[发明专利]基于锦标赛选择的混沌人工蜂群算法的水声信道均衡方法

说明书

本发明公开了一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，该方法通过混沌矩阵对种群进行初始化，加快了种群的进化速度，防止算法陷入局部最优；通过对产生的新一代种群进行高斯扰动，增加了种群的多样性，防止算法陷入局部最优；利用锦标赛选择算法计算跟随蜂选取引导蜂的概率，提高了算法的全局信息利用率，避免了早熟现象；最后将盲均衡器输出的均方误差作为锦标赛选择的混沌人工蜂群算法的代价函数，寻找代价函数最小值，进而优化盲均衡器的初始权向量。本发明能在收敛速度基本不变的情况下，使均方误差明显降低，有效改善星座图收敛精度，大大提升了对水声信号的均衡效果。

技术领域

本发明属于水声通信技术领域，具体涉及一种基于锦标赛选择的混沌人工蜂群算法的水声信道均衡方法。

背景技术

海洋水声信道的时变性和多径时延效应使信道具有时间、频率选择性衰落，从而导致水声信道存在严重的码间干扰。传统的自适应均衡技术能够抑制多径效应带来的影响，但由于需要周期性发送训练序列，占用了大量信道带宽，降低了通信效率。而盲均衡技术因不需要重复发送训练序列，大大提高了通信效率；其中，常模盲均衡算法(CMA)算法具有计算复杂度低，易于实时实现，收敛性能好等优点；其能够不借助训练序列，仅利用接收序列本身的先验信息，便可以均衡信道特性，使均衡器的输出序列尽量接近发送序列。然而，传统盲均衡技术存在稳态误差大、收敛速度慢、容易陷入局部最小等缺点。

元启发式智能优化算法因较快的寻优速度，全局寻优能力强的特点，近些年开始被逐渐应用于均衡问题的研究中；其中，人工蜂群算法(ABC)对目标函数和约束几乎没有要求，在搜索过程中基本不利用外部信息，仅以适应度函数作为进化的依据，形成了以“生成+检验”为特征的人工智能技术，具有操作简单、控制参数少、搜索精度较高和鲁棒性较强的特点。但ABC算法存在“早熟”的收敛性缺陷，且ABC算法具有较好的探索能力，但开发能力不足，局部搜索能力较弱，收敛速度相对较慢。

因此，当前需要设计一种搜索精度、收敛速度等各个性能均良好的均衡方法。

发明内容

针对现有声音信道均衡方法的稳态误差大、收敛速度慢、容易陷入局部最小等技术问题，本发明的目的是提供一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，以解决上述问题。

为实现上述发明目的，本发明采用下述技术方案予以实现：

一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，包括以下步骤：

S1:使用混沌映射初始化蜂群种群，种群中的每个个体代表盲均衡器的初始权系数，种群维度代表初始权系数的个数；

S2：为每个初始蜜源分配一引导蜂进行解空间的搜索，产生新蜜源；

S3:将均衡后信号和理想无噪声信号之间的均方误差作为适应度函数，计算每个蜜源的适应度值，通过比对新旧蜜源的适应度值，根据贪婪选择策略确定保留蜜源；

S4:通过锦标赛机制计算引导蜂被跟随的概率，跟随蜂根据轮盘赌机制选择跟随蜂跟随；

S5:跟随峰采用相同的解空间搜索方式，对于搜索到的蜜源根据贪婪选择的方法进行去留；

S6:判断蜜源是否满足被放弃的条件：如满足，对应的引导蜂转变为观察蜂，寻找新的蜜源，否则直接转到S8；

S7:侦查蜂随机产生新的蜜源；

S8:当算法达到最大迭代次数时，停止运算并输出最优解，否则转到S2；

S9:将S8得到的最优解作为CMA盲均衡器的初始权系数，完成水声信道盲均衡器的设计；

S10：根据S9设计的水声信道盲均衡器及其初始权系数，对待分析的源信号数据进行信道均衡分析，输出即可。

进一步的，在所述S1之前，还包括声音信号数据收集步骤。