一种基于自适应步长猴群优化的小波常模盲均衡方法技术

本发明专利技术公开了一种基于自适应步长猴群优化的小波常模盲均衡方法,本发明专利技术将自适应步长引入猴群优化方法，得到了一种自适应步长猴群优化方法，这个新方法具有很好的全局寻优能力，利用这个新方法得到猴群在搜索空间的最优位置向量，将此向量作为基于小波变换的常模盲均衡方法中的初始权向量，能使盲均衡系统更接近期望的理想系统，从而收敛速度加快，均方误差降低。与现有技术相比，本发明专利技术参数少、复杂度低、收敛速度快、稳态误差小，有很好的实用价值。

【技术实现步骤摘要】
一种基于自适应步长猴群优化的小波常模盲均衡方法
：本专利技术涉及数据处理
，具体讲是一种基于自适应步长猴群优化的小波常模盲均衡方法。
技术介绍
：信号在水声数字系统中高速传输时，会因带宽有限和多径传播等因素的影响产生码间干扰(Inter-Symbolinterference,ISI)，导致严重失真，若在接收端引入盲均衡技术，可有效消除和减少ISI，提高通信质量。常模盲均衡方法(ConstantModulusAlgorithm,CMA)结构简单、性能稳定，目前被广泛采用，但存在收敛速度慢、稳态误差大等问题；将小波变换(WT)引入了CMA，利用WT可降低信号与噪声的自相关性，WT-CMA虽较传统CMA性能有了一定的提升，但方法中的代价函数仍是多模态的，寻优方法也仍沿用了CMA的梯度思想，所以未能从根本上解决无法获得全局最优解的问题，效果有限。自适应步长猴群优化方法(LMA)作为一种新型仿生群智能优化方法，将猴群爬山过程中的爬、望、跳、翻四个动作模拟设计成了三个搜索过程，并在爬过程中采用自适应步长，用猴群代表一组目标函数的潜在解，用猴群所能达到的最高位置作为目标函数的全局最优解，当猴本文档来自技高网...

【技术保护点】
一种基于自适应步长猴群优化的小波常模盲均衡方法，包括基于小波变换的常模盲均衡方法(WT‑CMA)，其特征在于：还包括自适应步长猴群优化方法,具体步骤如下：步骤①初始化阶段：先设置基于自适应步长猴群优化的小波常模盲均衡方法中的相关参数，接着随机产生初始猴群，确定自适应步长猴群优化方法的适应度函数，然后生成信号y(k)，将其作为自适应步长猴群优化方法的输入信号，最后确定猴群全局最优位置向量的初始值；步骤②迭代寻优阶段：通过自适应步长猴群优化方法获得猴群的全局最优位置向量，并将其作为基于小波变换的常模盲均衡方法(WT‑CMA)的初始权向量；步骤③信号均衡输出阶段：将上述步骤①中的信号y(k)通过基于...

【技术特征摘要】
1.一种基于自适应步长猴群优化的小波常模盲均衡方法，包括基于小波变换的常模盲均衡方法(WT-CMA)，其特征在于：还包括自适应步长猴群优化方法,具体步骤如下：步骤①初始化阶段：先设置基于自适应步长猴群优化的小波常模盲均衡方法中的相关参数，接着随机产生初始猴群，确定自适应步长猴群优化方法的适应度函数，然后生成信号y(k)，将其作为自适应步长猴群优化方法的输入信号，最后确定猴群全局最优位置向量的初始值；步骤②迭代寻优阶段：通过自适应步长猴群优化方法获得猴群的全局最优位置向量，并将其作为基于小波变换的常模盲均衡方法(WT-CMA)的初始权向量；步骤③信号均衡输出阶段：将上述步骤①中的信号y(k)通过基于小波变换的常模盲均衡方法均衡输出。2.根据权利要求1所述的一种基于自适应步长猴群优化的小波常模盲均衡方法，其特征在于：所述初始化阶段的具体步骤如下：步骤a设置基于自适应步长猴群优化的小波常模盲均衡方法中所有相关参数；步骤b生成信号y(k)：信号经信道传输后将发生一定变化，y(k)＝cT(k)a(k)+b(k)(1)式(1)中，a(k)为平稳独立同分布且具有零均值的发射信号序列，c(k)为信道的脉冲响应向量，b(k)为加性高斯白噪声，y(k)为a(k)经信道传输后的信号序列；步骤c随机产生初始猴群：在n维空间创建一个规模为m的猴群X＝[X1,X2,…,Xm]，则第i只猴子的位置可以用一个n维的向量Xi＝(xi1,xi2,…,xin)，i＝1,2,…,m来表示，每只人工猴的位置向量与基于小波变换的常模盲均衡方法中的权向量设置为相同形式，猴群的初始化采用的是随机形式，过程如下：xij＝xmin,j+(xmax,j-xmin,j)rand(2)式(2)中，i＝1,2,…,m，j＝1,2,…,n，xij为第i只猴子在第j维的实际位置，xmin,j和xmax,j分别表示搜索空间第j维的下界和上界，rand可随机产生一个在区间[0,1]上的实数；步骤d确定适应度函数：自适应步长猴群优化方法最终是取得其适应度函数的最大值，将自适应步长猴群优化方法的适应度函数f(Xi)设置为基于小波变换的常模盲均衡方法的代价函数J(Xi)的倒数，当f(Xi)取得最大值时，J(Xi)取得最小值，当代价函数取得全局最小值时，盲均衡系统成为期望中的理想系统；步骤e确定猴群全局最优位置向量的初始值：将y(k)作为混合猴群优化方法的输入信号,根据适应度函数，分别计算每只猴子的初始位置向量对应的适应度函数值，并比较结果，将该群体中的最大适应度函数值定义为全局最优适应度函数值f(X*)的初始值，该值对应的位置向量定义为全局最优位置向量X*的初始值。3.根据权利要求1所述的一种基于自适应步长猴群优化的小波常模盲均衡方法，其特征在于：所述迭代寻优阶段的具体步骤如下：步骤a爬过程，具体如下：1)在第t次的爬行中，随机生成一个向量ΔXi＝(Δxi1,Δxi2,…,Δxin)，i＝1,2,…,m，分量Δxij以相同的概率0.5取爬步长λ(t)(λ(t)＞0)或-λ(t)，爬步长将随着爬过程迭代次数的增加而减小，式(3)中，λmin、λmax分别为最小爬步长和最大爬步长，xmin和xmax为搜索空间的上界和下界，t＝1,2,…tmax，tmax为爬过程的最大迭代次数；2)计算伪梯度式(4)...

【专利技术属性】
技术研发人员：高敏，刘国华，郑亚强，赵敏，
申请(专利权)人：淮南职业技术学院，
类型：发明
国别省市：安徽,34