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練序列，并且可以有效消除碼間干擾(ISI)的優(yōu)點，越來越多的研究學者將其作為研究的課題，提出了很多改進的盲均衡算法。本文在對常模算法(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
　　在對常數(shù)模盲均衡算法進行了理論分析的基礎(chǔ)上，分析了步長對常模算法的影響。

2、針對其收斂速度和均方誤差之間的矛盾，對基于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)，并對算法進行了仿真。因為其仍然存在收斂速度和均方誤差之

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)，并對算法性能進行了仿真驗證。
　　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CMDFE的初始化和局部收斂問題，在對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)具有很強的全局搜索能力，可以彌補PSO在這方面的劣勢，所以將SA算法與PSO算法相結(jié)合運用到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)，通過計算機仿真驗證了算法的優(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)，通過計算機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