[发明专利]一种基于自适应步长猴群优化的小波常模盲均衡方法

权利要求书

1.一种基于自适应步长猴群优化的小波常模盲均衡方法，包括基于小波变换的常模盲均衡方法(WT-CMA)，其特征在于：还包括自适应步长猴群优化方法,具体步骤如下：

步骤①初始化阶段：先设置基于自适应步长猴群优化的小波常模盲均衡方法中的相关参数，接着随机产生初始猴群，确定自适应步长猴群优化方法的适应度函数，然后生成信号y(k)，将其作为自适应步长猴群优化方法的输入信号，最后确定猴群全局最优位置向量的初始值；

步骤②迭代寻优阶段：通过自适应步长猴群优化方法获得猴群的全局最优位置向量，并将其作为基于小波变换的常模盲均衡方法(WT-CMA)的初始权向量；

步骤③信号均衡输出阶段：将上述步骤①中的信号y(k)通过基于小波变换的常模盲均衡方法均衡输出。

2.根据权利要求1所述的一种基于自适应步长猴群优化的小波常模盲均衡方法，其特征在于：所述初始化阶段的具体步骤如下：

步骤a设置基于自适应步长猴群优化的小波常模盲均衡方法中所有相关参数；

步骤b生成信号y(k)：信号经信道传输后将发生一定变化，

y(k)＝c^T(k)a(k)+b(k) (1)

式(1)中，a(k)为平稳独立同分布且具有零均值的发射信号序列，c(k)为信道的脉冲响应向量，b(k)为加性高斯白噪声，y(k)为a(k)经信道传输后的信号序列；

步骤c随机产生初始猴群：在n维空间创建一个规模为m的猴群X＝[X₁,X₂,…,X_m]，则第i只猴子的位置可以用一个n维的向量X_i＝(x_i1,x_i2,…,x_in)，i＝1,2,…,m来表示，每只人工猴的位置向量与基于小波变换的常模盲均衡方法中的权向量设置为相同形式，猴群的初始化采用的是随机形式，过程如下：

x_ij＝x_min,j+(x_max,j-x_min,j)rand (2)

式(2)中，i＝1,2,…,m，j＝1,2,…,n，x_ij为第i只猴子在第j维的实际位置，x_min,j和x_max,j分别表示搜索空间第j维的下界和上界，rand可随机产生一个在区间[0,1]上的实数；

步骤d确定适应度函数：自适应步长猴群优化方法最终是取得其适应度函数的最大值，将自适应步长猴群优化方法的适应度函数f(X_i)设置为基于小波变换的常模盲均衡方法的代价函数J(X_i)的倒数，当f(X_i)取得最大值时，J(X_i)取得最小值，当代价函数取得全局最小值时，盲均衡系统成为期望中的理想系统；

步骤e确定猴群全局最优位置向量的初始值：将y(k)作为混合猴群优化方法的输入信号,根据适应度函数，分别计算每只猴子的初始位置向量对应的适应度函数值，并比较结果，将群体中的最大适应度函数值定义为全局最优适应度函数值f(X^*)的初始值，该值对应的位置向量定义为全局最优位置向量X^*的初始值。