基于蟻群算法的盲均衡算法的研究.pdf

1、在現代數字通信系統(tǒng)中，由于信道非理想特性而引起的碼間干擾(ISI)是影響通信質量的一個主要因素。為了克服碼間干擾就必須在接收端加均衡器，以補償信道特性，正確恢復發(fā)送序列。傳統(tǒng)的自適應均衡器需要發(fā)送訓練序列，這樣會影響通信效率。盲均衡是一種不借助訓練序列、僅利用接收序列本身的統(tǒng)計特性對信道進行均衡的新興自適應均衡技術，是目前數字通信技術中的關鍵技術之一，也是信號與信息處理、通信信號處理等學科的一個前沿熱點研究課題，在通信、雷達、聲納、控制

2、工程、地震勘探、生物醫(yī)學工程等領域有著非常重要的理論意義和實用價值。本文所做的主要工作如下：
　　 ⑴研究了盲均衡的基本理論，綜述了基于神經網絡盲均衡算法的原理及發(fā)展歷程，分析了其特點，并提出了一些改進措施。
　　 ⑵圍繞蟻群優(yōu)化的理論及應用，就如何改進基本蟻群優(yōu)化算法進行了研究，分析驗證了一種改進方法自適應蟻群算法(Adaptive Ant Colony Algorithm，簡稱AACA)。該算法根據平均節(jié)點分支數動態(tài)

3、地調整轉移概率以避免算法出現停滯現象，極大地提高了算法搜索較好解的能力。對TSP問題的仿真實驗結果表明，AACA算法即使在運行的后期，仍能以較大的概率搜索較好解。
　　 ⑶針對現有前饋神經網絡盲均衡算法易陷入局部最優(yōu)的缺陷，將蟻群算法與BP神經網絡算法相融合共同完成對前饋神經網絡的訓練。該算法首先采用蟻群算法對網絡權值進行整體尋優(yōu)，找到其較好的初值；然后再采用BP算法對找到的較優(yōu)權值進行進一步的尋優(yōu)，以克服陷入局部最優(yōu)，并提高網