论文部分内容阅读
目前,国内外将粒子群优化算法(Particle Swarm Optimization,PSO)、小波变换和盲均衡算法相结合的研究成果很少,以PSO、小波变换为工具,并结合盲均衡技术进行研究对通信信号处理具有重要意义。本文主要研究了利用PSO及其改进的PSO优化盲均衡器中的均衡器权向量,再以小波变换理论降低通信信号的自相关性,提高了盲均衡算法均衡性能。研究内容包括：1基于粒子群优化的小波盲均衡算法利用PSO快速寻找到均衡器的初始化权向量,避免了由随机梯度下降法寻找最优向量时产生的局部极限值。仿真结果表明,通过适当的调整PSO中的参数,该算法可以取得比常数模盲均衡算法和小波盲均衡算法更好的优越性。2基于免疫克隆粒子群优化的小波盲均衡算法将免疫克隆算法(IC)嵌入到PSO中,增加了粒子种群的多样性,克服了PSO进化后期由于多样性变差而造成的陷入局部极值点的缺陷,提高了PSO的全局寻优能力,避免了算法的早熟收敛。算法的有效性在水声仿真实验中得到验证。3基于量子粒子群优化的小波加权多模盲均衡算法(1)为了解决分数间隔盲均衡算法(FSE-CMA)收敛速度慢、稳态误差大的问题,提出了量子粒子群优化的小波分数间隔盲均衡算法,对FSE-CMA的输入信号进行小波变换,均衡器权向量的取值是通过量子粒子群优化算法(QPSO)优化得到,使FSE-CMA的均衡性能得到了更好地改善。(2)针对多模盲均衡算法(MMA)在均衡高阶QAM信号时存在收敛速度慢、稳态误差大的缺点,并且MMA模型匹配度较差。将加权多模盲均衡算法(WMMA)与QPSO和小波变换理论结合起来,提出了基于量子粒子群优化的小波加权多模盲均衡算法,利用QPSO对均衡器权向量进行初始化,利用小波变换理论来降低信号的自相关性,利用WMMA来选择合适的误差模型以更好的匹配QAM信号的星座图。4基于动态粒子群优化的小波动态加权多模盲均衡算法为了对高阶QAM信号进行更好的均衡,提出了动态粒子群优化的小波动态加权多模盲均衡算法。该算法将动态粒子群优化算法(DPSO)和小波变换理论融入于动态加权多模盲均衡算法(DWMMA)中。利用DPSO对均衡器权向量进行优化,利用小波变换理论降低输入信号的自相关性,利用DWMMA来选择合适的误差模型匹配发射的QAM信号。水声信道仿真结果表明,该算法可以获得更快的收敛速度,更低的稳态误差。