主权项 |
一种多果蝇群协同优化小波常模盲均衡方法,其特征在于,包括如下步骤:步骤一、将发射信号a(k)经过信道脉冲响应h(k)后加入信道噪声n(k),得到正交小波变换器的输入信号y(k):y(k)=a(k)h(k)+n(k),其中,k为时间序列且为正整数;步骤二、将步骤一所述的正交小波变换器的输入信号y(k)经正交小波变换器进行正交小波变换后,得正交小波变换器的输出信号R(k):R(k)=Qy(k),其中,Q为正交小波变换矩阵;步骤三、将步骤二所述的正交小波变换器的输出信号R(k)经过小波常模盲均衡方法WTCMA处理后得到小波常模盲均衡器的输出信号z(k):z(k)=f<sup>H</sup>(k)R(k),其中f(k)为小波常模盲均衡方法WTCMA的权向量,上标H表示共轭转置;步骤四、将步骤二所述的正交小波变换器输出信号R(k)作为多果蝇群协同优化方法的输入信号,以获得WTCMA的权向量f(k)的初始优化权向量f<sub>opt</sub>(0),该多果蝇群协同优化方法以食物味道浓度为性能评价标准,将最低食物味道浓度称为最优食物味道浓度,将与最优食物味道浓度对应的位置向量作为最优解;N个果蝇群先各自搜索到各自种群的最优解,然后比较N个最优解的食物味道浓度,从N个果蝇群中找出全局最优解;用该全局最优解来指导各果蝇群的搜索过程,使N个果蝇群跟踪全局最优解并进行下一次搜索,再次获取N个果蝇群的当前全局最优食物味道浓度;当当前全局最优食物味道浓度不变时,则与之对应的位置向量就是N个果蝇群协同搜索得到的当前全局最优位置向量,将此全局最优位置向量作为小波常模盲均衡方法WTCMA的初始优化权向量;步骤五、在步骤四获得初始优化权向量f<sub>opt</sub>(0)后,对小波常模盲均衡方法WTCMA的权向量f(k)进行更新;对小波常模盲均衡方法WTCMA的权向量f(k)进行更新方法如下:即<maths num="0001"><math><![CDATA[<mrow><mi>f</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><mi>f</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><mi>μ</mi><msup><mover><mi>R</mi><mo>^</mo></mover><mrow><mo>-</mo><mn>1</mn></mrow></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mi>z</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mrow><mo>(</mo><mo>|</mo><mi>z</mi><mo>(</mo><mi>k</mi><mo>)</mo><msup><mo>|</mo><mn>2</mn></msup><mo>-</mo><msubsup><mi>R</mi><mrow><mi>C</mi><mi>M</mi></mrow><mn>2</mn></msubsup><mo>)</mo></mrow><msup><mi>R</mi><mo>*</mo></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0001120663770000011.GIF" wi="1054" he="71" /></maths>式中,<img file="FDA0001120663770000012.GIF" wi="590" he="71" />为发射信号a(k)的统计模值,<img file="FDA0001120663770000013.GIF" wi="78" he="63" />是一个正常数,E表示数学期望;*表示取共轭,μ为步长,<img file="FDA0001120663770000014.GIF" wi="853" he="78" /><img file="FDA0001120663770000021.GIF" wi="646" he="70" />diag表示对角矩阵;<img file="FDA0001120663770000022.GIF" wi="148" he="68" />表示对小波变换系数r<sub>I,K</sub>(k)的平均功率估计,<img file="FDA0001120663770000023.GIF" wi="179" he="71" />表示尺度变换系数s<sub>I+1,K</sub>(k)的平均功率估计,其迭代公式为<maths num="0002"><math><![CDATA[<mrow><msubsup><mi>σ</mi><mrow><mi>I</mi><mo>,</mo><mi>K</mi></mrow><mn>2</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><msubsup><mi>βσ</mi><mrow><mi>I</mi><mo>,</mo><mi>K</mi></mrow><mn>2</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>β</mi><mo>)</mo></mrow><mo>|</mo><msub><mi>r</mi><mrow><mi>I</mi><mo>,</mo><mi>K</mi></mrow></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><msup><mo>|</mo><mn>2</mn></msup><mo>;</mo></mrow>]]></math><img file="FDA0001120663770000024.GIF" wi="830" he="71" /></maths><maths num="0003"><math><![CDATA[<mrow><msubsup><mi>σ</mi><mrow><mi>I</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>K</mi></mrow><mn>2</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><msubsup><mi>βσ</mi><mrow><mi>I</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>K</mi></mrow><mn>2</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>β</mi><mo>)</mo></mrow><mo>|</mo><msub><mi>s</mi><mrow><mi>I</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>K</mi></mrow></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><msup><mo>|</mo><mn>2</mn></msup><mo>;</mo></mrow>]]></math><img file="FDA0001120663770000025.GIF" wi="918" he="71" /></maths>式中,β为平滑因子,且0<β<1,r<sub>I,K</sub>(k)是尺度参数为I,平移参数为K的小波变换系数,I、K均取正整数;s<sub>I+1,K</sub>(k)为小波分解的最大尺度为I+1,平移参数为K的尺度变换系数。 |