[发明专利]基于蚁群优化的正交小波变换超指数迭代盲均衡方法

摘要

本发明公布了一种蚁群优化的正交小波超指数迭代盲均衡方法，该方法利用蚁群算法来寻找最优的权向量作为均衡器输入的初始权向量值，从而避免算法出现局部收敛的情况。该方法具有加快收敛速度的正反馈机制，利用超指数迭代(SEI)方法对数据的白化作用，利用正交小波变换对信号进行去相关，并充分利用了蚁群算法的全局收敛性。水声信道仿真结果表明，与正交小波超指数迭代盲均衡方法(WT-SEI-CMA)相比，该方法具有更好的收敛速度和稳态误差，且均衡后的眼图更加清晰、紧凑。因而，该方法具有一定的实用价值。

主权项

1.一种基于蚁群优化的正交小波变换超指数迭代盲均衡方法，包括如下步骤：a.)将发射信号a(k)经过脉冲响应信道得到信道输出向量x(k)，其中k为时间序列，下同；b.)采用信道噪声n(k)和步骤a所述的信道输出向量x(k)得到均衡器的输入信号：y(k)＝x(k)+n(k)；c.)将误差信号e(k)通过SEI方法引入白化矩阵Q，采用白化矩阵Q对均衡器的输入信号y(k)白化；d.)将步骤c.)所述白化后的输入信号y(k)经过正交小波变换得到正交小波的输出向量：R(k)＝y(k)V，其中V为正交小波变换矩阵；其特征在于，还包括如下步骤：e.)随机产生初始种群W＝[W₁，W₂，…，W_M]，其中第i个蚂蚁个体W_i对应均衡器的第i个权向量，其中0＜i≤M，i和M都为自然数，用其作为蚂蚁的初始化位置；f.)将均衡器的代价函数的倒数作为蚁群算法寻优的目标函数：f(Wi)=1J(Wi)]]>式中，J(W_i)＝J_CMA是均衡器的代价函数；g.)每只蚂蚁采用步骤f.)所述的目标函数寻优一步或者完成对所有M个权向量的寻优后，对残留信息素进行更新处理：f_ij(t+1)＝(1-ρ)f_ij(t)+Δf_ij，式中，表示第k只蚂蚁在本次循环中留在在第i个权向量和第j个权向量之间的路径上的信息素，ρ为信息素挥发系数，取值范围为ρ∈[0，1)，Δf_ij表示蚂蚁在本次循环中在第i个权向量和第j个权向量之间的路径上留下的信息素，f_ij(t)为信息素更新第t步所对应的信息素；h.)求取使目标函数最优时所对应的权向量值，并且把这个权向量作为均衡器的初始化权向量。