双蝙蝠群智能优化的多模盲均衡算法

摘要：

针对常模盲均衡算法( CMA)均衡多模QAM信号收敛速度慢、剩余均方误差大的缺陷,提出了一种基于双蝙蝠群智能优化的多模盲均衡算法( DBSIO-MMA). 该算法将2个蝙蝠群独立全局寻优得到的一组最优位置向量分别作为多模盲均衡算法( MMA)初始化最优权向量的实部与虚部,以此提高收敛速度并减小剩余均方误差. 仿真结果表明,蝙蝠算法( BA)全局搜索成功率高、收敛速度快的特点在DBSIO-MMA中得到很好地体现. 与CMA、MMA、粒子群多模盲均衡算法( PSO-MMA)、单蝙蝠群多模盲均衡算法( BA-MMA)相比,DBSIO-MMA具有更快的收敛速度和更小的均方误差.

关键词：常模盲均衡算法、多模盲均衡算法、蝙蝠算法、全局最优位置、最优权向量

所属期刊栏目：10

分类号：TN911;TP182

资助基金：江苏省高校自然科学基金重大资助项目13KJA510001;高校科研成果产业化推进工程资助项目JHB 2012-9;全国优秀博士论文作者专项资金资助项目200753;江苏省高校"信息与通信工程"优势学科建设工程资助项目2014

在线出版日期：2015-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：755-761