海洋強(qiáng)國(guó)競(jìng)爭(zhēng)是當(dāng)前海洋科技發(fā)展的國(guó)際大背景,海洋信息技術(shù)是海洋強(qiáng)國(guó)戰(zhàn)略的前提和基礎(chǔ)。然而,海洋水聲信道因時(shí)變性與多徑效應(yīng)嚴(yán)重,存在嚴(yán)重碼間干擾,影響通信質(zhì)量。在水聲通信中引入盲均衡技術(shù)可有效補(bǔ)償水聲信道的非理想特性,克服碼間干擾,減小誤碼率,提高水聲通信質(zhì)量。但傳統(tǒng)盲均衡技術(shù)存在收斂速度慢,穩(wěn)態(tài)誤差大等缺點(diǎn),本文提出一種廣度增強(qiáng)型煙花算法（Breadth Enhanced Fireworks Algorithm,BEFWA）用于優(yōu)化恒模盲均衡（Constant Modulus Algorithm,CMA）技術(shù)。主要研究?jī)?nèi)容包括以下三方面:1.提出一種廣度增強(qiáng)型煙花算法,提高了種群個(gè)體的隨機(jī)性和均勻性,同時(shí)保證了種群多樣性,避免陷入局部最優(yōu)。煙花算法是一種群體智能優(yōu)化算法,具有求解復(fù)雜問題全局最優(yōu)解的能力,且效率較高,但存在收斂速度慢、穩(wěn)定性差等缺陷。因此,本文提出一種廣度增強(qiáng)型煙花算法,記為BEFWA算法,其創(chuàng)新性如下:（1）基于佳點(diǎn)集方法初始化初始種群,提高種群隨機(jī)性和均勻性;（2）在煙花下一代種群的選擇上,為合理利用其他適應(yīng)度好的煙花位置信息以平衡局部和全局搜索能力,提出兩種選擇策... 

【文章來源】：青島科技大學(xué)山東省

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 前言
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)內(nèi)外信道均衡技術(shù)研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)外信道盲均衡技術(shù)研究現(xiàn)狀
    1.3 算法性能評(píng)價(jià)基準(zhǔn)
    1.4 論文的研究?jī)?nèi)容與組織結(jié)構(gòu)
        1.4.1 論文主要研究?jī)?nèi)容
        1.4.2 論文的組織結(jié)構(gòu)
2 水聲信道均衡技術(shù)
    2.1 多徑信道模型
        2.1.1 水下信道特性
        2.1.2 水聲信道仿真模型
    2.2 均衡器的分類和結(jié)構(gòu)
        2.2.1 均衡器的分類
        2.2.2 均衡器的結(jié)構(gòu)
    2.3 盲均衡技術(shù)
        2.3.1 盲均衡技術(shù)等效基帶模型
        2.3.2 盲均衡迫零條件
        2.3.3 理想均衡條件
        2.3.4 算法性能及評(píng)價(jià)準(zhǔn)則
    2.4 本章小結(jié)
3 基于群體智能優(yōu)化算法的水聲信道盲均衡技術(shù)
    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驟
        3.1.4 基于人工蜂群算法的水聲信道恒模盲均衡算法
    3.2 灰狼優(yōu)化算法
        3.2.1 灰狼優(yōu)化算法思想
        3.2.2 灰狼優(yōu)化算法描述
        3.2.3 灰狼優(yōu)化算法基本步驟
        3.2.4 基于灰狼優(yōu)化算法的水聲信道恒模盲均衡算法
    3.3 蟻群算法
        3.3.1 蟻群算法思想
        3.3.2 蟻群算法描述
        3.3.3 蟻群算法基本步驟
        3.3.4 基于蟻群算法的水聲信道恒模盲均衡算法
    3.4 三種算法仿真對(duì)比
        3.4.1 仿真實(shí)驗(yàn)參數(shù)設(shè)置
        3.4.2 仿真實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 廣度增強(qiáng)型煙花算法
    4.1 煙花算法
        4.1.1 煙花算法思想
        4.1.2 煙花算法描述
        4.1.3 煙花算法基本步驟
        4.1.4 煙花算法特點(diǎn)及研究現(xiàn)狀
    4.2 廣度增強(qiáng)型煙花算法
        4.2.1 煙花算法的不足
        4.2.2 廣度增強(qiáng)型煙花算法的初始化種群處理
        4.2.3 廣度增強(qiáng)型煙花算法的煙花選擇策略
        4.2.4 廣度增強(qiáng)型煙花算法通過高斯擾動(dòng)增加種群多樣性
    4.3 實(shí)驗(yàn)仿真
        4.3.1 實(shí)驗(yàn)測(cè)試函數(shù)
        4.3.2 實(shí)驗(yàn)平臺(tái)
        4.3.3 實(shí)驗(yàn)參數(shù)
        4.3.4 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
5 基于廣度增強(qiáng)型煙花算法的水聲信道恒模盲均衡技術(shù)
    5.1 恒模盲均衡技術(shù)基本原理
    5.2 基于廣度增強(qiáng)型煙花算法的水聲信道恒模盲均衡技術(shù)
        5.2.1 BEFWA-CMA算法原理
        5.2.2 BEFWA-CMA算法步驟
    5.3 算法仿真
        5.3.1 仿真實(shí)驗(yàn)參數(shù)設(shè)置
        5.3.2 仿真實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 未來工作與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)粒子群算法的WSNs節(jié)點(diǎn)能量均衡覆蓋策略[J]. 徐一鳴,彭勇,鄭楚紅,廖毅.  傳感器與微系統(tǒng). 2020(02)
[2]軟件定義網(wǎng)絡(luò)中蟻群優(yōu)化的負(fù)載均衡算法[J]. 黃小玲,楊桂芹,邵軍花,蔣占軍.  測(cè)控技術(shù). 2020(01)
[3]基于人工蜂群優(yōu)化的常模盲均衡算法[J]. 柏鶴,于麗蓉,夏小添.  指揮信息系統(tǒng)與技術(shù). 2019(06)
[4]改進(jìn)狼群算法優(yōu)化的小波常模盲均衡算法[J]. 鄭亞強(qiáng).  安徽科技學(xué)院學(xué)報(bào). 2019(05)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的信道均衡算法[J]. 陳敏華,李楊,張武雄.  計(jì)算機(jī)應(yīng)用與軟件. 2017(09)
[6]基于反向?qū)W習(xí)與機(jī)動(dòng)爆炸煙花優(yōu)化算法[J]. 李席廣,韓守飛,拱長(zhǎng)青.  微電子學(xué)與計(jì)算機(jī). 2017(07)
[7]適用于稀疏多徑信道的稀疏自適應(yīng)常模盲均衡算法[J]. 馬思揚(yáng),彭華,王彬.  通信學(xué)報(bào). 2017(01)
[8]自適應(yīng)切換雙模盲均衡算法[J]. 曾樂雅,許華,王天睿.  電子與信息學(xué)報(bào). 2016(11)
[9]一種新的基于復(fù)指數(shù)函數(shù)映射的盲均衡算法[J]. 饒偉,高惠娟,段美怡,張建秋.  電子學(xué)報(bào). 2016(05)
[10]應(yīng)用精英反向?qū)W習(xí)的多目標(biāo)煙花爆炸算法[J]. 謝承旺,許雷,趙懷瑞,夏學(xué)文,魏波.  電子學(xué)報(bào). 2016(05)

博士論文
[1]淺海水聲數(shù)據(jù)傳輸技術(shù)研究[D]. 許肖梅.廈門大學(xué) 2002

碩士論文
[1]基于多目標(biāo)蟻群優(yōu)化算法的全基因組關(guān)聯(lián)分析研究[D]. 景鵬杰.上海交通大學(xué) 2015
[2]水下聲信道的仿真與應(yīng)用研究[D]. 吳開明.哈爾濱工程大學(xué) 2005



本文編號(hào)：3006783