雜草算法優化神經網絡盲均衡算法的研究

耿艷香 王光艷 張立毅

摘 ?要：針對影響通信質量的碼間干擾問題，提出利用雜草算法的隨機性、魯棒性、自適應性優化神經網絡，為神經網絡提供較好的初始權值，再與BP算法的指導性搜索思想結合起來，既能克服尋優中的盲目性進而避免局部收斂情況的發生，有效地加快收斂速度，減小剩余穩態誤差，降低誤碼率，從而提高信道的盲均衡性能。通過計算機仿真，證明該算法具有較好的收斂性能。

關鍵詞：入侵雜草算法;初始權值;盲均衡算法;BP神經網絡算法

中圖分類號：TP391.41 ? ? 文獻標識碼：A

Abstract：In view of the inter symbol interference problem，this paper proposes a new method applying the randomness，robustness and adaptability of Invasive Weed Optimization to optimize neural network.This method can provide good initial weights for neural network.By combining the guiding search idea of BP algorithm，it can not only overcome the blindness in seeking optimization to avoid local convergence，but also effectively speed up the convergence speed，reduce the remaining steady-state error，and lower the symbol error rate，thus improving the blind equalization performance of communication channels.The computer simulation results show that this algorithm has better convergence performance.

Keywords：Invasive Weed Optimization;initial weight;Blind Equalization;BP neural network algorithm

1 ? 引言（Introduction）

盲均衡技術是一門新興的現代自適應均衡技術，用來解決當通信系統信道嚴重的時變特性所導致的接收機不能及時跟蹤信道特性變化而產生的通信中斷，可以只利用接收信號本身的一些數據特性來自適應地調節均衡器的參數，消除由信道的非理想特性引起的碼間干擾，從而達到信道的均衡目的[1-3]。因此，盲均衡技術的應用提高了系統的通信效率，在一定程度上也簡化了系統的結構。

各種新型算法和人工智能理論的發展，出現了一些新的盲均衡改進算法，如基于CMA的盲均衡算法[4-6]、加權多模盲均衡算法[7]、基于免疫算法的盲均衡算法[8]、蝙蝠算法優化的多模盲均衡算法[9]和基于模擬退火的DNA遺傳優化小波多模盲均衡算法[10]等。神經網絡的盲均衡算法也取得了頗多的成果，先后出現了多種前饋神經網絡盲均衡算法[11-13]和遞歸神經網絡算法[14-16]。本文利用雜草算法的自適應性、快速全局收斂性和良好的魯棒性等特點，進一步改善誤差反向傳播算法（Error Back Propagation Algorithm，簡稱BP算法）收斂速度慢，易陷入局部最優解等缺陷，提出使用雜草算法幫助神經網絡快速找到符合信道特征的權值組合作為初始權值，再應用于盲均衡算法，推導出算法的迭代公式，從而找出代價函數的最小值，提高信道均衡的準確性和有效性。通過Matlab仿真實驗，證明新算法是可靠的，其性能優于普通的神經網絡盲均衡算法。

2 ? 算法的基本思想（The basic idea of the algorithm）

2.1 ? 雜草算法

雜草算法是A.R.Mehrabian和C.Lucas于2006年首次提出的，雜草算法基本思想是利用雜草算法的三個主要機制：（1）以適應度為準則的繁殖機制;（2）正態分布的擴散機制;（3）子父代競爭排斥機制組成的一種新型群智能優化算法。其思想模擬自然界雜草殖民的過程，在迭代初期，通過大的標準差值，進行全局搜索;在迭代后期，標準差逐漸減小，得到當前最優解，每繁殖一代，都將父代和子代一起進行排列，按適應值大小進行淘汰，能最大限度保留有用的信息，同時能避免早熟和陷入局部最優，但算法的性能受參數設置影響較大。

2.2 ? 雜草算法優化神經網絡初始權值的盲均衡算法

為了避免BP算法收斂速度慢、易于陷入局部最優解等缺點，可將雜草算法與盲均衡算法結合，充分利用雜草算法全局搜索的特點和盲均衡算法局部搜索速度快的特點。先利用雜草算法的遍歷性幫助神經網絡快速找到權值組合的較好解作為神經網絡的初始權值，然后利用BP算法進行快速收斂，最終找到神經網絡的最佳權值組合，從而即提高了收斂速度又避免了陷入局部最優解。雜草算法優化神經網絡權值的盲均衡算法（Invasive Weed Optimization Neural Network Blind Equalization Algorithm，簡稱IWO-NN-BEA）的原理框圖，如圖1所示。

圖1中，為輸入信號;為信道迭加噪聲;為信道的沖激響應;為接收信號，也是神經網絡的輸入信號;為盲均衡后的輸出信號;為判決器輸出。

3 ?IWO-NN-BEA及其實現（IWO-NN-BEA and itsrealization）

在數字通信系統中，由于信道的多徑傳播，信道噪聲等因素的影響，數字信號在傳輸過程中將產生碼間串擾（Inter Symbol Interference，又稱ISI）。為了消除此干擾，使得接收端能夠正確解調，對信道畸變進行實時的有效補償是十分必要的。選擇一個合適的網絡結構，通過利用雜草算法找到合適的初始權值，再結合BP算法對代價函數求極小值來達到調整權值的目的，使信道得到較好的均衡效果。

3.1 ? 神經網絡的選擇

首先選用三層前饋神經網絡，如圖2所示。

圖5和圖6分別給出了在普通信道與典型電話信道中各算法的誤碼率比較曲線。可以看出，雜草算法優化神經網絡盲均衡算法具有較低的誤碼率。

5 ? 結論（Conclusion）

針對傳統盲均衡技術的不足，本章提出了一種基于入侵雜草算法優化神經網絡權值的盲均衡新算法。該算法將入侵雜草算法與BP神經網絡算法相結合，充分利用入侵雜草算法的種群多樣性和魯棒性強的特點，進行全局搜索，獲取最佳的初始權值，避免陷入局部最優，提高了收斂速度，減小誤碼率。最后，通過Matlab仿真證明該入侵雜草算法優化神經網絡的盲均衡算法是可行的，也是有效的。

參考文獻（References）

[1] 郭業才，胡苓苓，丁銳.基于量子粒子群優化的正交小波加權多模盲均衡算法[J].物理學報，2012（05）：281-287.

[2] 肖瑛，李振興，董玉華.動態目標函數下的神經網絡盲均衡仿真研究[J].系統仿真學報，2009，21（14）：4331-4334.

[3] 崔偉軒.基于多模算法的盲均衡算法研究[D].南京信息工程大學，2013：39-41.

[4] 吳珊.果蠅優化小波盲均衡算法研究[D].安徽理工大學，2014：10-40.

[5] 趙娟.應用盲均衡器的方形輪廓算法基于復雜的神經網絡[C].2011年國際會議上電子、通信和控制（ICECC），2013：166-169.

[6] 張家琦，葛寧.聯合CMA+DDLMS盲均衡算法[J].清華大學學報（自然科學版），2009，49（10）：108-111.

[7] 薛偉，楊小牛，張朝陽.一種改進的加權多模盲均衡算法[J].系統仿真學報，2011，23（3）：451-455.

[8] 白偉.基于免疫算法的RBF神經網絡盲均衡算法[J].山西師范大學學報（自然科學版），2014，28（1）：33-37.

[9] 郭業才，吳華鵬，王惠，等.基于DNA遺傳蝙蝠算法的分數間隔多模盲均衡算法[J].兵工學報，2015，36（8）：1502-1507.

[10] 郭業才，吳華鵬.雙蝙蝠群智能優化的多模盲均衡算法[J].智能系統學報，2015，10（5）：755-761.

[11]張冰龍，徐建敏，江浩.基于模擬退火的DNA遺傳優化小波多模盲均衡算法[J].電子技術應用，2016，24（2）：88-91.

[12] 羅亞松，林景元，胡玉銑，等.高階QAM信號的前饋神經網絡相位修正水聲信道盲均衡算法[J].武漢理工大學學報（交通科學與工程版），2012，36（6）：1221-1224.

[13] 郭業才，高敏，張艷萍.基于正交小波包變換的前饋神經網絡盲均衡算法[J].電子測量與儀器學報，2009，23（11）：59-64.

[14] 劉子通.雙線性反饋神經網絡的復值盲均衡算法研究[J].山西電子技術，2011（4）：76-78.

[15] 阮秀凱，李昌，談燕花，等.基于電域反饋神經網絡的自適應盲均衡方法[J].光學學報，2013，33（5）：1-12.

[16] 張亮，陳睿，邱小松.譜聚類遞歸神經網絡集成的全自動公開區分計算機和人的圖靈測試識別算法[J].計算機應用，2014，34（5）：1383-1385.

[17] 吳文鐵，宋曰聰，李敏.蟻群優化神經網絡的網絡流量混沌預測[J].計算機工程與應用，2012，48（34）：97-101.

[18] 張立毅，劉婷，孫云山，等.遺傳算法優化神經網絡權值盲均衡算法的研究[J].計算機工程與應用，2010，45（11）：162-164.

作者簡介：

耿艷香（1983-），女，碩士，實驗師.研究領域：智能算法.

王光艷（1975-），女，博士，副教授.研究領域：信號處理.

張立毅（1965-），男，博士，教授.研究領域：信號處理.