蚁群算法及其在盲均衡中的应用

论文摘要

蚁群优化算法是一种新型的求解复杂优化问题的元启发式算法,它具有稳健性、全局性、普遍性、分布式计算等优点。随着蚁群优化算法理论研究不断深入,应用领域不断扩大,呈现出它解决许多组合优化问题优越性。在移动通信领域中,无线信道盲均衡算法的研究已经由基于不含公零点信道的经典的恒模算法、基于二阶统计量的TXK算法、子空间算法及线性预报算法等,发展到充分利用发送信号属于有限字符集的先验信息、适用于含公零点信道的直接盲检测算法。本文正是在研究了当前技术发展背景的情况下,为了进一步证明蚁群优化算法的实用性和有效性,针对蚁群优化算法的特点,将其应用于直接盲信号检测中。仿真结果表明:蚁群算法可以成功解决盲检测问题,并且本文提出的改进蚁群算法能更好地避免优化算法出现过早停滞现象,优化盲检测性能。本论文共分六章:第一章概述了本文所做的主要工作。第二章总结了国内外蚁群算法的研究成果,详细介绍了基本蚁群算法,进行了蚁群算法的收敛性分析。第三章介绍了基本的盲均衡理论、SIMO系统盲辨识模型以及盲均衡的评判指标。第四章介绍了基本蚁群优化算法在盲均衡中的应用。将盲均衡问题转化为基于有限字符集的二次规划问题,利用蚁群算法解决此优化问题。第五章提出三种新的改进算法——基于特种蚁群优化(TACO)的盲检测算法和基于逆向蚁群优化(CACO)的盲检测算法,以及基于多态蚁群优化(DACO)的盲检测算法。通过研究和仿真实验,从误码率、复杂度和收敛性三个方面加以分析,验证了改进算法优越性。第六章是总结和展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 问题的提出及研究价值
• 1.2.1 问题的提出
• 1.2.2 研究的价值
• 1.3 国内外研究现状
• 1.3.1 蚁群算法研究现状
• 1.3.2 盲均衡和盲辨识研究现状
• 1.4 本文的主要工作和结构安排
• 1.4.1 主要工作
• 1.4.2 结构安排
• 第二章 蚁群算法原理与应用
• 2.1 蚁群算法基本原理
• 2.1.1 真实蚁群的行为特性
• 2.1.2 人工蚁群
• 2.2 经典TSP 问题描述与算法模型
• 2.3 基本蚁群算法实现步骤
• 2.4 蚁群算法的性质及优缺点
• 2.4.1 蚁群算法的性质
• 2.4.2 蚁群算法的优缺点
• 2.5 蚁群算法的性能分析
• 2.5.1 蚁群算法的复杂度分析
• 2.5.2 蚁群算法的收敛性分析
• 2.6 蚁群算法的性能评价指标
• 2.7 本章小结
• 第三章 盲均衡和盲辨识技术
• 3.1 盲均衡的概念及基本原理
• 3.1.1 盲均衡的概念
• 3.1.2 盲均衡的基本原理
• 3.2 直接盲均衡技术
• 3.3 SIMO 系统盲辨识模型
• 3.3.1 系统模型与问题的提出
• 3.3.2 ε -均衡准则
• 3.4 盲均衡算法的评判指标
• 3.5 本章小结
• 第四章 蚁群算法在盲均衡中的应用
• 4.1 基于蚁群优化算法的盲信号检测
• 4.2 基于蚁群优化算法的SIMO 系统盲检测模型
• 4.3 Matlab 仿真实验
• 4.4 本章小结
• 第五章 改进的蚁群优化算法在盲均衡中的应用
• 5.1 改进的蚁群优化盲检测算法
• 5.1.1 特种蚁群优化盲检测算法
• 5.1.2 逆向蚁群优化盲检测算法
• 5.1.3 多态蚁群优化盲检测算法
• 5.2 Matlab 仿真实验
• 5.3 改进算法复杂度及收敛性分析
• 5.3.1 复杂度分析
• 5.3.2 收敛性分析
• 5.4 本章小结
• 第六章 总结和展望
• 6.1 全文总结
• 6.2 今后展望
• 致谢
• 参考文献
• 研究生期间发表论文