基于广度增强型烟花算法的水声信道盲均衡优化研究

【摘要】：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,提出两种选择策略:广度优先选择策略和优度优先选择策略,不仅提高了算法的搜索效率,还提高了算法的收敛速度;(3)通过对选择后的烟花进行高斯扰动,进一步增加了种群多样性,避免陷入局部最优。2.将广度增强型烟花算法用于优化恒模盲均衡技术,既提高了算法收敛速度,增强了算法稳定性,又减少了均衡前后的均方误差,改善了均衡效果。CMA算法采用随机梯度下降法求解代价函数最小值得到均衡器的权值,而初始权向量会直接影响整个算法的收敛性,因此,本文提出基于广度增强型烟花算法的CMA盲均衡优化方法,记为BEFWA-CMA算法,将均衡后信号和理想无噪声信号之间的均方误差作为广度增强型烟花算法的适应度函数,基于BEFWA-CMA算法优化均衡器初始权向量。该算法充分利用广度增强型烟花算法全局随机搜索能力强、收敛速度快的特点,降低了CMA算法陷入局部收敛的可能性,从而加快了算法的收敛速度,降低了算法的稳态误差,改善了均衡效果,大大提升了盲均衡技术的实时性。3.利用Matlab软件仿真了所提出的BEFWA算法及BEFWA-CMA算法的性能。本文基于八种标准测试函数对所提广度增强型烟花算法与烟花算法(Fireworks Algorithm,FWA)、人工蜂群算法(Artificial Bee Colony Algorithm,ABC)、灰狼算法(Grey Wolf Optimization Algorithm,GWO)进行仿真对比。仿真结果表明,BEFWA在收敛速度及稳定性上均优于其他三种优化算法,特别在收敛速度上提高了50%,更适用于优化CMA的初始权向量。将广度增强型烟花算法用于与水下信道盲均衡算法结合后多项指标均有提升。BEFWA-CMA与CMA进行仿真对比,结果表明BEFWA-CMA的输出星座图比CMA的更加紧凑清晰,即新算法有更低的误码率;将BEFWA-CMA分别与FWA-CMA、ABC-CMA及GWO-CMA进行仿真对比发现,BEFWA-CMA收敛速度提高25%以上,且BEFWA-CMA在不同信噪比下收敛后的均方误差均比其他三种算法低,表明均衡效果更好。