[发明专利]果蝇优化小波自适应软约束常模盲均衡方法

权利要求书

1.一种果蝇优化小波自适应软约束常模盲均衡方法，其特征在于，所述方法如下：

随机初始化一果蝇群的位置向量，作为果蝇优化方法的决策变量，将正交小波变换器的输入信号作为果蝇优化方法的输入，由自适应软约束常模盲均衡方法的代价函数确定果蝇优化方法的味道浓度函数，利用果蝇优化方法寻优找到果蝇群的最优位置向量，将此最优位置向量作为小波自适应软约束常模盲均衡方法的初始化权向量。

2.根据权利要求1所述的果蝇优化小波自适应软约束常模盲均衡方法，其特征在于，所述味道浓度确定方法如下：将自适应软约束常模盲均衡方法SCS-CMA的代价函数作为果蝇群中第i个果蝇的味道浓度，则有

F(X_i)=J_SCS-CMA(X_i),i=1,2,…,m

其中，J_SCS-CMA(X_i)是自适应软约束常模盲均衡方法SCS-CMA的代价函数；m为果蝇群的规模，为正整数；X_i是第i个果蝇的位置向量；F是以X_i为自变量的果蝇味道浓度函数。

3.根据权利要求2所述的果蝇优化小波自适应软约束常模盲均衡方法，其特征在于所述果蝇优化权向量方法如下：

步骤1：初始化果蝇群参数：设果蝇群的规模为m，果蝇位置向量的维数为d，果蝇群中第i个果蝇的初始位置向量为x_i，初始味道浓度均为F(x_i)；

步骤2：第i个果蝇的位置向量X_i与步进向量V_i：

X_i=x_i+V_i

V_i=(V_i1,V_i2,…,V_ij,…,V_id)

V_ij=u*rand(0,1)

式中，X_i表示第i个果蝇的位置向量X_i=(X_i1,X_i2,…,X_id)，V_ij表示第i个果蝇的第j维步进长度，步进长度V_ij为区间[-u,u]内的随机数，u表示步进因子，rand(0,1)表示0到1之间的随机数，V_i表示由d个V_ij组成的第i个果蝇的步进向量；

步骤3：计算果蝇味道浓度F(X_i)：按公式F(X_i)=J_SCS-CMA(X_i),i=1,2,…,m计算果蝇味道浓度F(X_i)；

步骤4：在果蝇群体中找出味道浓度最低的果蝇个体作为最优个体，与最优个体对应的味道浓度和位置向量称为最优果蝇个体的味道浓度和位置向量；

步骤5：更新果蝇群的味道浓度和位置向量：将最优果蝇个体的位置向量作为果蝇群的位置向量，最优果蝇个体的味道浓度作为果蝇群的味道浓度；

步骤6：重复执行步骤2至步骤4，若当前最优果蝇个体的味道浓度小于果蝇群的味道浓度，则执行步骤5；

步骤7：若当最优个体的味道浓度不变，则与之对应的位置向量就是寻优得到的果蝇群的最优位置向量，并将此最优位置向量作为小波自适应软约束常模盲均衡方法的初始化化权向量，否则转至步骤6。