[发明专利]一种基于DNA萤火虫优化的小波盲均衡方法

说明书

本发明公开了一种基于DNA萤火虫优化的小波盲均衡方法。本发明将DNA遗传优化方法引入到萤火虫优化方法中，得到了一种基于DNA遗传优化的萤火虫方法，这个新方法充分发挥了DNA遗传优化方法和萤火虫优化方法的优点，利用这个新方法来获得萤火虫种群的最优位置向量，该最优位置向量作为小波盲均衡方法的初始最优权向量，从而加快了收敛速度，减小了均方误差。与现有技术相比，本发明具有收敛速度最快、均方误差最小和全局最优的性能，在通信技术领域有很强的实用价值。

技术领域

本发明涉及一种基于DNA萤火虫优化的小波盲均衡方法，属于盲均衡技术领域。

背景技术

在无线通信过程中，通信信道复杂多变而引起的失真和有限带宽所带来的码间干扰(Inter-symbol interference,ISI)是影响通信质量的主要因素。为了提高通信质量，需要采用有效的信道均衡技术来消除码间干扰所带来影响。与传统的自适应均衡方法相比，常模盲均衡方法(Constant modulusalgorithm，CMA)由于不需要发送训练序列，极大地提高了带宽的利用率。萤火虫优化(Glowworm Swarm Optimization,GSO)方法是2005年有K.N.Krishnanand和Debasish Ghose提出的一种新的群智能优化方法。GSO主要是模拟萤火虫发光吸引同伴，萤火虫发光越大，吸引的同伴越多这一现象，通过各个萤火虫个体，在事业范围内寻找最亮的萤火虫，向最亮的萤火虫移动来实现寻优的目的。DNA计算是一种利用生物大分子间的相互作用来实现并行计算的计算模式，能够更好地反映出生物遗传信息的表达机制，更有利于发展功能更强大、解决更复杂问题的智能优化系统。

因此在萤火虫方法的基础上，加入DNA遗传方法，融合成为一种新的方法，即DNA萤火虫优化方法(Optimization algorithm of the firefly based on DNA,DNA-GSO)。这两种方法结合了群智能优化方法良好的全局寻优能力和较强的跳出局部最优解的能力，从而避免了群智能优化方法易陷入局部极值点的弱点，提高了进化后期方法的收敛度和精度。因此，基于DNA的萤火虫小波盲均衡方法及实现研究对优化方法具有重大意义。

发明内容

为了解决上述技术问题，本发明提供了一种基于DNA萤火虫优化的小波盲均衡方法。

为了达到上述目的，本发明所采用的技术方案是：

一种基于DNA萤火虫优化的小波盲均衡方法，包括以下步骤，

步骤1，将发射信号a(k)经过传输信道h(k)后得到信号s(k)，再加入信道噪声n(k)，得到均衡器的接收信号x(k)，再把均衡器的接收信号经小波变换WT后作为DNA萤火虫优化方法的输入信号y(k)；

其中，s(k)＝h(k)a(k)，x(k)＝h(k)a(k)+n(k)，y(k)＝Qx(k)，k为非负整数且表示时间序列，Q为小波变换矩阵；

步骤2，通过DNA萤火虫优化方法得到萤火虫种群的最优位置向量，并将其作为均衡器的初始最优权向量c(0)，c(0)是k＝0时c(k)的值；

所述c(k)的更新公式为

其中，e(k)为误差信号，是由误差函数生成，μ为迭代步长，上标“*”表示复共轭；

为小波变换的平均功率估计，diag[]表示对角矩阵，和分别表示对尺度变换系数m_j,k(k)和小波变换系数y_j,k(k)的平均功率估计，k_J＝L/2^J-1，J为小波分解的最大尺度，L为均衡器的权长，c(k+1),c(k)分别为k+1、k时刻的最优权向量；

步骤3，将步骤1所述的输入信号y(k)经过均衡器得到输出信号z(k)；

其中，z(k)＝y(k)c(k)。