基于蚁群优化的正交小波变换盲均衡算法

基于蚁群优化的正交小波变换盲均衡算法

论文摘要

水声通信中广泛存在的多径衰落和信道失真导致的码间干扰大大降低了水下数据的可靠性和传输速率,是高速水声通信的主要障碍。盲均衡技术无需发送训练序列就可跟踪信道变化,可有效提高数据的可靠性及传输速率,利用接收信号的统计特性对信道进行均衡,降低或消除码间干扰,极大地提高了带宽的利用率,是目前水声通信的研究热点。小波变换理论的迅速发展,为变换域的盲均衡算法研究提供了一种新的思路。本文将蚁群算法引入到正交小波盲均衡算法中,充分利用蚁群算法的全局随机搜索和正反馈机制的特点,快速寻找到均衡器权向量的全局最优解,对均衡器的权向量进行初始化,并采用正交小波变换降低信号的自相关性。本文对蚁群优化小波盲均衡算法的实现进行了深入研究,研究内容主要包括以下几个方面。1提出了基于蚁群优化的盲均衡算法将蚁群算法引入到盲均衡算法中,充分利用蚁群算法的全局随机搜索和正反馈机制的特点,通过由候选解组成的群体进化过程快速寻求到全局最优解,对均衡器的权向量进行初始化,提出了蚁群优化的盲均衡算法。同时针对采用固定步长的常数模算法在收敛速度和剩余误差之间的矛盾,将变步长思想应用于常数模算法,提出了基于蚁群优化的变步长盲均衡算法。仿真结果表明了所提算法的优越性。2研究了基于蚁群优化的正交小波盲均衡算法由分析影响盲均衡算法性能的因素可知,均衡器输入信号的自相关性是影响均衡算法的主要因素之一。信号经过正交小波变换之后,在小波变换域对其进行能量归一化,信号各分量之间的相关性会得到有效地降低,能够有效加快均衡器的收敛速度。通过蚁群优化算法快速寻找到均衡器权向量的全局最优解,并将这组权向量作为正交小波盲均衡算法的初始化权向量。又由于超指数迭代算法对输入信号起白化作用,因此,在分析基于正交小波变换的常数模盲均衡算法的基础上,提出了基于蚁群优化的正交小波变换盲均衡算法(ACO-WT)和基于蚁群优化的正交小波超指数迭代盲均衡算法(ACO-SEI-WT)。仿真结果表明所提出的算法具有较快的收敛速度、较小的均方误差和较好的抗噪声性能。3研究了基于蚁群优化的正交小波包盲均衡算法与正交小波变换相比,正交小波包变换因为对信号的尺度空间和小波空间均进行了分解,信号经过正交小波包变换之后,其自相关性进一步下降。因此,将正交小波包变换盲均衡算法与蚁群优化算法相结合,提出基于蚁群优化的正交小波包变换盲均衡算法(ACO-WPT),理论分析和仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。

论文目录

  • 摘要
  • Abstract
  • 目录
  • Contents
  • 符号及缩写含义清单
  • 引言
  • 1 绪论
  • 1.1 研究的背景和意义
  • 1.2 盲均衡技术的发展与研究现状
  • 1.3 盲均衡算法的性能标准
  • 1.4 蚁群优化算法的发展及研究现状
  • 1.5 论文结构及主要研究内容
  • 2 蚁群优化算法理论基础
  • 2.1 蚁群优化算法的基本理论
  • 2.1.1 蚁群优化算法的描述
  • 2.1.2 蚁群优化算法的机理分析
  • 2.1.3 蚁群优化算法的特点
  • 2.1.4 蚁群优化算法的应用领域
  • 2.2 蚁群优化算法的改进
  • 2.2.1 最大-最小蚂蚁系统
  • 2.2.2 精英策略蚂蚁系统
  • 2.2.3 蚁群系统
  • 2.2.4 其他改进的算法
  • 2.3 简单蚁群算法描述及收敛性分析
  • 2.3.1 简单蚁群算法(SAA)的描述
  • 2.3.2 蚁群算法的收敛性
  • 2.4 本章小结
  • 3 基于蚁群优化算法的盲均衡算法研究
  • 3.1 蚁群优化盲均衡算法
  • 3.1.1 基于蚁群优化的盲均衡算法
  • 3.1.2 MATLAB仿真实验
  • 3.2 基于蚁群优化算法的变步长盲均衡算法研究
  • 3.2.1 变步长盲均衡算法
  • 3.2.2 基于蚁群优化的变步长盲均衡算法
  • 3.2.3 MATLAB仿真实验
  • 3.3 本章小结
  • 4 基于蚁群优化的正交小波变换盲均衡算法研究
  • 4.1 基于蚁群优化的正交小波盲均衡算法研究
  • 4.1.1 基于小波变换的常数模算法
  • 4.1.2 基于蚁群优化的正交小波盲均衡算法
  • 4.1.3 MATLAB仿真实验
  • 4.2 基于蚁群优化算法的正交小波变换超指数迭代盲均衡算法研究
  • 4.2.1 基于蚁群优化的正交小波变换超指数迭代盲均衡算法
  • 4.2.2 MATLAB仿真实验
  • 4.3 本章小结
  • 5 基于蚁群优化算法的正交小波包变换盲均衡算法研究
  • 5.1 基于蚁群优化的正交小波包变换盲均衡算法
  • 5.2 MATLAB仿真实验
  • 5.3 本章小结
  • 6 结论与展望
  • 参考文献
  • 致谢
  • 作者简介及读研期间主要科研成果
  • 相关论文文献

    • [1].基于人工蜂群优化的常模盲均衡算法[J]. 指挥信息系统与技术 2019(06)
    • [2].盲均衡算法的原理及计算量研究[J]. 黄河科技学院学报 2020(02)
    • [3].基于预测原理的回声状态网络在线盲均衡算法[J]. 通信学报 2020(03)
    • [4].基于模因算法的多模盲均衡算法[J]. 数据采集与处理 2016(06)
    • [5].一种改进的变步长常模判决反馈盲均衡算法[J]. 微型机与应用 2017(09)
    • [6].基于概率密度函数匹配与分数低阶矩的并行盲均衡算法[J]. 电子与信息学报 2017(07)
    • [7].双蝙蝠群智能优化的多模盲均衡算法[J]. 智能系统学报 2015(05)
    • [8].基于小样本重用的新型混合盲均衡算法研究[J]. 电子设计工程 2016(16)
    • [9].基于误差信号的双模式遗传盲均衡算法研究(英文)[J]. 声学技术 2016(04)
    • [10].基于可变步长的常数模盲均衡算法[J]. 计算机工程与应用 2014(23)
    • [11].α噪声下的改进频域多模盲均衡算法[J]. 实验室研究与探索 2015(04)
    • [12].改进相关向量机的短波信道盲均衡算法研究[J]. 舰船电子对抗 2020(05)
    • [13].基于循环平稳盲均衡算法的研究[J]. 山西电子技术 2012(01)
    • [14].基于最大后验估计的自适应盲均衡算法[J]. 计算机工程与设计 2012(06)
    • [15].基于集员滤波的双归一化数据重用盲均衡算法[J]. 计算机工程 2008(08)
    • [16].基于模拟退火算法的盲均衡算法改进[J]. 计算机仿真 2008(04)
    • [17].判决引导和常数模融合盲均衡算法研究[J]. 声学技术 2008(03)
    • [18].自适应盲均衡算法在汽车信息总线图像恢复中的应用[J]. 机械科学与技术 2015(07)
    • [19].一种盲均衡算法的定量分析法[J]. 科技传播 2015(10)
    • [20].多模盲均衡算法的一种最速下降优化实现方法[J]. 信息工程大学学报 2013(06)
    • [21].基于动态粒子群小波动态加权多模盲均衡算法[J]. 兵工学报 2013(12)
    • [22].基于正交小波变换的并行软判决盲均衡算法[J]. 南京信息工程大学学报(自然科学版) 2013(01)
    • [23].采用瞬时梯度变化率判决的双模式盲均衡算法[J]. 大连民族学院学报 2013(01)
    • [24].一种改进的双模式遗传盲均衡算法[J]. 计算机仿真 2013(02)
    • [25].几种盲均衡算法的比较及仿真研究[J]. 电子设计工程 2012(01)
    • [26].一种改进的加权多模盲均衡算法[J]. 电视技术 2012(13)
    • [27].引入支持向量机的小波分数间隔盲均衡算法[J]. 声学技术 2011(02)
    • [28].基于正交小波变换的稀疏权盲均衡算法[J]. 数据采集与处理 2010(05)
    • [29].基于超指数初始化的判决导引盲均衡算法研究[J]. 系统仿真学报 2009(01)
    • [30].传算法优化神经网络盲均衡算法分析[J]. 信息通信 2016(12)

    标签:;  ;  ;  ;  ;  ;  ;  ;  

    基于蚁群优化的正交小波变换盲均衡算法
    下载Doc文档

    猜你喜欢