基于人工免疫网络的正交小波常模盲均衡方法

摘要

本发明公布了一种基于人工免疫网络的正交小波常模盲均衡方法，包括如下步骤：初始化：设计初始抗体种群；计算适应度值；克隆和变异：对每个抗体进行克隆和变异；计算适应度值：对每一次克隆，选择适应度值最大的个体，组成新的抗体种群，并计算种群的平均适应度值；比较种群的平均适应度值：如果此次的平均适应度值与上次迭代的值不同，回到计算适应度值并进行下面的操作；否则继续下一步；抗体抑制：计算抗体与抗体间的亲和力，对亲和力低于抑制门限的抗体，比较其适应度，剔除适应度低的抗体，将保留的抗体作为网络的记忆细胞；引入多样性：若未满足迭代终止条件即截止代数，则随机产生抗体加入到原来的抗体中，直到迭代终止。

主权项

一种基于人工免疫网络的正交小波常模盲均衡方法，其特征在于包括如下步骤：1)初始化：设计初始抗体种群Chrom＝[f1，f2，Λ，fM]，其中M为抗体数量，种群中每一个抗体fm(1≤m≤M)对应一个均衡器权向量；2)计算适应度值：适应度函数定义为Fit(m)＝1/(1+J(fm))(6)式中，J(fm)为常数模算法的代价函数；3)克隆和变异：对每个抗体进行克隆和变异，每个抗体克隆后代的数目为Nc，克隆细胞按照下式进行变异：C＝c+g·N(0，1)(7) ( 8 ) , g = 1 β exp ( - fitn ) 式中，c是父代细胞；C是c的变异克隆；N(0，1)是均值为0、标准方差为1的高斯随机过程；α是控制逆指数函数衰减的参数；fitn是c的归一化适应度值；g是高斯变异向量；exp(·)是指数函数；4)计算适应度值：对每一次克隆，选择适应度值最大的个体，组成新的抗体种群，并计算种群的平均适应度值；5)比较种群的平均适应度值：如果此次的平均适应度值与上次迭代的值不同，返回2)；否则继续下一步；6)抗体抑制：计算抗体与抗体间的亲和力，对亲和力低于抑制门限δ的抗体，比较其适应度，剔除适应度低的抗体，将保留的抗体作为网络的记忆细胞；7)引入多样性：若未满足迭代终止条件即截止代数，则随机产生抗体加入到原来的抗体中，转到2)继续，直到迭代终止。