[发明专利]混沌人工鱼群优化广义多模盲均衡方法

说明书

技术领域

本发明涉及一种水声信道盲均衡领域，尤其是涉及一种混沌人工鱼群优化广义多模盲均衡方法。

背景技术

传统的自适应均衡技术(见文献[1]赵海权,张家树.非线性通信信道的神经FIR自适应幅值Laguerre均衡器[J].中国科学(F辑：信息科学).2009(39)10:1095-1103.)需要对均衡器周期性地发送训练序列，这样做虽然提高了通信的可靠性，但却极大的浪费了带宽资源，尤其在一发多收的通信网络中。不需要周期性发送训练序列的盲均衡技术，引起了广泛的关注。由Sato和Godard发明的常数模盲均衡方法（Constant Modulus Algorithm,CMA）是人们广泛应用的技术(见文献[2]Sato Y.A Method of Self-recovering Equalization for Multilevel Amplitude Modulation Systems [J].IEEE Translations on Communication.1975,23(6):679-682.文献[3]GodardDN.Self-recovering Equalization and Carrier Tracking in Two-dimensional Data Communication Systems[J].IEEE Translations on Communication.1980,(28)11:1867-1875.)。常数模盲均衡方法CMA是将均衡器的输出信号均衡到一个半径为R的圆上(其中R为发射信号的统计模值)(见文献[4]Shafayat A and Asoke K N.Blind Equalization of Square-QAM Signals:A Mul timdulus Approach [J].IEEE Trans lations on Communication.2010(58)6:1674-1685.)，对于常数模信号具有很好的均衡效果。而高阶正交幅度调制(Quadrature Amplitude Modulation,QAM)信号的星座点分布在几个不同半径的圆上，若采用CMA进行均衡，则输出信号趋于某一固定圆，导致均衡器权向量更新误差大，影响均衡性能(见文献[5]Li X.L,Zhang X D.A Family of Generalized Constant Modulus Algorithm for Blind Equalization[J].IEEE Trans.Comm.2006(54)11:1913-1917.)。而传统的多模盲均衡方法(Mul ti-modulus Algorithm,MMA)，将均衡器输入信号的实部和虚部分别取各自的同相和正交分量的模值，利用幅度和相位信息，可以有效地纠正高阶QAM信号的相位旋转，但当QAM信号的阶数较高时，传统的MMA均衡效果不理想，眼图不清晰甚至不张开。而广义多模盲均衡方法(Generalized Multi-modulus Algorithm，GMMA)(见文献[6]Xin L L and Wen J Z.Performance Analysis and Adaptive Newton Algorithms of Multi modulus Blind Equalization crieron[J].Signal Process.文献[7]窦高齐,高俊.适合于高阶QAM系统的多模盲均衡新方法[J].电子与信息报.2008(30)2:388-391.)，将高阶QAM信号的星座图分成几个不同的子区域，每个子区域在权向量更新过程中，通过判断输入信号所在区域来调整代价函数中的模值；在均衡器权向量更新中自适应地修正模值，GMMA具有比MMA更好的收敛性能，但收敛速度慢，稳态误差较大，仍不能满足实际需求。人工鱼群方法(见文献[8]李晓磊,邵之江.一种基于动物自治体的寻优模式：鱼群算法[J].系统工程理论与实践.2002(22)11:32-38.)具有收敛速度快、全局搜索能力强等特点，但同时易陷入局部最优值，导致“早熟”现象。混沌运动能在一定范围内按照自身运动规律无重复地遍历所有状态，具有较强的局部搜索能力。将混沌优化方法嵌入到人工鱼群方法，能有效地避免人工鱼群陷入“早熟”现象，使方法跳出局部最优值。

发明内容