[发明专利]一种基于广度增强型烟花算法的水声信道均衡方法

权利要求书

1.一种基于广度增强型烟花算法的水声信道均衡方法，其特征在于，该方法包括以下步骤：

S1：水声信号数据收集和处理；

S2：使用佳点集方法产生初始烟花种群，种群中每个个体为均衡器的初始抽头系数向量；

S3：建立适应度函数，具体是将均衡后信号和理想无噪声信号之间的均方误差作为广度增强型烟花算法的适应度函数；

S4：利用S2得到的初始抽头系数向量和S3建立的适应度函数计算每个个体的适应度值；

S5：基于S4得到的适应度值更新烟花的位置信息；

S6：运用广度优先选择策略或优度优先选择策略在S5中得到的烟花位置信息中选择下一代烟花；

S7：对S6选择的下一代烟花进行高斯扰动；

S8：重复步骤S3～S7直至获取最小均方误差的情况下的最优初始抽头系数；

S9：基于最优初始抽头系数，利用盲均衡器(CMA)对S1得到的水声信号数据进行处理，最终输出盲均衡信号。

2.如权利要求1所述的水声信道均衡方法，其特征在于，上述S2具体为：

设烟花的初始种群为X＝(x₁，x₂，...，x_n)，其中X_i(i＝1，2，..，n)为第i个烟花的初始位置向量，n为烟花中的个体数量，用佳点集产生初始烟花种群；

首先，依据约束条件(p-3)/2＞＝size求出最小的素数p，其中size表示烟花种群大小；将求得的p代入下式：

R_(i)＝2×cos(2×pi×i/p)

求得R，其中R是长度为烟花种群大小的一维向量，

其次，将R的小数部分和SN对应相乘，SN为由1到size的一维向量；由公式：

nest＝minV+(maxV-minV)×R

求得nest，其中maxV和minV为烟花种群个体的上下界；

最后，将nest打乱顺序，赋值给种群的每一个维度，完成烟花种群初始化。

3.如权利要求1所述的水声信道均衡方法，其特征在于，所述步骤S3具体如下：

将常模盲均衡技术的误差函数作为广度增强型烟花算法的适应度函数，该函数为：

式中z(k)为不含噪声的期望信号，a(k)为通过均衡后的重构信号，N为信号长度；CMA的代价函数是初始权向量w的函数，因此w可看作是广度增强型烟花算法中烟花的位置，并且能够通过最小化适应度函数来获得最优值；广度增强型烟花算法进化的每代依次接收N个信号，将烟花种群个体带入适应度函数中计算出均方误差即每个个体的适应度值，在获取最小均方误差的情况下得到最优初始权向量w。

4.如权利要求1所述的水声信道均衡方法，其特征在于，所述S5具体为：

S5-1个体适应度评价并产生爆炸火花

烟花算法首先在可行域Q内随机生成N个烟花，并记录每个烟花的适应度值，适应度值小的烟花爆炸范围小，产生的火花多，适应度值大的烟花爆炸范围大，产生火花少；烟花爆炸产生新的爆炸火花，产生火花个数和爆炸半径分别为：

其中Y_max和Y_min分别表示种群适应度最大值和最小值，S_i为产生的火花个数，A_i为爆炸半径，A和M为常数，分别用来调整爆炸半径和火花数目大小，ε为极小常数，用来避免除零操作；

S5-2产生变异火花并对超出边界的烟花运用映射规则

在算法中引入高斯变异火花，将产生的爆炸火花随机选取k个维度进行高斯变异，过程下式所示

其中，randn(0，1)为高斯变异函数；

采取一定的映射规则将其映射到可行域范围以内，映射公式如下

其中和分别表示k维边界的上下界，U(0，1)表示在(0，1)区间分布的随机数。