异步协作通信中基于群智能算法的自适应均衡技术研究

摘要

在异步协作通信系统的一些应用场景，如军事行动、抢险救灾等，没有条件部署基站或中心控制节点进行协调调度，而且对系统开销有着严格的限制，这时将无法采用信道估计、中继选择等技术。为了确保目的节点能够接收到信号，每个中继对来自源节点的信号进行AF转发。为了对接收信号正确地判决，在接收端采用自适应均衡技术消除多个异步中继转发产生的符号间干扰。LMS算法作为一种常用的自适应均衡算法，其最大缺点是收敛速度较慢。本文在上述背景下，研究了异步协作通信系统中的自适应均衡技术，采用了不同的群智能算法对LMS算法进行了改进。主要内容如下： （1）提出了一种基于PSO球形搜索的LMS算法，利用PSO算法的寻优能力加快LMS算法的收敛速度，同时解决了PSO算法中的局部收敛问题。在均衡器训练阶段的每一轮迭代产生误差后，利用PSO算法在该误差周围搜索最优解，再使用PSO算法的输出结果，按照LMS公式来训练均衡器的抽头系数。时域均衡和频域均衡的仿真结果表明，该算法的收敛性能和误比特率性能优于传统LMS算法。 （2）根据PSO算法中粒子的运动同时参考个体历史最优和全局历史最优这一特点，提出了一种计算量较小的PSO-LMS联合迭代算法，该算法利用单个粒子即可完成搜索过程。均衡器输出与参考信号被分别设定为PSO算法的个体历史最优和全局历史最优，在迭代的过程中，个体历史最优逐渐地收敛于全局历史最优，即均衡器的输出逐渐地收敛于参考信号。仿真结果表明所提算法在时域均衡和频域均衡中的性能要好于传统LMS算法。 （3）借助上文中提出的PSO球形搜索的思路，提出了一种基于DE球形搜索的LMS算法，利用DE算法的寻优能力改进LMS算法的收敛性能。仿真结果表明，所提算法加快了LMS算法的收敛速度，减小了稳态误差，在高信噪比情况下的误比特率性能更好。 （4）在上文的基础上，提出了一种基于CSO球形搜索的LMS算法，利用CSO算法的寻优能力加快了LMS算法的收敛速度。仿真结果表明，所提算法相比传统LMS算法在收敛性能和误比特率性能方面有着显著提升。

目录

第一个书签之前

摘要

ABSTRACT

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 针对协作通信中异步问题的研究

1.2.2 LMS算法的改进

1.3 论文主要工作和章节安排

第二章 异步协作通信系统的自适应均衡技术

2.1 无线信道

2.1.1 平坦衰落与频率选择性衰落

2.1.2 多径信道的概率统计模型

2.2 异步协作通信系统模型

2.3 均衡技术

2.3.1 时域均衡

2.3.2 频域均衡

2.4 自适应均衡算法

2.4.1 LMS算法

2.4.2 基于误差的变步长LMS算法

2.4.3 RLS算法

2.5 本章小结

第三章 基于PSO的改进LMS算法

3.1 群智能算法概述

3.2 粒子群优化算法

3.2.1 算法的起源与背景

3.2.2 算法的基本原理

3.3 基于PSO球形搜索的LMS算法

3.3.1 时域PSO-SS-LMS算法

3.3.2 频域PSO-SS-LMS算法

3.4 PSO-LMS联合迭代算法

3.4.1 时域PSO-LMS-JI算法

3.4.2 频域PSO-LMS-JI算法

3.5 本章小结

第四章 基于DE和CSO的改进LMS算法

4.1 基于DE球形搜索的LMS算法

4.1.1 差分进化算法

4.1.2 时域DE-SS-LMS算法

4.1.3 频域DE-SS-LMS算法

4.2 基于CSO球形搜索的LMS算法

4.2.1 猫群算法

4.2.2 时域CSO-SS-LMS算法

4.2.3 频域CSO-SS-LMS算法

4.3 本章小结

第五章 总结与展望

参考文献

致谢

作者简介

1. 基本情况

2. 教育背景

3. 攻读硕士学位期间的研究成果

3.1 申请（授权）专利