一种基于改进人工蜂群算法的OFDM信号峰均比降低方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109787931A(43)申请公布日2019.05.21(21)申请号201810232247.4(22)申请日2018.03.20(71)申请人中山大学地址510275广东省广州市海珠区新港西路135号(72)发明人谭潇邓质权戴宪华(51)Int.Cl.H04L27/26(2006.01)G06N3/00(2006.01)权利要求书2页说明书5页附图4页(54)发明名称一种基于改进人工蜂群算法的OFDM信号峰均比降低方法(57)摘要本发明涉及一种基于改进人工蜂群算法的OFDM信号峰均比降低方法，针对人工蜂群-部分传输序列(ABC-PTS)算法中相位旋转因子解空间离散且个数较少的特点，提出先随机决定决定靠近学习对象(正向学习)还是远离学习对象(反向学习)，再随机选取学习维度的邻域探索策略。如果是正向学习，那么在两个食物源位置(旋转因子组)值不同的维度中随机选取一个维度作为要探索的维度l；如果是反向学习，那么在两个食物源位置(旋转因子组)值相同的维度中随机选取一个维度作为要探索的维度l。避免了原有ABC-PTS算法邻域探索中解不更新的现象，能够更有效地搜索相位因子组合，提高了探索效率进而提升了PAPR抑制性能。仿真结果表明，改进的ABC-PTS算法可以获得更好的峰均比性能。CN109787931ACN109787931A权利要求书1/2页1.一种基于改进人工蜂群算法的OFDM信号峰均比降低方法，其特征在于，包括如下步骤：a)初始化系统参数limit及最大递推数；b)随机产生大小为S的初始解，每个解代表一个食物源，也表示一个旋转因子组，计算每个食物源的适应度(花蜜数量)将适应度较大的S/2个解作为雇佣蜂解，其余S/2作为旁观蜂解；c)对于每个雇佣蜂解bi，进行邻域解探索：在其他雇佣蜂解中随机选取一个bk作为学习对象，再随机决定学习方向和解更新的维度l，改动雇佣蜂解维度l的值得到欲探索的邻域解并计算此邻域解对应的适应度，若适应度大于雇佣蜂解，那么该雇佣蜂解更新为此邻域解；d)对于每个雇佣蜂解计算各自被选概率；e)对于每个旁观蜂，根据步骤d)计算的概率通过轮盘赌的方式选择一个雇佣蜂解，自身变成这个雇佣蜂解之后，利用与步骤c)中雇佣蜂的邻域探索策略相同的方式决定探索的邻域解，计算此邻域解对应的适应度，若适应度大于雇佣蜂解那么该雇佣蜂解更新为此邻域解；f)记录最好的雇佣蜂解；g)对于每个雇佣蜂解，观察他们不曾更新的迭代次数，如果达到limit次，那么抛弃这个雇佣蜂解，在解空间内随机生成一个新解替代这个雇佣蜂解；h)这个过程循环执行，直到迭代次数达到了最大递推数时算法结束。2.根据权利要求1所述的方法，其特征在于，采用部分传输序列(PTS)作为OFDM信号降低PAPR方法，针对PTS中解空间离散且解个数较少的特点，结合改进的人工蜂群算法(ABC)的邻域探索策略来选取PTS的最优旋转因子组。3.根据权利要求1所述的方法，其特征在于，步骤a)设置控制参数limit记录某个解更新次数，如果某个解连续经过limit次循环，仍然没有更新，说明这个解为局部最优解，将此解放弃，再随机生成新解替代原来的解。4.根据权利要求1所述的方法，其特征在于步骤b)，食物源适应度计算公式如下：其中f(bi)为旋转因子组bi对应的PAPR。5.根据权利要求1所述的方法，其特征在于，所述步骤c)的邻域探索策略差异统计是将bi与bk相比具有相同值的维度与不同值的维度序号记录到两个集合Dsame和Ddif中，Dsame中记录具有相同值的维度，Ddif记录具有不同值的维度序号。6.根据权利要求1所述的方法，其特征在于，所述步骤c)中学习方向的确定为产生一个[0，1]的伪随机数a，若a≤0.5则靠近学习对象(正向学习)，否则远离学习对象(反向学习)。7.根据权利要求1所述的方法，其特征在于，所述步骤c)解更新维度的确定为：若学习方向是正向学习，那么l＝RAND(Ddif)，表示在Ddif中随机中随机选取一个维度l；若学习方向是方向学习，那么l＝RAND(Dsame)，表示在Dsame中随机中随机选取一个维度l。特别的，若Ddif中无元素，那么就确定为反向学习，在Dsame中随选取一个维度l；若Dsame中午元素，那么就确定为正向学习，在Ddif中随机选取一个维度l。8.根据权利要求1所述的方法，其特征在于，所述步骤c)欲探索的新食物源位置b′i是在2CN109787931A权利要求书2/2页bi的基础上，改动维度l的值bil。如果学习方向是正向学习，那么b′il＝bkl；如果是反向学习，那么b′il＝NRAND(R，bkl)，NRAMD表示在解空间R中随机选取非bil的一个解。9.根据权利要求1所述的