论文部分内容阅读
目前,国内外对果蝇优化算法及其应用的研究成果较少,也还未发现有关于小波变换理论、果蝇优化算法和各类盲均衡算法相融合后应用于水声通信领域的研究报道。本文在深入地研究了果蝇优化算法的基础理论知识之后,将新颖的果蝇算法引入盲均衡技术之中来优化均衡器的性能,并且在分析了果蝇优化算法具有的优势和劣势的基础之上,结合当前热点新技术、新理论-模拟退火思想、小波变换理论和协同进化策略,对果蝇优化算法进行了改进,将改进后的新算法尝试应用于水声通信盲均衡技术中以达到进一步优化算法的均衡性能来实现提高水声信号传输效率的研究目的。本课题研究具体完成了以下工作:1.果蝇优化的小波盲均衡算法传统常数模盲均衡算法被广泛应用于水声通信领域,它是通过利用随机梯度下降的搜索方式来调整均衡器系数的,这种搜索方式不仅容易导致CMA陷入局部寻优,无法准确找到全局极值点而且还对均衡器的代价函数有连续、可导的要求。果蝇优化算法具有很强的全局搜索能力,将果蝇优化算法引入CMA中提出了果蝇优化小波盲均衡算法,可避免传统CMA搜索方法存在的缺陷,正交小波变换可抑制信号之间自相关性。2.果蝇优化的小波自适应软约束常模盲均衡算法均衡复杂的水声信道时传统常模盲均衡算法收敛速度很慢、稳态误差也比较大。自适应软约束常模盲均衡算法的均衡效果优于CMA,处理水声信号时收敛速度明显快于CMA、稳态误差也相对较小,但SCS-CMA搜索最优权向量的方式仍和常数盲均衡相同,都采用的随机梯度下降法,常易陷入局部收敛。果蝇优化小波自适应软约束常模盲均衡算法是在SCS-CMA中融入果蝇优化算法和小波变换理论,运用正交小波变换预处理均衡器的输入信号来达到去除噪声和降低输入信号自相关性的作用,运用果蝇优化算法求解均衡器的代价函数,并用SFOA迭代搜索所得的最优权向量初始化均衡器,该算法的均衡效果明显优于CMA。3.模拟退火-果蝇混合算法优化小波广义自适应多模盲均衡算法一般来说,我们在盲均衡技术中运用多模盲均衡算法来处理高阶QAM信号,而传统多模盲均衡算法的均衡效果越来越不能满足日益增长的实际应用的需求。针对MMA和果蝇算法存在的缺点,本文提出了模拟退火-果蝇混合算法优化小波广义自适应多模盲均衡算法。这种新的算法结合模拟退火这一新技术与果蝇算法两者的优势,利用局部搜索能力强的模拟退火技术解决果蝇优化算法搜索复杂的大规模空间时易陷入局部收敛的问题。模拟退火-果蝇混合优化算法能够精确快速地找到最优权向量,加快算法的稳定收敛速度,降低稳态误差。使用正交小波对均衡器的每路输入信号进行分解来除噪去信号的相关性,进一步改善了广义离散自适应多模盲均衡器的性能,新算法更能有效地均衡高阶QAM信号。4.小波盲均衡多果蝇群协同优化算法(1)多果蝇群协同优化算法果蝇优化算法的寻优精度不高,当寻优复杂搜索区域时,搜索性能较低,收敛速度较慢。针对果蝇优化算法存在的不足,在SFOA中引入协同进化思想,提出了多果蝇群协同优化算法。新算法利用并行拓扑的进化结构和正反反馈的信息共享方式来协同指导整个系统的进化。搜索时,将多个果蝇群作为独立进化的群体在同时进行搜索中也相互跟踪对方的全局最优解。通过共享对各个果蝇群各自的寻优结果进行评价所得的群体当前最优解来指导各个种群在独立进化的同时协同进化,直至获得最优解。(2)多果蝇群协同优化小波常模盲均衡算法应用多果蝇群协同优化算法至盲均衡算法中,在CMA的基础上融入多蝇协同的果蝇优化算法寻找最优权向量初始化均衡器,正交小波变换理论消噪、减小信号间存在的自相关性。该算法均衡信号的效果更好。(3)多果蝇群协同优化小波多模盲均衡算法针对CMA均衡信号时相位模糊、误差大、处理高阶QAM信号均衡效果差等不足和果蝇优化算法所存在的缺陷,分析了可有效纠正信号相位旋转、适用于高阶信号均衡的多模盲均衡算法的原理,将其与搜索能力强的多果蝇群协同优化算法和抑制信号相关性强的小波变换相结合,提出了一种新算法-多果蝇群协同优化小波多模盲均衡算法。