基于广度增强型烟花算法的水声信道盲均衡优化研究

发布时间：2021-01-29 11:09

　　海洋强国竞争是当前海洋科技发展的国际大背景,海洋信息技术是海洋强国战略的前提和基础。然而,海洋水声信道因时变性与多径效应严重,存在严重码间干扰,影响通信质量。在水声通信中引入盲均衡技术可有效补偿水声信道的非理想特性,克服码间干扰,减小误码率,提高水声通信质量。但传统盲均衡技术存在收敛速度慢,稳态误差大等缺点,本文提出一种广度增强型烟花算法（Breadth Enhanced Fireworks Algorithm,BEFWA）用于优化恒模盲均衡（Constant Modulus Algorithm,CMA）技术。主要研究内容包括以下三方面:1.提出一种广度增强型烟花算法,提高了种群个体的随机性和均匀性,同时保证了种群多样性,避免陷入局部最优。烟花算法是一种群体智能优化算法,具有求解复杂问题全局最优解的能力,且效率较高,但存在收敛速度慢、稳定性差等缺陷。因此,本文提出一种广度增强型烟花算法,记为BEFWA算法,其创新性如下:（1）基于佳点集方法初始化初始种群,提高种群随机性和均匀性;（2）在烟花下一代种群的选择上,为合理利用其他适应度好的烟花位置信息以平衡局部和全局搜索能力,提出两种选择策... 

【文章来源】：青岛科技大学山东省

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 前言
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 国内外信道均衡技术研究现状
        1.2.2 国内外信道盲均衡技术研究现状
    1.3 算法性能评价基准
    1.4 论文的研究内容与组织结构
        1.4.1 论文主要研究内容
        1.4.2 论文的组织结构
2 水声信道均衡技术
    2.1 多径信道模型
        2.1.1 水下信道特性
        2.1.2 水声信道仿真模型
    2.2 均衡器的分类和结构
        2.2.1 均衡器的分类
        2.2.2 均衡器的结构
    2.3 盲均衡技术
        2.3.1 盲均衡技术等效基带模型
        2.3.2 盲均衡迫零条件
        2.3.3 理想均衡条件
        2.3.4 算法性能及评价准则
    2.4 本章小结
3 基于群体智能优化算法的水声信道盲均衡技术
    3.1 人工蜂群算法
        3.1.1 人工蜂群算法思想
        3.1.2 人工蜂群算法描述
        3.1.3 人工蜂群算法基本步骤
        3.1.4 基于人工蜂群算法的水声信道恒模盲均衡算法
    3.2 灰狼优化算法
        3.2.1 灰狼优化算法思想
        3.2.2 灰狼优化算法描述
        3.2.3 灰狼优化算法基本步骤
        3.2.4 基于灰狼优化算法的水声信道恒模盲均衡算法
    3.3 蚁群算法
        3.3.1 蚁群算法思想
        3.3.2 蚁群算法描述
        3.3.3 蚁群算法基本步骤
        3.3.4 基于蚁群算法的水声信道恒模盲均衡算法
    3.4 三种算法仿真对比
        3.4.1 仿真实验参数设置
        3.4.2 仿真实验结果分析
    3.5 本章小结
4 广度增强型烟花算法
    4.1 烟花算法
        4.1.1 烟花算法思想
        4.1.2 烟花算法描述
        4.1.3 烟花算法基本步骤
        4.1.4 烟花算法特点及研究现状
    4.2 广度增强型烟花算法
        4.2.1 烟花算法的不足
        4.2.2 广度增强型烟花算法的初始化种群处理
        4.2.3 广度增强型烟花算法的烟花选择策略
        4.2.4 广度增强型烟花算法通过高斯扰动增加种群多样性
    4.3 实验仿真
        4.3.1 实验测试函数
        4.3.2 实验平台
        4.3.3 实验参数
        4.3.4 实验结果分析
    4.4 本章小结
5 基于广度增强型烟花算法的水声信道恒模盲均衡技术
    5.1 恒模盲均衡技术基本原理
    5.2 基于广度增强型烟花算法的水声信道恒模盲均衡技术
        5.2.1 BEFWA-CMA算法原理
        5.2.2 BEFWA-CMA算法步骤
    5.3 算法仿真
        5.3.1 仿真实验参数设置
        5.3.2 仿真实验结果分析
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 未来工作与展望
参考文献
致谢
攻读学位期间发表的学术论文


【参考文献】：
期刊论文
[1]基于改进粒子群算法的WSNs节点能量均衡覆盖策略[J]. 徐一鸣,彭勇,郑楚红,廖毅.  传感器与微系统. 2020(02)
[2]软件定义网络中蚁群优化的负载均衡算法[J]. 黄小玲,杨桂芹,邵军花,蒋占军.  测控技术. 2020(01)
[3]基于人工蜂群优化的常模盲均衡算法[J]. 柏鹤,于丽蓉,夏小添.  指挥信息系统与技术. 2019(06)
[4]改进狼群算法优化的小波常模盲均衡算法[J]. 郑亚强.  安徽科技学院学报. 2019(05)
[5]基于卷积神经网络的信道均衡算法[J]. 陈敏华,李杨,张武雄.  计算机应用与软件. 2017(09)
[6]基于反向学习与机动爆炸烟花优化算法[J]. 李席广,韩守飞,拱长青.  微电子学与计算机. 2017(07)
[7]适用于稀疏多径信道的稀疏自适应常模盲均衡算法[J]. 马思扬,彭华,王彬.  通信学报. 2017(01)
[8]自适应切换双模盲均衡算法[J]. 曾乐雅,许华,王天睿.  电子与信息学报. 2016(11)
[9]一种新的基于复指数函数映射的盲均衡算法[J]. 饶伟,高惠娟,段美怡,张建秋.  电子学报. 2016(05)
[10]应用精英反向学习的多目标烟花爆炸算法[J]. 谢承旺,许雷,赵怀瑞,夏学文,魏波.  电子学报. 2016(05)

博士论文
[1]浅海水声数据传输技术研究[D]. 许肖梅.厦门大学 2002

硕士论文
[1]基于多目标蚁群优化算法的全基因组关联分析研究[D]. 景鹏杰.上海交通大学 2015
[2]水下声信道的仿真与应用研究[D]. 吴开明.哈尔滨工程大学 2005



本文编号：3006783