一种模因方法优化的多模盲均衡方法

摘要

本发明公开了一种模因方法优化的多模盲均衡方法，将个体进化和个体间的社会行为等概念引入到盲均衡技术中，将多模盲均衡方法( MMA )代价函数的倒数定义为模因方法( MA )的适应度函数，利用 MA 的种群优化机制和局部深度搜索能力，在全局范围内搜索个体最优向量并作为 MMA 的初始优化权向量；然后，通过多模盲均衡方法进行迭代，得到最优 MMA 的权向量。与常模盲均衡方法CMA、多模盲均衡方法MMA及基于遗传方法的多模盲均衡方法(GA-MMA )相比，本发明方法在均衡高阶多模信号时收敛速度最快、稳态误差最小、输出信号星座图最清晰。

主权项

一种模因方法优化的多模盲均衡方法，其特征在于，包括以下步骤：1)将发射信号s(k)经过脉冲响应信道h(k)后加入信道噪声n(k)，得到盲均衡器输入时域信号x(k)：x(k)＝s(k)h(k)+n(k)，其中，k为整数且表示时间序列；2)将步骤1)得到的盲均衡器输入时域信号x(k)经过盲均衡器得到输出信号z(k)：z(k)＝w(k)x(k)，其中，w(k)为盲均衡器的权向量，其更新公式为w(k+1)＝w(k)‑μe(k)x^*(k)，w(k)的初始化权向量w(0)根据模因方法优化获取；e(k)为误差信号；μ为w(k)的迭代步长，是实数，0≤μ＜1；x^*(k)为x(k)的共轭。