[发明专利]新变异DNA遗传人工鱼群优化DNA序列的频域加权多模方法

摘要

本发明公开了新变异DNA遗传人工鱼群优化DNA序列的频域加权多模方法，针对多模盲均衡方法(MMA)均衡高阶多模QAM信号时误差函数与信号星座模型不匹配导致收敛速度慢、剩余均方误差大的缺陷，发明一种新变异DNA遗传人工鱼群优化DNA序列的频域加权多模方法(nmDNAG‑AFS‑DNA‑FWMMA)。该方法利用新型变异DNA遗传人工鱼群优化方法收敛速度快和全局搜索能力强的优点，通过DNA约束模型和代价函数来寻找DNA最优序列，将该序列解码后作为频域加权多模方法(FWMMA)初始最优权向量，以提高收敛速度并减小剩余均方误差。实施例表明，本发明方法nmDNAG‑AFS‑DNA‑FWMMA的收敛速度快、均方误差小。

主权项

新变异DNA遗传人工鱼群优化DNA序列的频域加权多模方法，其特征在于，包括如下步骤：步骤1、将发射信号a(k)经过脉冲响应信道c(k)后加入信道噪声n(k)，得到盲均衡器输入时域信号y(k)：y(k)＝a(k)c(k)+n(k)，其中，k为正整数且表示时间序列；步骤2、将步骤1所述的盲均衡器输入时域信号y(k)的实部yR(k)和虚部yI(k)通过傅里叶变换，得盲均衡器输入频域信号的实部YR(k)和虚部YI(k)：YR(k)＝FFT(yR(k))，YI(k)＝FFT(yI(k))，其中，FFT为傅里叶变换；步骤3、将步骤2所述的盲均衡器输入频域信号的实部YR(k)和虚部YI(k)经频域加权多模盲均衡器，得到盲均衡器输出频域信号的实部ZR(k)和虚部ZI(k)：ZR(k)＝WRH(k)YR(k)，ZI(k)＝WIH(k)YI(k)；其中，WR(k)＝Re(W(k))，WI(k)＝Im(W(k))，且WR(k)和WI(k)的更新公式为WR(k+1)＝WR(k)‑μER(k)ZR(k)YR(k)WI(k+1)＝WI(k)‑μEI(k)ZI(k)YI(k)；W(k)为频域加权多模盲均衡器的频域权向量，WR(k)为频域加权多模盲均衡器的频域权向量W(k)的实部，WI(k)为频域加权多模盲均衡器的频域权向量W(k)的虚部，H表示转置，ER(k)为频域误差信号的实部，EI(k)为频域误差信号的虚部，ER(k)和EI(k)均是由频域误差生成函数生成，Re表示取实部，Im表示取虚部，μ为迭代步长且是实数，0≤μ＜1；所述步骤3中盲均衡器频域权向量W(k)的初始优化频域权向量W(0)是由新变异DNA遗传人工鱼群算法获取，具体步骤如下：步骤3‑1、种群初始化并进行DNA编码及参数设置：设DNA序列的初始种群采用四种碱基进行编码，得到DNA序列种群的初始位置向量s＝[s1,s2,…,sN]，其中，si表示第i个DNA序列位置向量，对应于第i条人工鱼的DNA序列位置向量，1≤i≤N，N是种群个数；随机设置一组DNA序列位置向量s0作为计算相似度的对比序列位置向量，设置人工鱼的步长为step，人工鱼的视野为Visual，人工鱼的拥挤度为δ，最大迭代次数为Number；步骤3‑2、种群解码：将s＝[s1,s2,…,sN]进行解码，得到十进制数作为人工鱼群位置向量v＝[v1,v2,…,vN]，其中,vi对应于人工鱼群中的第i个人工鱼的位置向量；步骤3‑3、确定适应度函数：第一个适应度函数是采用加权平均值法来处理约束项的函数，即Q1(si)＝α1·F1(si,siC)+α2·F2(si,s0)其中，siC表示DNA序列位置向量si的反链，F1(si,siC)为si和siC的H‑measure约束值，F2(si,s0)为si和s0相似度约束值，α1表示H‑measure约束项的权重，α2表示相似度约束项的权重；第二个适应度函数定义为频域加权多模方法FWMMA的代价函数的倒数，即Q2(vi(k))=1JFWMM4(k)=1E[eR2(k)]+E[eI2(k)]]]>其中，vi(k)为DNA遗传人工鱼群优化方法中第i条人工鱼k时刻的位置向量,JFWMMA(k)是FWMMA的代价函数，E{*}为数学期望，eR(k)表示FWMMA时域误差函数的实部，eI(k)表示FWMMA时域误差函数的虚部；步骤3‑4、计算第一个适应度函数：计算每个DNA序列的第一个适应度函数，将第一个适应度函数的最大值及其对应的DNA序列分别记录在公告牌1中；步骤3‑5、解码并计算第二个适应度函数：将DNA序列解码后得到十进制序列作为人工鱼群位置向量，计算每条人工鱼的第二个适应度函数值，将第二个适应度函数的最大值及其对应的位置向量分别记录在公告牌2中；步骤3‑6、人工鱼的追尾、觅食和聚群行为：人工鱼群中每条人工鱼发生追尾行为操作，若追尾不成功，则进行聚群行为操作，若聚群不成功，则进行觅食行为操作，人工鱼的当前位置向量发生改变；步骤3‑7、进制转换：将每条人工鱼的十进制位置向量转换成四进制数，得到DNA序列位置向量；步骤3‑8、交叉操作：从人工鱼群中随机选择两条人工鱼的DNA序列位置向量作为父体，随机产生一个(0,1)之间的随机数，若该随机数小于交叉概率，则进行交叉操作，得到两条人工鱼的新DNA序列位置向量，并代替父体，得到人工鱼群的新DNA序列位置向量；步骤3‑9、变异操作：从人工鱼群中随机选择一条人工鱼的DNA序列位置向量作为变异个体，随机产生一个(0,1)之间的随机数，若随机数小于变异概率，则进行反密码子变异操作，得到一条人工鱼的新DNA序列位置向量，并代替父体，得到人工鱼群的新DNA序列位置向量；再从人工鱼群中随机选择一条人工鱼的DNA序列位置向量作为变异个体，将该变异个体中出现频率最高的碱基用变异个体中出现频率最低的碱基代替，得到一条人工鱼的新DNA序列位置向量，并代替父体，得到人工鱼群的新DNA序列位置向量；步骤3‑10、更新公告牌1：计算每条人工鱼DNA序列位置向量的第一个适应度函数值，将第一个适应度函数最大值与公告牌1中保存的第一个适应度函数最大值进行比较；如果现在的第一个适应度函数值大，则用当前第一个适应度函数最大值及其对应的DNA序列更新公告牌1中内容；步骤3‑11、解码并更新公告牌2：在一次迭代之后，把公告牌1中的DNA序列进行解码，得到十进制的位置向量，利用第二个适应度函数，计算公告牌1中的位置向量的第二个适应度函数值，与公告牌2中保存的原第二个适应度函数的最大值进行比较，如果第二个适应度函数值大，则用第二个适应度函数及其对应的位置向量更新公告牌2原先保存的内容；步骤3‑12、判断终止条件：判断迭代次数是否达到最大迭代次数，如果没有达到最大迭代次数，则返回至步骤3‑5，如果达到最大迭代次数就结束迭代，输出公告牌2的记录，将其进行傅里叶变化后作为初始优化频域权向量。