基于粒子群优化的正交小波盲均衡方法.pdf

(19)中华人民共和国国家知识产权局*CN102123115A*(12)发明专利申请(10)申请公布号CN102123115A(43)申请公布日2011.07.13(21)申请号201110094270.X(22)申请日2011.04.15(71)申请人南京信息工程大学地址210044江苏省南京市宁六路219号(72)发明人郭业才胡玲玲(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)H04B13/02(2006.01)权利要求书2页说明书7页附图3页(54)发明名称基于粒子群优化的正交小波盲均衡方法(57)摘要本发明公布了一种基于粒子群优化的正交小波盲均衡方法，该方法将发射信号a(k)经过脉冲响应信道h(k)得到信道输出信号x(k)；由信道噪声n(k)和x(k)得到正交小波变换(WT)输入信号y(k)；将y(k)经过WT得到输出信号R(k)；将y(k)作为粒子群优化算法(PSO)的输入，并随机初始化一组权向量，每个粒子一一对应各组权向量，由正交小波常数模盲均衡方法(WT-CMA)的代价函数确定PSO的适应度函数，当适应度值最大时，找到种群中最优的位置向量，并将其作为WT-CMA的初始化权向量W(k)。由R(k)与W(k)得到均衡器输出信号z(k)。本发明是通过PSO来寻找最优的均衡器初始化权向量，由WT降低信号的自相关性。与WT-CMA相比，本发明方法具有更快的收敛速度和更小的稳态误差。CN10235ACCNN110212311502123123A权利要求书1/2页1.一种基于粒子群优化的正交小波盲均衡方法，包括如下步骤：a.)将发射信号a(k)经过脉冲响应信道h(k)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)得到正交小波变换器(WT)的输入信号：y(k)＝x(k)+n(k)；c.)将步骤b所述的均衡器的输入信号y(k)经过正交小波变换得到正交小波变换器的输出向量：R(k)＝y(k)V，其中V为正交小波变换矩阵；其特征在于：将步骤b所述的均衡器的输入信号y(k)作为粒子群优化算法的输入信号，通过迭代找到最优的均衡器权向量(即粒子的最优位置向量)，采用步骤c所述的正交小波变换器(WT)的输出向量R(k)，结合均衡器权系数向量W(k)得到均衡器输出信号z(k)＝WT(k)R(k)，T表示转置；其中粒子群优化算法如下：在D维目标搜索空间中随机产生M个粒子，初始化第i个粒子的位置xi＝(xi1，xi2，L，xiD)和速度vi＝(vi1，vi2，L，viD)，其中xid和vid分别表示第i个粒子的第d维位置和第i个粒子的第d维的速度，确定粒子的初始化的位置初始值为[-1，1]内的随机数；在D维目标搜索空间中，采用适应度函数值最优时来确定粒子最优位置向量；初始化粒子种群为W＝[W1，W2，L，WM]，其中的第i个粒子Wi对应均衡器的一个权向量，0＜i≤M，M为大于1的自然数。2.根据权利要求1所述的基于粒子群优化的正交小波盲均衡方法，其特征在于：粒子i在寻优过程中记录粒子i当前的个体极值pi＝(pi1，pi2，L，piD)(个体极值pi指的是个体所经历位置中计算得到的适应度值最优时位置向量)和整个粒子群当前的全局极值pg＝(pg1，pg2，L，pgD)(全局极值pg指的是种群中的所有粒子搜索到的适应度最优时的位置向量)。迭代到t+1次时，第i个粒子的第d维的速度和位置按照下面的表达式更新：w＝(wmax-(wmax-wmin)/N)*t(3)式中，i＝1，L，M，d＝1，L，D；t为第t次迭代，表示第t次迭代时第i个粒子的第d维位置，表示第t次迭代时第i个粒子的第d维的速度，表示第t次迭代时第i个粒子的第d维的个体极值，表示第t次迭代时第i个粒子的第d维的全局极值；c1和c2为加速因子；r1和r2为在[0，1]范围内变化的随机数；N为粒子群算法的最大迭代次数；w为惯性权重，wmax和wmin分别为最大的和最小的惯性权重；经过迭代N次后，寻找到种群中粒子的最优位置向量，即均衡器最优权向量。3.根据权利要求1所述的基于粒子群优化的正交小波盲均衡方法，其特征在于所述适应度函数的确定方法如下：基于正交小波常模盲均衡方法(WT-CMA)的代价函数为：式中，z(k)为均衡器的输出，为发射信号a(k)的模值，所以取粒子群优化算法的适2CCNN110212311502123123A权利要求书2/2页应度函数为：f(Wi)＝1/J(Wi)，i＝1，2，L，M(5)式中，J(Wi)＝JWT-CMA是均衡器的代价函数，Wi是粒子的位置向量，对应于均衡器权向量。式(5)是盲均衡器代价函数的倒数，通过迭代找到适应度最大值