学位论文 > 优秀研究生学位论文题录展示

智能优化算法及在通信中的应用研究

作　者: 岳克强
导　师: 赵知劲
学　校: 杭州电子科技大学
专　业: 通信与信息系统
关键词: 智能优化算法 多用户检测 盲均衡 量子遗传算法 粒子群算法 混合蛙跳算法 免疫算法 克隆算法 协同进化
分类号: TN92
类　型: 硕士论文
年　份: 2009年
下　载: 89次
引　用: 0次
阅　读: 论文下载
 

内容摘要


以模仿自然与生物机理为特征的智能优化算法,能够解决传统优化方法难以处理的问题,从而成为研究热点。本文主要研究量子遗传算法、粒子群算法、混合蛙跳算法、免疫克隆算法性能的改进及其在多用户检测和盲均衡中的应用。最优多用户检测能有效抑制多址干扰(MAI)、多径干扰,且可以减少远近效应,但计算复杂度高,因此寻找计算复杂度合理,而性能接近最优多用户检测的次优检测方法是本文的主要内容。本文首先提出了一种改进的量子遗传算法(MQGA),改进算法中通过小生境协同进化策略初始化量子种群,并采用自适应更新旋转角策略;随后提出了基于MQGA的多用户检测算法(MQGA-MUD),仿真结果表明MQGA-MUD性能要优于基于遗传算法的多用户检测算法(GA—MUD)和基本量子遗传算法的多用户检测算法(QGA-MUD)。然后提出了离散化的混合蛙跳算法(DSFLA),为了增加青蛙种群的多样性,提高蛙跳算法性能,本文分别把神经网络、免疫算法和克隆算法引入蛙跳算法中,加快蛙跳算法的收敛速度,使得算法能跳出局部解,向全局最优进化;提出了神经蛙跳算法(HDSFAL)、免疫蛙跳算法(IDSFLA)和克隆蛙跳算法(KDSFLA);并将它们分别应用到多用户检测,提出了基于DSFLA的多用户检测算法(DSFLA-MUD)、基于HDSFAL的多用户检测算法(HDSFLA-MUD)、基于IDSFLA的多用户检测算法(IDSFLA-MUD)和基于KDSFLA的多用户检测算法(KDSFLA-MUD)。仿真结果表明,本文所提出的DSFLA—MUD的性能与MQGA-MUD相当;HDSFLA-MUD的性能优于DSFLA-MUD ; IDSFLA-MUD和KDSFLA-MUD性能相近,都优于HDSFLA-MUD,是本文所设计的性能最好的多用户检测算法。盲均衡技术能有效克服码间干扰,得到了广泛的应用。本文根据归一化原理,首先推导了六、二阶归一化累积量盲均衡准则。然后为了改进连续混合蛙跳算法性能,提出了新的更新策略,在此基础上提出了优选蛙跳算法(SSFLA)和拉伸蛙跳算法(NSFLA),并将它们应用于盲均衡中,得到了基于SSFLA的盲均衡算法和基于NSFLA的盲均衡算法。仿真结果表明,基于六、二阶归一化累积量盲均衡准则的算法有较好的性能;所提出的基于SSFLA的盲均衡算法和基于NSFLA的盲均衡算法的性能要优于基于基本蛙跳的盲均衡算法。为了提高基本粒子群算法求解连续优化问题的能力,提出一种具有中心交流机制的改进双种群粒子群算法,结合协同进化算法理论,随后提出概率选择的改进双种群协同的粒子群算法(PIDPSO),将PIDPSO应用到盲均衡中,得到了基于PIDPSO的盲均衡算法。仿真结果表明,所提出的基于PIDPSO的盲均衡算法的性能优于基于普通的双种群协同粒子群算法的盲均衡算法和基于基本粒子群算法的盲均衡算法。

全文目录


摘要  5-6
ABSTRACT  6-11
第1章 绪论  11-19
  1.1 智能优化算法的研究背景  11-13
  1.2 多用户检测的发展及研究现状  13-15
  1.3 盲均衡的发展及研究现状  15-17
  1.4 本文的主要工作及章节安排  17-19
第2章 智能优化算法  19-27
  2.1 量子遗传算法  19-22
    2.1.1 量子遗传算法的基本原理  19-21
    2.1.2 量子遗传算法参数的选择  21-22
  2.2 粒子群算法  22-23
    2.2.1 粒子群算法原理  22-23
    2.2.2 粒子群算法参数的选择  23
  2.3 混合蛙跳算法  23-25
    2.3.1 蛙跳算法原理  23-24
    2.3.2 蛙跳算法参数的选择  24-25
  2.4 免疫克隆算法  25-26
    2.4.1 免疫算法原理  25-26
    2.4.2 克隆算法原理  26
    2.4.3 算法参数的选择  26
  2.5 本章小结  26-27
第3章 多用户检测和盲均衡基础知识  27-35
  3.1 多用户检测  27-29
    3.1.1 最优多用户检测  27-29
    3.1.2 多用户检测的性能测度  29
  3.2 盲均衡  29-34
    3.2.1 盲均衡数学模型  30
    3.2.2 盲均衡准则  30-33
    3.2.3 盲均衡的性能指标  33-34
  3.3 本章小结  34-35
第4章 智能优化算法在多用户检测中的应用  35-52
  4.1 基于改进量子遗传算法的多用户检测  35-38
    4.1.1 基本量子遗传算法  35-36
    4.1.2 基于改进的量子遗传算法的多用户检测  36
    4.1.3 算法仿真与性能分析  36-38
  4.2 基于离散混合蛙跳算法的多用户检测  38-43
    4.2.1 基于离散化的混合蛙跳算法的多用户检测  39-40
    4.2.2 算法仿真与性能分析  40-42
    4.2.3 离散蛙跳算法与粒子群算法的复杂度比较  42-43
  4.3 基于神经网络蛙跳算法的多用户检测  43-47
    4.3.1 离散Hopfield 神经网络  43-44
    4.3.2 基于神经网络离散混合蛙跳算法的多用户检测  44
    4.3.3 算法仿真与性能分析  44-47
  4.4 基于免疫克隆蛙跳算法的多用户检测  47-50
    4.4.1 免疫离散混合蛙跳算法  47
    4.4.2 克隆离散混合蛙跳算法  47-48
    4.4.3 基于IDSFLA 和KDSFLA 的多用户检测  48
    4.4.4 算法仿真与性能分析  48-50
  4.5 本章小结  50-52
第5章 基于智能优化算法的盲均衡技术  52-65
  5.1 基于累积量的盲均衡新准则  52-53
  5.2 基于改进蛙跳算法的盲均衡技术研究  53-58
    5.2.1 新的更新策略  53-54
    5.2.2 种群优选蛙跳算法  54
    5.2.3 适应度拉伸蛙跳算法  54-55
    5.2.4 两种基于改进蛙跳算法的盲均衡技术  55
    5.2.5 算法仿真与性能分析  55-58
  5.3 基于多协同进化粒子群算法的盲均衡技术  58-63
    5.3.1 改进双种群协同的粒子群算法  59-60
    5.3.2 基于多协同粒子群算法的盲均衡算法  60-61
    5.3.3 算法仿真与性能分析  61-63
  5.4 本章小结  63-65
第6章 总结与展望  65-67
致谢  67-68
参考文献  68-74
附录  74

相似论文

  1. 有源电力滤波器及其在配电网中的应用,TN713.8
  2. 媒介在乡村日常生活中的角色,D422.7
  3. 语音情感识别的特征选择与特征产生,TP18
  4. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  5. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  6. 基于粒子群的分子对接算法,R91
  7. 基于粒子群算法的露天矿道路路径优化研究,TP301.6
  8. 移动机器人路径规划研究及仿真实现,TP242
  9. 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
  10. 变邻域搜索算法研究及在组合优化中的应用,TP301.6
  11. 电力系统无功优化的混合算法研究,TM714.3
  12. 改进蚁群算法在盲均衡中的应用,TN911.5
  13. 基于QoS的无线传感器网络路由算法研究,TP212.9
  14. TD-SCDMA集群系统多用户检测技术的研究,TN929.533
  15. 参数协进化的改进和声搜索算法及其应用,TP391.3
  16. 非汛期水库群协同优化调度与应用研究,TV697.11
  17. 基于神经网络盲均衡优化算法的研究,TN911.7
  18. 不确定环境下供应链多时段生产采购计划问题研究,F224
  19. 基于量子计算的DNA编码方法研究,Q75
  20. 改进二进制粒子群算法在梯级水电站AGC中的应用研究,TV737
  21. 基于参数辨识的电力系统动态等值方法研究,TM712

中图分类: > 工业技术 > 无线电电子学、电信技术 > 无线通信
© 2012 www.xueweilunwen.com