基于RNA遗传优化的盲均衡算法综述报告.docx

基于RNA遗传优化的盲均衡算法综述报告
基于RNA遗传优化的盲均衡算法综述报告
概述
盲均衡技术是数字通信中解决码间干扰的重要技术，也是数字信号处理中的一个重要方向。其基本思想是从接收端的观察信息中恢复出被干扰的信号和干扰信号的统计特性，进而对这些信息加以处理以获取待恢复数据。RNA遗传优化是一种新型的优化算法，其基本思想是模仿生物体的自我修复机制，不断交配、变异、进化，经过长期优化进化，最终达到优化目的。本文基于RNA遗传优化介绍了盲均衡算法的研究现状与发展趋势。
RNA遗传优化
RNA遗传优化是一种新型的基于生物的算法。RNA遗传优化的优化过程与自然演化过程中的遗传机制有异曲同工之妙，算法中的重要操作模仿了生物的基因编码、基因突变、交叉配对和筛选等遗传机制。RNA遗传优化算法的基本流程如下：
（1）初始化：随机生成一批初始个体，代表不同的解。
（2）适应度评价：计算每个个体的适应度值，作为基因进化的引导标准。
（3）选择操作：按照适应度值对种群中的个体进行选择，适应度高的个体具有较高的选择概率。
（4）交叉操作：对产生的“父代”个体进行随机交叉操作，产生新的“子代”个体。
（5）突变操作：对每个个体进行随机变异操作，以增加遗传多样性。
（6）生成新种群：按照一定比例将父代和子代放在同一种群中，构成一个新种群。
（7）终止条件：当满足终止条件即可停止进化。终止条件一般为达到最优解或者达到规定的进化代数等。
通过合理设置选择、交叉和变异等参数，可以使RNA遗传优化算法在寻优过程中跳出局部最优解，全局搜索能力强，且具有较快的收敛速度。
盲均衡算法
盲均衡算法是指无需先验信息和训练样本知识的情况下，从接收端的观测信号中恢复出发送端的信息信号。其中经典的均衡方法有最小均方误差法（LMS）、最大似然估计法（ML）和盲信道估计方法等。而RNA遗传优化在盲均衡算法中可以被看作是最优化逼近算法。RNA遗传优化算法结合盲均衡方法，针对线性FIR信道和非线性信道两种情形，设计了相应的盲均衡算法。
线性FIR信道
在线性FIR信道中，信源信号通过一个滤波器h(n)后变为发送信号s(n)，传输时受到加性白噪声和多径衰落等干扰，到达接收端的信号可以表示为：
x(n)=h(n)∗s(n)+v(n)
其中，∗表示卷积运算，v(n)为加性白噪声，h(n)为滤波器系数。通过该信号可以得到下列等式组：
X(k)=H(k)S(k)+V(k)
其中，X(k)、H(k)和S(k)分别为x(n)、h(n)和s(n)的傅里叶变换，V(k)为v(n)的傅里叶变换。通过消除V(k)，可以得到原始信号的估计值和滤波器系数的估计值，即求解S(k)和H(k)。
在RNA遗传优化中，基因编码可以采用二进制编码或实值编码。对于二进制编码，基因长度需要根据所需的解的位数进行设置；对于实值编码，基因的数值范围需要根据所需的解域进行确定。RNA遗传算法的适应度函数可以选择最小化误差平方作为目标函数，在优化过程中寻找最佳的滤波器系数h(n)，进而实现盲均衡。
非线性信道
在非线性信道中，信源信号和图像序列通过非线性变换之后变为发送信号s(n)，传输时会受到多种复杂噪声的干扰，到达接收端的信息为：
y(n)=s(exp(θ)(n)ε(n))
其中，θ(n)为未知的非线性函数，ε(n)为非加性噪声，也称作干扰噪声。在非线性信道中，由于未知的θ(n)，难以通过常规的恢复算法来估计源信号。RNA遗传优化在此情况下被用作恢复方法的非线性传递函数θ(n)的优化，即通过RNA遗传算法寻找合适的θ(n)约束条件，以实现盲均衡。
总结
盲均衡算法是一种在数字通信中解决码间干扰的重要技术，通过针对线性FIR信道和非线性信道两种情形设计了相应的盲均衡算法。RNA遗传优化作为一种新型的基于生物的算法，在盲均衡算法中可以被看作是最优化逼近算法。RNA遗传算法能够搜索全局最优解，具有快速的收敛速度，已经在盲均衡算法中取得了良好的效果。