[发明专利]新变异DNA遗传人工鱼群优化DNA序列的频域加权多模方法

说明书

技术领域

本发明涉及盲均衡技术领域，特别是新变异DNA遗传人工鱼群优化DNA序列的频域加权多模方法。

背景技术

为了消除码间干扰，提高通信系统的性能，在接收端需采用一种不需要训练的序列，仅利用接收信号的统计特性就能对信道特性进行补偿、消除码间干扰的盲自适应均衡技术。多模算法(MMA,Multi-Modulus Algorithm)具有实部和虚部两个误差函数，同时利用了信号的同相和正交分量，使均衡器的输出信号趋向于一个矩形而不是一个圆。MMA有效消除了信号的相位偏移，降低了稳态误差，但其误差函数并不匹配信号的星座模型，而加权多模算法(WMMA,Weighted Multi-Modulus Algorithm)的误差函数和信号星座图更加匹配，将其引入到频域盲均衡算法中，得到的频域加权多模算法(FWMMA,Frequency Domain Weighted Multi-modulus Algorithm)利用了WMMA的优点，对多模信号进行了有效均衡。与传统时域加权多模算法相比，该算法计算复杂度大为降低。

人工鱼群算法(AFSA,Artificial Fish Swarm Algorithm)是一种新颖高效的群智能算法，前期收敛速度较快，但后期收敛速度慢、寻优精度不高，而DNA遗传算法具有大范围全局搜索能力、随机性、可扩展性，容易与其它算法结合。并且在DNA遗传算法中的变异操作中，采用新型变异算子，得到新型变异DNA遗传算法(nmDNAG,novel mutation DNA genetic algorithm)，该算法有效地提高了DNA遗传算法性能。

目前，对DNA编码序列进行优化的算法有很多，其中智能进化算法得到广泛研究，包括遗传算法(GA,Genetic Algorithm)与人工鱼群算法等。所以将DNA遗传人工鱼群算法对DNA编码序列进行优化，得到最优DNA编码序列，再将其应用到盲均衡算法的均衡器权向量优化中，从而获得更快的收敛速度和更低的稳态误差。

多模算法(MMA)均衡高阶多模QAM信号时误差函数与信号星座模型不匹配会导致收敛速度慢、剩余均方误差大的缺陷。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供新变异DNA遗传人工鱼群优化DNA序列的频域加权多模方法，该方法利用新型变异DNA遗传人工鱼群方法收敛速度快和全局搜索能力强的优点，通过DNA约束模型和代价函数来寻找DNA最优序列，将该序列解码后作为频域加权多模方法(FWMMA)初始最优权向量，以提高收敛速度并减小剩余均方误差。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的新变异DNA遗传人工鱼群优化DNA序列的频域加权多模方法，包括如下步骤：

步骤1、将发射信号a(k)经过脉冲响应信道c(k)后加入信道噪声n(k)，得到盲均衡器输入时域信号y(k)：y(k)＝a(k)c(k)+n(k)，其中，k为正整数且表示时间序列；

步骤2、将步骤1所述的盲均衡器输入时域信号y(k)的实部y_R(k)和虚部y_I(k)通过傅里叶变换，得盲均衡器输入频域信号的实部Y_R(k)和虚部Y_I(k)：Y_R(k)＝FFT(y_R(k))，Y_I(k)＝FFT(y_I(k))，其中，FFT为傅里叶变换；

步骤3、将步骤2所述的盲均衡器输入频域信号的实部Y_R(k)和虚部Y_I(k)经频域加权多模盲均衡器，得到盲均衡器输出频域信号的实部Z_R(k)和虚部Z_I(k)：Z_R(k)＝W_R^H(k)Y_R(k)，Z_I(k)＝W_I^H(k)Y_I(k)；

其中，W_R(k)＝Re(W(k))，W_I(k)＝Im(W(k))，且W_R(k)和W_I(k)的更新公式为

W_R(k+1)＝W_R(k)-μE_R(k)Z_R(k)Y_R(k)