基于粒子群優(yōu)化算法的小波盲均衡算法仿真研究.pdf

1、目前，國內(nèi)外將粒子群優(yōu)化算法(ParticleSwarmOptimization，PSO)、小波變換和盲均衡算法相結(jié)合的研究成果很少，以PSO、小波變換為工具，并結(jié)合盲均衡技術(shù)進行研究對通信信號處理具有重要意義。本文主要研究了利用PSO及其改進的PSO優(yōu)化盲均衡器中的均衡器權(quán)向量，再以小波變換理論降低通信信號的自相關(guān)性，提高了盲均衡算法均衡性能。研究內(nèi)容包括:
　　 1、基于粒子群優(yōu)化的小波盲均衡算法
　　 利用PSO快

2、速尋找到均衡器的初始化權(quán)向量，避免了由隨機梯度下降法尋找最優(yōu)向量時產(chǎn)生的局部極限值。仿真結(jié)果表明，通過適當(dāng)?shù)恼{(diào)整PSO中的參數(shù)，該算法可以取得比常數(shù)模盲均衡算法和小波盲均衡算法更好的優(yōu)越性。
　　 2、基于免疫克隆粒子群優(yōu)化的小波盲均衡算法
　　 將免疫克隆算法(IC)嵌入到PSO中，增加了粒子種群的多樣性，克服了PSO進化后期由于多樣性變差而造成的陷入局部極值點的缺陷，提高了PSO的全局尋優(yōu)能力，避免了算法的早熟收斂。

3、算法的有效性在水聲仿真實驗中得到驗證。
　　 3、基于量子粒子優(yōu)化的小波加權(quán)多模盲均衡算法
　　 (1)為了解決分?jǐn)?shù)間隔盲均衡算法(FSE-CMA)收斂速度慢、穩(wěn)態(tài)誤差大的問題，提出了量子粒子群優(yōu)化的小波分?jǐn)?shù)間隔盲均衡算法，對FSE-CMA的輸入信號進行小波變換，均衡器權(quán)向量的取值是通過量子粒子群優(yōu)化算法(QPSO)優(yōu)化得到，使FSE-CMA的均衡性能得到了更好地改善。
　　 (2)針對多模盲均衡算法(MMA)在

4、均衡高階QAM信號時存在收斂速度慢、穩(wěn)態(tài)誤差大的缺點，并且MMA模型匹配度較差。將加權(quán)多模盲均衡算法(WMMA)與QPSO和小波變換理論結(jié)合起來，提出了基于量子粒子群優(yōu)化的小波加權(quán)多模盲均衡算法，利用QPSO對均衡器權(quán)向量進行初始化，利用小波變換理論來降低信號的自相關(guān)性，利用WMMA來選擇合適的誤差模型以更好的匹配QAM信號的星座圖。
　　 4、基于動態(tài)粒子群優(yōu)化的小波動態(tài)加權(quán)多模盲均衡算法
　　 為了對高階QAM信號進