全局人工鱼群优化的动量常模盲均衡算法

何川　周铭　王惠

摘要：针对常模盲均衡算法（CMA）存在局部收敛和慢收敛的缺陷，提出了一种全局人工鱼群优化的动量常模盲均衡算法（GAFSA-MCMA）。该算法首先利用全局人工鱼群算法（GAFSA）收敛速度快、全局搜索能力强的优点，寻找人工鱼群的最优位置向量并作为CMA的初始优化权向量，从而使权向量在迭代过程中获得全局最优，同时将动量算法引入到CMA中，提高收敛速度。与CMA、MCMA相比，该算法均方误差较小、收敛速度较快。

关键词：常模盲均衡；动量；全局人工鱼群算法；收敛速度

中图分类号：G642.3 文献标志码：A 文章编号：1674-9324（2016）29-0123-02

一、引言

为了消除码间干扰，提高通信系统的性能，在接收端需采用一种盲自适应均衡技术[1]。常模盲均衡算法（CMA）的收敛速度和稳态误差取决于步长因子的大小[2，3]。收敛速度随着步长的增大而加快，同时剩余稳态误差随之增大；反之，收敛速度随着步长的减小而降低，同时也会降低算法的剩余稳态误差。在实际应用中，动量算法能够有效的提高收敛速度，因此，将动量算法应用于均衡器抽头权向量的更新调整，在不影响剩余稳态误差的情况下，能进一步加快收敛速度[4]。全局人工鱼群算法（Global Artificial Fish Swarm Algorithm，GAFSA）是一种智能算法，其全局搜索能力强、计算精度高，克服了基本人工鱼群算法易于陷入局部搜索等缺点[5]。本文将全局人工鱼群算法和动量常模盲均衡算法（MCMA）有机融合，提出一种全局人工鱼群优化的动量常模盲均衡算法（GAFSA-MCMA），并进行性能仿真验证。

二、动量常模盲均衡算法