专利名称：一种快速收敛的免疫克隆正交小波变换盲均衡方法
技术领域：
本发明涉 及水声通信系统中的一种快速收敛的免疫克隆正交小波变换盲均衡方法。
背景技术：
在水声通信系统中，信道的多径效应和有限带宽的失真所引起的码间干扰 (Inter-symbol Interference, ISI)严重影响通信质量，需要采用有效的信道均衡技术来消除(见文献[1]韩迎鸽，郭业才等.引入动量项的正交小波变换盲均衡算法[J].系统仿真学报.2008，20 (6) :pp. 1559-1562)。盲均衡方法由于不需要发送训练序列，极大地提高了带宽的利用率，但其收敛速度较慢、稳态误差也较大(见文献[2]郭业才，赵俊渭.水声信道混合型常数模盲均衡新算法[J].系统工程与电子技术，2005，27(2) :pp. 215-217； 文献[3]郭业才，著.自适应盲均衡技术[M].合肥工业大学出版社，2007，P. 1-153)。文献[4] [5] [6](见[4]Cooklev. T. An Efficient Architecture for Orthogonal Wavelet Transforms [J]. IEEE Signal Processing Letters, 2006,13(2) :77_79 ；文献[5]韩迎鸽， 郭业才，吴造林，周巧喜.基于正交小波变换的多模盲均衡器设计与算法仿真研究[J].仪器仪表学报，2008，29 (7) =1441-1445 ；文献[6]王军峰，宋国乡.小波变换的自适应均衡算法[J].西安电子科技大学学报(自然科学版)，2000，27(1)，21-24)表明，对均衡器的输入信号进行小波变换，可以使各分量之间的自相关性得到有效降低，加快了方法的收敛速度，但小波盲均衡是采用随机梯度下降法来搜索最优权向量，易陷于局部极小值。而免疫算法是模拟生物免疫系统对病菌的多样性识别能力而设计出来的多峰值搜索方法。从计算角度来看，生物免疫系统是一个高度进化、分布、自适应和自组织的系统，并且具有很强的学习、识别、记忆和特征提取能力。其作为全局搜索方法中的一种，具有更大的搜索范围(即增加了抗体的多样性)，有效防止进化早熟和搜索陷入极值的问题(见文献[7] 黄友锐，著.智能优化算法及其应用[M].北京国防工业出版社，2008;文献[8]Attux RRF, Loiola M B，Suyama R，et al. Blind Search for Optimal Wiener Solutions Using an Artificial Immume Network Model[C]//Proc. of the IEEE Int’ 1 Conf. on Genetic and Evolutionary Computation for Signal Processing and Image Analysis. [S. 1. ] :IEEE Press，2003 ；文献[9] Ayara，Timmis，de Lemos，de Castro, Duncan. Negative Selection :How to Generate Detectors. Proceedings of IstInternational Conference of Artificial Immune Systems (ICARLS),University of Kent at Canterbury，UK，2002， 9 ；文献[10]Kim，Bentley. Immune Memory in the Dynamic Clonal Selection Algorithm. International Conference on Artificial Immune System(ICARLS),University of Kent at Canterbury, UK,2002.9. University of Kent at Canterbury，UK，2002·9)。
发明内容
本发明目的是针对传统的常数模盲均衡方法(CMA)收敛速度慢且存在局部收敛的问题，发明了一种快速收敛的免疫克隆正交小波盲均衡方法(CSA-WT-CMA)。本发明为实现上述目的，采用如下技术方案本发明一种快速收敛的免疫克隆正交小波变换盲均衡方法，包括如下步骤第一步种群初始化 随机产生一定数目的抗体种群，其中的每个抗体分别对应一个均衡器的权向量。第二步计算亲和度值将第一步所述的随机产生的抗体种群，并结合均衡器的代价函数，定义亲和度的函数，即免疫算法寻优的目标函数
权利要求
1. 一种快速收敛的免疫克隆正交小波变换盲均衡方法，其特征在于包括如下步骤 第一步种群初始化随机产生一定数目的抗体种群，其中的每个抗体分别对应一个均衡器的权向量。 第二步计算亲和度值将第一步所述的随机产生的抗体种群，结合常模均衡器(CMA)的代价函数Jatt(W)，定义亲和度的函数，即免疫算法寻优的目标函数 式中，W表示均衡器权向量。 第三步克隆选择克隆选择操作是克隆增值操作的逆操作。该操作是从抗体各自克隆增值后的子代中选择优秀的个体，从而形成新的抗体群，是一个无性选择过程。一个抗体经过克隆增值后形成一个亚抗体群，再经过亲和度成熟操作后通过克隆选择操作实现局部的亲和度升高。首先对第二步所述抗体群中的抗体按亲和度从小到大的顺序进行排列，根据亲和度(一个抗体对一个相同链长的抗原产生识别的程度称为亲和度)的大小评价，选择最佳抗体进行克隆扩增操作，得到扩增后的抗体群C，克隆数与亲和度成正比。 第四步精英交叉策略精英交叉的原理如下在免疫算法的实现中，首先给定一个精英交叉的概率Pk。(kc表示king-crossover，即精英交叉)，对于第三步所述的克隆抗体群中第t代每个个体a(t) 产生一个
之间的随机数R，如果R小于精英交叉概率Pk。，则a(t)被选中与保存的当前代精英个体b(t)进行交叉，其方法是将a(t)和b(t)放入一个小的交配池中，根据选定的交叉策略(单点、两点、多点和一致交叉等)，对a(t)和b(t)进行交叉操作，得到一对子代个体a' (t)和b' (t)。然后，用a' (t)替代种群中的a(t)，b' (t)则丢失不用。 第五步高频变异将第四步所述的交叉后的抗体群C中每个克隆抗体按照下式进行高频变异，得到变异群C*。 式中，X是变异体，N(0，1)是均值为O、标准方差为1正态随机变量，a是变异概率系数， g是变异的控制系数，f是抗体与抗原的亲和度值。 第六步计算亲和度值将第五步所述的高频变异后的各抗体重新计算其对应的亲和度值。 第七步选择将第6步所述的变异群Cf中选择η个亲和度高的抗体替换初始抗体群中η个亲和度低的抗体，η反比于抗体群的平均亲和度值。 第八步判断终止与否根据抗体的进化代数进行判断，当进化代数小于最大进化代数，则转至第二步，重复进行第二至第五步的操作步骤，直至进化代数大于最大进化代数，如达到终止条件，则程序结束，输出全局最优解。第九步选择最佳权向量个体 求取使目标函数最优时所对应的权向量值，并且将这个权向量作为所述一种快速收敛的免疫克隆正交小波变换盲均衡方法的初始化权向量。
全文摘要
本发明公布了一种快速收敛的免疫克隆正交小波变换盲均衡方法，其特征在于包括如下步骤种群初始化；计算亲和度值；克隆选择；精英交叉方法；高频变异；计算亲和度值；选择；判断终止与否；选择最佳权向量个体。本发明将免疫克隆选择算法引入至正交小波盲均衡方法(WT-CMA)中，利用克隆选择方法多峰值函数寻优的特点，将均衡器的权向量作为抗体，并采用正交小波变换降低信号的自相关性。与正交小波变换盲均衡方法(WT-CMA)相比，本发明方法具有更快的收敛速度和较小的稳态误差。
文档编号H04L25/03GK102185808SQ20111009428
公开日2011年9月14日 申请日期2011年4月15日 优先权日2011年4月15日
发明者丁锐, 郭业才 申请人:南京信息工程大学