智能優(yōu)化判決反饋盲均衡算法研究.pdf

1、盲均衡算法因其具有不需要訓(xùn)練序列，并且可以有效消除碼間干擾(ISI)的優(yōu)點(diǎn)，越來越多的研究學(xué)者將其作為研究的課題，提出了很多改進(jìn)的盲均衡算法。本文在對(duì)常模算法(CMA)和常模判決反饋盲均衡算法(CMDFE)分析的基礎(chǔ)上，將智能優(yōu)化算法和變步長思想應(yīng)用于CMDFE中，以期提高均衡效果。具體研究內(nèi)容如下:
　　1.分析了基于不同步長函數(shù)的常模盲均衡算法
　　在對(duì)常數(shù)模盲均衡算法進(jìn)行了理論分析的基礎(chǔ)上，分析了步長對(duì)常模算法的影響。

2、針對(duì)其收斂速度和均方誤差之間的矛盾，對(duì)基于MSE的變步長常模盲均衡算法(MSE-V-CMA)和基于剩余誤差自相關(guān)的變步長常模盲均衡算法(REA-V-CMA)進(jìn)行了研究分析。仿真結(jié)果表明，算法在保證收斂的情況下，可以使收斂速度和均方誤差都達(dá)到理想的效果。
　　2.分析了變步長常模判決反饋盲均衡算法
　　針對(duì)頻響起伏較大的信道，分析了基于常模判決反饋盲均衡算法(CMDFE)，并對(duì)算法進(jìn)行了仿真。因?yàn)槠淙匀淮嬖谑諗克俣群途秸`差之

3、間的矛盾，所以研究了基于MSE的變步長常模判決反饋盲均衡算法(MSE-V-CMDFE)和基于剩余誤差自相關(guān)的變步長常模判決反饋盲均衡算法(REA-V-CMDFE)，并對(duì)算法性能進(jìn)行了仿真驗(yàn)證。
　　3.分析了混合智能優(yōu)化常模判決反饋盲均衡算法的結(jié)合
　　針對(duì)CMDFE的初始化和局部收斂問題，在對(duì)PSO、SA、AFSA優(yōu)化算法分析的基礎(chǔ)上，研究了以下兩種混合優(yōu)化算法:
　　(1) SA-PSO-CMDFE
　　粒子

4、群優(yōu)化算法(PSO)很容易陷入局部最優(yōu)，而且在收斂后期的收斂速度變慢，而模擬退火算法(SA)具有很強(qiáng)的全局搜索能力，可以彌補(bǔ)PSO在這方面的劣勢(shì)，所以將SA算法與PSO算法相結(jié)合運(yùn)用到CMDFE中，提出模擬退火粒子群優(yōu)化常模判決反饋盲均衡算法(SA-PSO-CMDFE)，通過計(jì)算機(jī)仿真驗(yàn)證了算法的優(yōu)越性。
　　(2) SA-AFSA-CMDFE
　　人工魚群優(yōu)化算法(AFSA)收斂速度較慢、且較易陷于局部最優(yōu)，將SA算法和A

5、FSA算法相結(jié)合應(yīng)用到CMDFE中，提出模擬退火人工魚群優(yōu)化常模判決反饋盲均衡算法(SA-AFSA-CMDFE)，通過計(jì)算機(jī)仿真證明了所提出的算法具有較好的均衡性能。
　　4.研究了混合智能優(yōu)化的變步長常模判決反饋盲均衡算法
　　為了進(jìn)一步提高算法的收斂性，在前期研究工作的基礎(chǔ)上，將變步長思想分別應(yīng)用到基于模擬退火粒子群優(yōu)化常模判決反饋盲均衡算法(SA-PSO-CMDFE)和基于模擬退火人工魚群優(yōu)化常模判決反饋盲均衡算法(S