基于锦标赛选择的混沌人工蜂群算法的水声信道均衡方法技术

本发明专利技术公开了一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，该方法通过混沌矩阵对种群进行初始化，加快了种群的进化速度，防止算法陷入局部最优；通过对产生的新一代种群进行高斯扰动，增加了种群的多样性，防止算法陷入局部最优；利用锦标赛选择算法计算跟随蜂选取引导蜂的概率，提高了算法的全局信息利用率，避免了早熟现象；最后将盲均衡器输出的均方误差作为锦标赛选择的混沌人工蜂群算法的代价函数，寻找代价函数最小值，进而优化盲均衡器的初始权向量。本发明专利技术能在收敛速度基本不变的情况下，使均方误差明显降低，有效改善星座图收敛精度，大大提升了对水声信号的均衡效果。

【技术实现步骤摘要】
基于锦标赛选择的混沌人工蜂群算法的水声信道均衡方法
本专利技术属于水声通信
，具体涉及一种基于锦标赛选择的混沌人工蜂群算法的水声信道均衡方法。
技术介绍
海洋水声信道的时变性和多径时延效应使信道具有时间、频率选择性衰落，从而导致水声信道存在严重的码间干扰。传统的自适应均衡技术能够抑制多径效应带来的影响，但由于需要周期性发送训练序列，占用了大量信道带宽，降低了通信效率。而盲均衡技术因不需要重复发送训练序列，大大提高了通信效率；其中，常模盲均衡算法(CMA)算法具有计算复杂度低，易于实时实现，收敛性能好等优点；其能够不借助训练序列，仅利用接收序列本身的先验信息，便可以均衡信道特性，使均衡器的输出序列尽量接近发送序列。然而，传统盲均衡技术存在稳态误差大、收敛速度慢、容易陷入局部最小等缺点。元启发式智能优化算法因较快的寻优速度，全局寻优能力强的特点，近些年开始被逐渐应用于均衡问题的研究中；其中，人工蜂群算法(ABC)对目标函数和约束几乎没有要求，在搜索过程中基本不利用外部信息，仅以适应度函数作为进化的依据，形成了以“生成+检验”为特征的人工智能技术，具有操作简单、控制参数少、搜索精度较高和鲁棒性较强的特点。但ABC算法存在“早熟”的收敛性缺陷，且ABC算法具有较好的探索能力，但开发能力不足，局部搜索能力较弱，收敛速度相对较慢。因此，当前需要设计一种搜索精度、收敛速度等各个性能均良好的均衡方法。
技术实现思路
针对现有声音信道均衡方法的稳态误差大、收敛速度慢、容易陷入局部最小等技术问题，本专利技术的目的是提供一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，以解决上述问题。为实现上述专利技术目的，本专利技术采用下述技术方案予以实现：一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，包括以下步骤：S1:使用混沌映射初始化蜂群种群，种群中的每个个体代表盲均衡器的初始权系数，种群维度代表初始权系数的个数；S2：为每个初始蜜源分配一引导蜂进行解空间的搜索，产生新蜜源；S3:将均衡后信号和理想无噪声信号之间的均方误差作为适应度函数，计算每个蜜源的适应度值，通过比对新旧蜜源的适应度值，根据贪婪选择策略确定保留蜜源；S4:通过锦标赛机制计算引导蜂被跟随的概率，跟随蜂根据轮盘赌机制选择跟随蜂跟随；S5:跟随峰采用相同的解空间搜索方式，对于搜索到的蜜源根据贪婪选择的方法进行去留；S6:判断蜜源是否满足被放弃的条件：如满足，对应的引导蜂转变为观察蜂，寻找新的蜜源，否则直接转到S8；S7:侦查蜂随机产生新的蜜源；S8:当算法达到最大迭代次数时，停止运算并输出最优解，否则转到S2；S9:将S8得到的最优解作为CMA盲均衡器的初始权系数，完成水声信道盲均衡器的设计；S10：根据S9设计的水声信道盲均衡器及其初始权系数，对待分析的源信号数据进行信道均衡分析，输出即可。进一步的，在所述S1之前，还包括声音信号数据收集步骤。进一步的，所述S1中：所述混沌映射选用Chebyshev混沌映射，其公式如下：xk+1＝cos(Acos-1(xk))其中，k为混沌序列的迭代次数；A为混沌映射的映射系数，当A取值为大于等于2时达到最佳映射效果。更进一步的，所述Chebyshev混沌初始化种群的具体过程如下：第一步，设置混沌序列的迭代次数k＝100，控制参数A＝4、N＝10、i＝1；第二步，随机产生混沌序列的初始向量y0＝(y01,y02,...,y0D),其中D为所优化函数的维度；第三步，令初始向量y0进行混沌迭代N次，再使用生成的序列作为混沌迭代的初始值进行混沌映射；第四步，根据Chebyshev混沌映射方程循环迭代，产生混沌初始化种群向量yk＝(yk1,yk2,...,ykD)。进一步的，所述S2中，引导蜂在蜜源周围搜索产生一个新蜜源的公式如下:式中，d是在[1,D]中的一个随机整数，表示引领蜂随机地选择一维进行搜索；j∈{1,2,...,NP}，j≠i，表示在NP个蜜源中随机选择一个不等于i的蜜源；是在[-1,1]均匀分布的随机数。进一步的，所述S4具体如下：S4-1：预设每次进行比较的个体数量N，采用二元锦标赛即每次选择两个个体；S4-2：对选取的N个个体进行相互比较，适应度最高的个体获得1分；S4-3：重复步骤S4-2，直至每N个个体之间都比较过；此时个体的得分越高，表示个体的适应度越好，则该个体被跟随蜂选择跟随的机率越大；S4-4：利用公式goal_out＝(0.9*goal/max(goal))+0.1，令每个个体的分值除以最大分值进行归一化处理，使得分较低的个体也有较大被选择的机会，得到最终的选择概率；S4-5：最终跟随蜂通过轮盘赌机制选择引导蜂进行跟随。进一步的，所述S7具体如下：S7-1：搜索过程中，如果蜜源Xi经过trial次迭代搜索到达阈值limit而没有找到更好的蜜源，该蜜源Xi将会被放弃，与之对应的引领蜂角色转变为侦察蜂；侦察蜂将在搜索空间随机产生一个新的蜜源代替Xi，公式如下：其中，Xi是蜜源，t是迭代次数，Ud是蜜源上限值，Ld是蜜源下限值，limit为最大搜索次数；S7-2：进一步提高蜂群的种群多样性，对产生的新一代蜜源进行高斯扰动，扰动公式如下：Foods＝Foods*(1+sqrt(0.1)*rand(1,D))其中，高斯扰动强度为1+sqrt(0.1)*rand(1,D)，D为蜜源xi的维度。上述声音信道均衡方法应用于水声信道均衡中效果极佳，尤其是海洋水声信道。与现有技术相比，本专利技术的优点和积极效果是：本专利技术引入混沌映射初始化种群和锦标赛选择策略，提高了算法的全局信息利用率，避免了算法早熟，加快了算法的收敛速度；还加入了高斯扰动，进一步提高了算法种群多样性。本专利技术以水声CMA盲均衡后得到的TCABC-CMA算法为基础，利用其收敛速度快、全局信息利用率高的特点，对盲均衡器的初始抽头系数进行优化，有效地从初始权值方面提高了盲均衡器的均衡效果，减小了MSE，提高了CMA均衡的性能，进而极大地提高了水声信道的均衡性能。附图说明图1是实施例1中的锦标赛选择的混沌人工蜂群算法流程图。图2是实施例1中的Chebyshev映射分叉图。图3是实施例1中k取不同值时的曲线变化图。图4是实施例1中基于Sphere函数的仿真对比图。图5是实施例1中基于Ackley函数的仿真对比图。图6是实施例1中基于Griewank函数的仿真对比图。图7是实施例1中基于Rastrigin函数的仿真对比图。图8是实施例1中基于SumSquare函数的仿真对比图。图9是实施例1中基于Alpine函数的仿真对比图。图10是实施例2中的基于锦标赛选择的混沌本文档来自技高网...

【技术保护点】
1.一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，其特征在于，该方法包括以下步骤：/nS1:使用混沌映射初始化蜂群种群，种群中的每个个体代表盲均衡器的初始权系数，种群维度代表初始权系数的个数；/nS2：为每个初始蜜源分配一引导蜂进行解空间的搜索，产生新蜜源；/nS3:将均衡后信号和理想无噪声信号之间的均方误差作为适应度函数，计算每个蜜源的适应度值，通过比对新旧蜜源的适应度值，根据贪婪选择策略确定保留蜜源；/nS4:通过锦标赛机制计算引导蜂被跟随的概率，跟随蜂根据轮盘赌机制选择跟随蜂跟随；/nS5:跟随峰采用相同的解空间搜索方式，对于搜索到的蜜源根据贪婪选择的方法进行去留；/nS6:判断蜜源是否满足被放弃的条件：如满足，对应的引导蜂转变为观察蜂，寻找新的蜜源，否则直接转到S8；/nS7:侦查蜂随机产生新的蜜源；/nS8:当算法达到最大迭代次数时，停止运算并输出最优解，否则转到S2；/nS9:将S8得到的最优解作为CMA盲均衡器的初始权系数，完成水声信道盲均衡器的设计；/nS10：根据S9设计的水声信道盲均衡器及其初始权系数，对待分析的源信号数据进行信道均衡分析，输出即可。/n

【技术特征摘要】
1.一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，其特征在于，该方法包括以下步骤：
S1:使用混沌映射初始化蜂群种群，种群中的每个个体代表盲均衡器的初始权系数，种群维度代表初始权系数的个数；
S2：为每个初始蜜源分配一引导蜂进行解空间的搜索，产生新蜜源；
S3:将均衡后信号和理想无噪声信号之间的均方误差作为适应度函数，计算每个蜜源的适应度值，通过比对新旧蜜源的适应度值，根据贪婪选择策略确定保留蜜源；
S4:通过锦标赛机制计算引导蜂被跟随的概率，跟随蜂根据轮盘赌机制选择跟随蜂跟随；
S5:跟随峰采用相同的解空间搜索方式，对于搜索到的蜜源根据贪婪选择的方法进行去留；
S6:判断蜜源是否满足被放弃的条件：如满足，对应的引导蜂转变为观察蜂，寻找新的蜜源，否则直接转到S8；
S7:侦查蜂随机产生新的蜜源；
S8:当算法达到最大迭代次数时，停止运算并输出最优解，否则转到S2；
S9:将S8得到的最优解作为CMA盲均衡器的初始权系数，完成水声信道盲均衡器的设计；
S10：根据S9设计的水声信道盲均衡器及其初始权系数，对待分析的源信号数据进行信道均衡分析，输出即可。


2.如权利要求1所述的声音信道均衡方法，其特征在于，所述S1中：所述混沌映射选用Chebyshev混沌映射，其公式如下：
xk+1＝cos(Acos-1(xk))
其中，k为混沌序列的迭代次数；A为混沌映射的映射系数，当A取值为大于等于2时达到最佳映射效果。


3.如权利要求2所述的声音信道均衡方法，其特征在于，所述Chebyshev混沌初始化种群的具体过程如下：
第一步，设置混沌序列的迭代次数k＝100，控制参数A＝4、N＝10、i＝1；
第二步，随机产生混沌序列的初始向量y0＝(y01,y02,...,y0D),其中D为所优化函数的维度；
第三步，令初始向量y0进行混沌迭代N次，再使用生成的序列作为混沌迭代的初始值进行混沌映射；
第四步，根据Chebyshev混沌映射方程循环迭代，产生混沌初始化种群向量yk＝(...

【专利技术属性】
技术研发人员：王景景，杜子俊，黄子豪，权天祺，吴承安，施威，杨星海，周丽雅，李海涛，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：山东;37