基于混合蛙跳算法的多模盲均衡算法

被引：7

作者：

郭业才 ^{[1
,2
]}

张苗青 ^{[1
]}

机构：

[1] 南京信息工程大学江苏省气象探测与信息处理重点实验室

[2] 江苏省大气环境与装备技术协同创新中心

来源：

兵工学报 | 2015年 / 36卷 / 07期

关键词：

信息处理技术; 多模算法; 混合蛙跳算法; 智能优化算法; 最优权向量;

D O I：

暂无

中图分类号：

TN911.5 [信道均衡];

学科分类号：

080906 [电磁信息功能材料与结构];

摘要：

针对常模盲均衡算法(CMA)收敛速度慢、收敛后稳态误差大且存在盲相位的现象,提出了一种基于混合蛙跳算法的多模盲均衡算法(SFLA-MMA)。它结合了智能优化算法的基本思想,将个体自身的进化及个体间的社会行为等概念引入到盲均衡技术中。该算法将多模盲均衡算法(MMA)代价函数的倒数定义为混合蛙跳算法(SFLA)的适应度函数,将青蛙群体中青蛙个体的位置向量作为MMA的初始权向量;利用SFLA的全局信息共享机制和局部深度搜索能力,在全局范围内搜索青蛙群体的最优位置向量并作为MMA的初始优化权向量。之后,通过MMA进行迭代,得到MMA的最优权向量。利用高阶多模正交振幅调制(QAM)与正交相移键控(APSK)信号对该算法进行了仿真验证。仿真结果表明,与CMA、MMA和基于粒子群算法的多模盲均衡算法(PSOMMA)相比,SFLA-MMA在均衡高阶多模信号时收敛速度极快、稳态误差最小、输出信号星座图最清晰。

引用

页码：1280 / 1287

页数：8

共 5 条

[1]

混合蛙跳算法的Markov模型及其收敛性分析 [J].

骆剑平 ;

李霞 ;

陈泯融 .

电子学报, 2010, 38 (12) :2875-2880

[2]

粒子群优化方法在动态优化中的研究现状 [J].

陈杰 ;

潘峰 ;

王光辉 .

智能系统学报, 2009, 4 (03) :189-198

[3]

仿生智能计算.[M].段海滨; 张祥银; 徐春芳; 编著.科学出版社.2010,

[4]

Application of shuffled frog-leaping algorithm on clustering.[J].Babak Amiri;Mohammad Fathian;Ali Maroosi.The International Journal of Advanced Manufacturing Technology.2009, 1-2

[5]

Comparison among five evolutionary-based optimization algorithms [J].

Elbeltagi, E ;

Hegazy, T ;

Grierson, D .

ADVANCED ENGINEERING INFORMATICS, 2005, 19 (01) :43-53

← 1 →