(quán)向量；利用正交小波變換，降低輸入信號(hào)與噪聲的自相關(guān)性，加快收斂速度；利用模擬退火方法優(yōu)良的局部搜索能力，避免了果蠅優(yōu)化方法陷入早熟現(xiàn)象，進(jìn)一步減小穩(wěn)態(tài)誤差、加快收斂速度。?
本發(fā)明為實(shí)現(xiàn)上述目的，采用如下技術(shù)方案：?
本發(fā)明模擬退火與果蠅混合優(yōu)化小波廣義離散多模盲均衡方法，所述方法如下：?
隨機(jī)初始化果蠅群中果蠅的位置向量，作為模擬退火與果蠅混合優(yōu)化方法的決策變量，將正交小波變換器的輸入信號(hào)作為混合優(yōu)化方法的輸入，由廣義離散多模盲均衡方法的代價(jià)函數(shù)確定果蠅的味道濃度函數(shù)，對(duì)由果蠅優(yōu)化方法得到果蠅群的最優(yōu)位置向量進(jìn)行模擬退火操作，得到果蠅群的不會(huì)陷入局部極小的全局最優(yōu)位置向量，將此位置向量作為小波廣義離散多模盲均衡方法的初始化權(quán)向量；?
所述模擬退火與果蠅混合優(yōu)化權(quán)向量方法如下：?
步驟1：果蠅群的味道濃度確定：將廣義離散多模盲均衡方法WT-GSMAA的代價(jià)函數(shù)JGSMMA(Xi)作為果蠅群中第i個(gè)果蠅的味道濃度F(Xi)，i=1,2,…M，M?為果蠅群中果蠅的規(guī)模，為正整數(shù)；?
步驟2：初始化果蠅群參數(shù)：?
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京信息工程大學(xué)，未經(jīng)南京信息工程大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請(qǐng)聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201310233250.5/2.html，轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
