模拟退火与果蝇混合优化小波广义离散多模盲均衡方法.pdf

(19)中华人民共和国国家知识产权局*CN103475608A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103475608103475608A(43)申请公布日2013.12.25(21)申请号201310233250.5(22)申请日2013.06.13(71)申请人南京信息工程大学地址210019江苏省南京市奥体大街69号(72)发明人郭业才吴珊黄友锐刘晓明(74)专利代理机构南京经纬专利商标代理有限公司32200代理人许方(51)Int.Cl.H04L25/03(2006.01)权权利要求书2页利要求书2页说明书8页说明书8页附图7页附图7页(54)发明名称模拟退火与果蝇混合优化小波广义离散多模盲均衡方法(57)摘要本发明公布了一种模拟退火与果蝇混合优化小波广义离散多模盲均衡方法，所述方法如下：随机初始化果蝇群中果蝇的位置向量，作为模拟退火与果蝇混合优化方法的决策变量，将正交小波变换器的输入信号作为混合优化方法的输入，由广义离散多模盲均衡方法的代价函数确定果蝇的味道浓度函数，对由果蝇优化方法得到果蝇群的最优位置向量进行模拟退火操作，得到果蝇群的不会陷入局部极小的全局最优位置向量，将此位置向量作为小波广义离散多模盲均衡方法的初始化权向量。本发明在处理高阶正交幅度调制信号时，收敛速度快、稳态误差小，避免了陷入局部最优的缺陷，实用性强。CN103475608ACN10347568ACN103475608A权利要求书1/2页1.一种模拟退火与果蝇混合优化小波广义离散多模盲均衡方法，其特征在于，所述方法如下：随机初始化果蝇群中果蝇的位置向量，作为模拟退火与果蝇混合优化方法的决策变量，将正交小波变换器的输入信号作为混合优化方法的输入，由广义离散多模盲均衡方法的代价函数确定果蝇的味道浓度函数，对由果蝇优化方法得到果蝇群的最优位置向量进行模拟退火操作，得到果蝇群的不会陷入局部极小的全局最优位置向量，将此位置向量作为小波广义离散多模盲均衡方法的初始化权向量。2.根据权利要求1所述的模拟退火与果蝇混合优化小波广义离散多模盲均衡方法，其特征在于，所述模拟退火与果蝇混合优化权向量方法如下：步骤1：果蝇群的味道浓度确定：将广义离散多模盲均衡方法GSMAA的代价函数JGSMMA(Xi)作为果蝇群中第i个果蝇的味道浓度F(Xi)，i=1,2,…,M，M为果蝇群中果蝇的规模，为正整数；步骤2：初始化果蝇群参数：设果蝇群中果蝇的规模为m，果蝇位置向量的维数为d，为正整数；果蝇群中第i个果蝇的初始位置向量均为xi=(xi1,xi2,…,xid)，xid为第i个果蝇的第d维初始位置；第i个果蝇的初始味道浓度为F(xi)；步骤3：第i个果蝇的位置向量Xi与步进向量Vi：Xi=xi+ViVi=(Vi1,Vi2,…,Vid)Vid=u·rand(0,1)式中，Xi表示第i个果蝇的位置向量Xi=(Xi1,Xi2,…,Xid)，Xid为第i个果蝇的第d维位置，Vid表示第i个果蝇的第d维步进长度，为区间[-u,u]内的随机数，u表示步进因子，rand(0,1)表示0到1之间的随机数；Vi表示第i个果蝇的步进向量；步骤4：计算果蝇味道浓度F(Xi)：按步骤1所述的果蝇群中第i个果蝇的味道浓度确定方法，计算果蝇味道浓度F(Xi)；步骤5：在果蝇群体中找出味道浓度最低的果蝇个体作为最优个体，与最优个体对应的味道浓度和位置向量称为最优果蝇个体的味道浓度和位置向量；步骤6：更新果蝇群的味道浓度和位置向量：将最优果蝇个体的位置向量作为果蝇群的位置向量，最优果蝇个体的味道浓度作为果蝇群的味道浓度；步骤7：重复执行步骤3至步骤5，若当前最优果蝇个体的味道浓度小于果蝇群的味道浓度，则执行步骤6；步骤8：若当前最优果蝇个体的味道浓度不再变化时，则与之对应的位置向量就是寻优得到的果蝇群的最优位置向量Xopt=(X1opt,X2opt,…,Xdopt)，Xdopt为当前最优果蝇个体的第d维位置；否则转至步骤7；步骤9：为避免果蝇群最优位置向量Xopt陷入局部最优，对果蝇群的最优位置向量Xopt进一步作模拟退火操作，果蝇群最优位置向量的每一维皆按Metropolis准则弃留，Metropolis准则为2CN103475608A权利要求书2/2页其中，FK为第K次寻优所得的最低味道浓度，FK+1为第K+1次寻优所得的最低味道浓度，为从1和取较小值，exp表示以e为底的指数函数，k为常数，T(K)为第K次迭代时的退火温度，T(K+1)为第K+1次迭代时的退火温度，Q(T(K+1))为温度T(K+1)下的接收概率，T(K+1)可用下式计算：T(K+1)=A·T(K)式中，A为温度冷却系数，由实验确定；当Q(T(K+1))=1，即FK+1<FK时，Xd(K+1)=Xdopt(K