[发明专利]一种基于混合猴群优化的小波加权多模盲均衡方法

权利要求书

1.一种基于混合猴群优化的小波加权多模盲均衡方法，包括基于小波变换的加权多模盲均衡方法(WT-WMMA)，其特征在于：还包括混合猴群优化方法，猴群优化方法采用列维飞行模式确定爬步长，并与模拟退火优化方法有机结合，所述方法结合在一起后的具体步骤如下：

步骤①初始化阶段：先设置基于混合猴群优化的小波加权多模盲均衡方法中的相关参数，接着随机产生初始种群，生成信号y(k)，然后确定混合猴群优化方法的适应度函数，将y(k)作为混合猴群优化方法的输入信号，最后初始化猴群全局最优位置向量；

步骤②混合猴群优化方法的迭代寻优阶段：通过混合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加权多模盲均衡方法的初始权向量；

步骤③信号均衡输出阶段：对上述步骤①中的输入信号y(k)通过小波加权多模盲均衡方法均衡输出。

2.根据权利要求1所述的一种基于混合猴群优化的小波加权多模盲均衡方法，其特征在于：所述初始化阶段的具体步骤如下：

步骤a设置基于混合猴群优化的小波加权多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随机产生初始种群：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加权多模盲均衡方法中的权向量设置为相同形式，猴群初始位置的分配采用的是随机形式，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产生一个在区间[0,1]上的实数；

步骤d确定适应度函数：将混合猴群优化方法中适应度函数的倒数对应于小波加权多模盲均衡方法(WT-WMMA)的代价函数，两者关系如下：

式(3)中，L(X_i)为基于小波变换的加权多模盲均衡方法的代价函数，f(X_i)为混合猴群优化方法的适应度函数，基于小波变换的加权多模盲均衡方法的最佳权向量是要使其代价函数取得最小值，而混合猴群优化方法中最终取得的全局最优解是适应度函数的最大值，故利用混合猴群优化方法求解均衡器的代价函数时将两者作以上对应；

步骤e初始化猴群全局最优位置向量：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，分别计算初始状态中每只猴子的位置向量对应的适应度函数值，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。