学位论文 > 优秀研究生学位论文题录展示

改进蚁群算法在盲均衡中的应用

作 者: 汪金伟
导 师: 于舒娟
学 校: 南京邮电大学
专 业: 电路与系统
关键词: 盲均衡 盲检测 蚁群优化算法 简化蚁群算法 随机扰动蚁群算法
分类号: TN911.5
类 型: 硕士论文
年 份: 2012年
下 载: 32次
引 用: 0次
阅 读: 论文下载
 

内容摘要


蚁群算法是一种新型的群智能仿生启发式算法,它具有正反馈和分布式并行计算机制,较强的鲁棒性,易与其它优化算法结合等优点。随着蚁群算法研究的不断深入,应用领域逐渐扩大,尤其是随着盲信号处理技术的发展,蚁群算法也被应用于盲信号检测技术中,并取得了良好效果。盲信号检测在众多科学领域,特别是在无线通信系统、生物信号处理等领域有着广泛的应用。本文针对文献中求解盲检测问题的蚁群算法存在的不足,提出了两种改进的基于蚁群优化的盲检测算法,并通过算法性能仿真及复杂度与收敛性分析验证了改进算法的优越性。第一章讨论全文研究的背景和现状,并对全文所做的工作进行概述。第二章介绍了蚁群算法的原理、算法的功能特点、性能参数以及典型应用等。第三章首先将盲均衡问题转化为基于有限字符集的二次规划问题,然后介绍基于SIMO系统模型的基本蚁群优化盲检测算法,最后通过仿真实验进行验证。第四章提出两种改进算法——简化蚁群优化盲检测算法(SACO)和随机扰动蚁群优化盲检测算法(RPACO),通过对两种改进算法性能仿真实验分析,并对简化蚁群优化盲检测算法的复杂度和收敛性的理论分析,验证了改进算法的优越性。第五章将基本蚁群和两种改进蚁群优化盲检测算法分别从BPSK的发送信号扩展到QPSK信号随机复信道和多电平多字符集QAM的系统中,并对它们的误码率、收敛性进行实验仿真,仿真结果验证了改进算法具有稳定的收敛性和良好的盲检测性能。第六章是对全文的总结和下一步研究方向的展望。

全文目录


摘要  4-5
Abstract  5-10
第一章 绪论  10-15
  1.1 问题的提出及研究意义  10-11
    1.1.1 问题的提出  10-11
    1.1.2 研究意义  11
  1.2 国内外研究现状  11-13
    1.2.1 蚁群算法研究现状  11-12
    1.2.2 盲检测技术发展及现状研究  12-13
  1.3 论文研究内容和结构  13-15
    1.3.1 论文研究内容  13
    1.3.2 论文研究结构  13-15
第二章 蚁群算法原理  15-22
  2.1 蚁群算法的基本原理  15-17
    2.1.1 蚁群算法机制  15-16
    2.1.2 基本蚁群算法的数学模型  16-17
  2.2 蚁群算法的特点  17-18
  2.3 蚁群算法分析  18-20
    2.3.1 参数分析  18
    2.3.2 复杂度分析  18-19
    2.3.3 收敛性分析  19-20
  2.4 蚁群算法的应用及发展  20-22
    2.4.1 蚁群算法的应用  20-21
    2.4.2 蚁群算法的发展  21-22
第三章 基于蚁群优化的盲检测算法应用研究  22-33
  3.1 基于蚁群优化的盲检测算法  22
  3.2 基于蚁群优化的盲检测模型  22-26
  3.3 仿真实验及分析  26-30
  3.4 基于蚁群优化的盲均衡算法分析  30-32
    3.4.1 时间复杂度分析  30-31
    3.4.2 空间复杂度分析  31-32
  3.5 本章小结  32-33
第四章 基于BPSK 的改进蚁群算法在盲检测中的应用  33-47
  4.1 基于简化蚁群优化(SACO)的盲检测算法  33-34
    4.1.1 基本蚁群优化盲检测算法的缺陷  33
    4.1.2 简化蚁群算法在盲检测中的应用  33-34
  4.2 基于随机扰动特性的蚁群优化(RPACO)盲检测算法  34-36
    4.2.1 随机扰动蚁群算法  34-36
    4.2.2 随机扰动蚁群算法在盲检测中的应用  36
  4.3 基于简化蚁群优化的盲检测算法实现流程图  36-37
  4.4 仿真实验及分析  37-41
  4.5 改进蚁群算法的复杂度及收敛性分析  41-46
    4.5.1 复杂度分析  41-42
    4.5.2 收敛性分析  42-46
  4.6 本章小结  46-47
第五章 基于复信道和多值电平的改进蚁群优化盲检测算法  47-59
  5.1 复信道和多值电平下的蚁群优化的盲检测算法  47
  5.2 基于复信道QPSK 系统的蚁群优化盲检测算法  47-52
    5.2.1 基于复信道QPSK 系统的基本及改进蚁群优化算法  47-49
    5.2.2 仿真实验及分析  49-52
  5.3 基于多值电平的蚁群优化盲检测算法  52-57
    5.3.1 基于4PAM 信号的基本及改进蚁群优化算法  52-53
    5.3.2 仿真实验及分析  53-57
  5.4 本章小结  57-59
第六章 总结与展望  59-61
  6.1 全文总结  59
  6.2 展望  59-61
致谢  61-62
参考文献  62-65
附录 1 攻读学位期间发表的学术论文目录  65

相似论文

  1. 基于神经网络盲均衡优化算法的研究,TN911.7
  2. 基于H.264标准的视频水印技术在网络学习平台中的应用与实现,TP309.7
  3. 智能优化算法及在通信中的应用研究,TN92
  4. 基于DWT域特征的JPEG图像隐写检测算法研究与实现,TP391.41
  5. 基于FPGA的高速MPSK/MQAM信号解调算法设计与实现,TN911.3
  6. 基于JPEG图像的隐写编码和盲检测技术研究,TN918.2
  7. 高阶QAM信号盲均衡技术研究与实现,TN911.5
  8. 卫星信道的非线性补偿技术研究,TN927.2
  9. 水平旋转式贴片机贴装过程优化研究,TN405
  10. 基于JPEG图像的盲检测技术研究,TP391.41
  11. PS类图像与隐写图像的分类,TP391.41
  12. 基于几何/物理方法的图像伪造检测技术,TP391.41
  13. 高阶数字信号调制识别与盲均衡算法研究,TN911.5
  14. 直扩信号检测及其安全性分析,TN914.42
  15. 基于改进蚁群算法的油田注水管网规划设计研究,TE357.6
  16. 蚁群算法在风光互补系统优化配置中的应用,TM61;TM71
  17. 粒子群优化算法及在盲均衡中的应用,TN911.7
  18. 复值Hopfield神经网络盲检测MPSK信号,TN911.23
  19. 基于模糊控制的小波神经网络盲均衡算法,TP273.4
  20. 蚁群算法及其在盲均衡中的应用,TN911.5

中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 信道均衡
© 2012 www.xueweilunwen.com