[發明專利]基于虛擬接收機的水聲信道盲均衡方法

有效

• 申請號: 201310386065.X
• 申請日: 2013-08-29
• 公開（公告）號: CN103491037A
• 公開（公告）日: 2014-01-01
• 發明（設計）人: 肖瑛;李敏;董玉華;李春杰;寧海春
• 申請（專利權）人: 大連民族學院
• 主分類號: H04L25/03
• 分類號: H04L25/03;H04B13/02
• 代理公司: 大連一通專利代理事務所(普通合伙) 21233
• 代理人: 秦少林

1.一種基于虛擬接收機的水聲信道盲均衡方法，其特征在于：該方法內容包括如下步驟：

⑴采用虛擬接收機方法進行水聲信道盲均衡及虛擬接收機方法下的融合盲均衡方案；

首先在實際接收機周圍布設N個虛擬接收機，設觀測信號為y(n)，設接收機至虛擬接收機之間的信道傳輸響應為h_i(n)i=1,2,…,N，這樣在虛擬接收機前，可得到虛擬觀測信號y_i(n)=h_i(n)*y(n)，這樣相當于有了N+1路觀測信號，構成了虛擬接收機盲均衡方案實現的基礎；

在每個虛擬接收機與聲源之間，相當于有一條虛擬信道h_vi(n)，虛擬信道h_vi(n)=h(n)*h_i(n)，在虛擬接收機盲均衡方案中，可等效于對h_vi(n)和h(n)進行均衡；

無論根據接收機還是根據虛擬接收機前的觀測信號進行均衡，實質上需要恢復的是同一源信號，而對于恒模準則或星座圖匹配的盲均衡準則而言，信號的恢復僅依賴于觀測信號特性，因此，虛擬接收機的設置相當于提供了冗余信息；

⑵采用智能優化算法優化虛擬接收機的水下布放方法；

設定一組均衡器，分別利用虛擬接收前觀測信號y_i(n)進行均衡，由于原信道特性未知，因此h_vi(n)的特性也是未知的，因此各個均衡器輸出信號在反映源信號特性的前提下誤差特性各不相同；同時，由于虛擬信道的引入，不同均衡器輸出信號的時延將會有所不同；為獲得最優均衡輸出結果，第一步要對均衡器輸出信號作同步處理，采用相關法進行同步處理，同步處理后對均衡器輸出信號進行融合處理，考慮相關法同步處理可能存在誤差，再利用神經網絡進行輸出信號融合處理，因神經網絡具有良好的容錯性和魯棒性，以神經網絡輸出作為虛擬接收機方案下的最優均衡輸出；

采用虛擬接收機方法達到對接收信號信息充分利用的目的，采用融合策略實現最優均衡輸出；但是虛擬接收機的個數以及布放方案對均衡性能具有重要影響，虛擬接收機數目的增加將帶來額外的計算開銷，而不適合的虛擬接收機布放對源信號的恢復提供的信息也極為有限，因此，需要對虛擬接收機的水下布放方案進行研究，利用最小的計算復雜度獲得最優的均衡性能；

對于虛擬接收機的布放方案，可采用遺傳算法進行優化。對選定的N個虛擬接收機進行編碼，根據常數模代價函數構建遺傳算法的適應度函數；采用控制碼來控制虛擬接收機是否有效。在適應度函數指導下進行遺傳算法操作，從而得到最優的虛擬接收機布放方案。

2.根據權利要求1所述的一種基于虛擬接收機的水聲信道盲均衡方法，其特征在于：采用遺傳算法來優化虛擬接收機的布放方案實現流程如下：

Step1.確定遺傳算法的進化目標函數。遺傳算法以適應度函數作為進化目標，且只能朝著適應度函數值增大的方向進化，為此，根據神經網絡融合輸出結果，定義遺傳算法適應度函數為：

F(n)=4λ+[|xr(n)|2-R]2---(9)]]>

式（9）中λ為大于零的一個正常數，以防止目標函數F(n)出現被0除的情況；

Step2.初始化操作。設定種群規模P，最大進化代數M，種群中的每條染色體的編碼規則為：控制碼+權重系數碼，其中控制碼控制著虛擬接收機的取舍，權重系數碼控制著虛擬接收機方案下的融合盲均衡實現。采用實數編碼策略，控制碼按大于0.5，該虛擬接收機保留，小于等于0.5，該虛擬接收機舍棄的原則進化；

Step3.根據式（9）計算種群中每個個體的適應度；

Step4.選擇算子。最佳染色體直接進入下一代，不參加交叉和變異運算，對種群中的其他個體采用排序選擇法，首先計算標準分布值：

t=ps1-(1-ps)P---(10)]]>

其中p_s為預先設定的選擇概率。根據分布值計算各個染色體的選擇概率：

p_k=t(1-p_s)^N(k)-1????（11）

其中N(k)是種群中k序號染色體的適應值由大到小的排序號。最佳染色體直接進入下一代，并在下一代種群中序號為1。計算染色體的累積選擇概率：

qk=Σ1kpk(k),k=1,2······,P---(12)]]>

在[0,1]區間內產生按升序排列的隨機數r,對染色體進行選擇；

Step5.交叉和變異。以設定的交叉概率p_c在第i個個體和第i+1個個體之間進行的交叉算子如下：

Xit+1=ciXit+(1-ci)Xi+1t---(13)]]>

Xi+1t+1=(1-ci)Xit+ciXi+1t---(14)]]>

其中為交叉前的個體，和是交叉后的個體，c_i為區間[0,1]上的均勻分布隨機數。以設定的變異概率p_m對交叉后個體進行變異，對第i個個體的變異算子如下：

Xit+1=Xit+ci---(16)]]>

其中是變異前的個體，是變異后的個體；

Step6.生成新一代群體。反復執行Step1—Step6，直到滿足最大進化代數，選擇適應度值最高的個體解碼獲得虛擬接收機的布放方案以及進行虛擬接收機融合的神經網絡權重。