技術(shù)領(lǐng)域：

本發(fā)明涉及數(shù)據(jù)采集和信號(hào)處理技術(shù)領(lǐng)域，具體講是一種基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法。

背景技術(shù)：
：

信號(hào)在水聲數(shù)字系統(tǒng)中傳輸時(shí)，會(huì)因帶寬有限和多徑傳播等因素的影響產(chǎn)生碼間干擾(inter-symbolinterference,isi)，導(dǎo)致嚴(yán)重失真，若在接收端引入盲均衡技術(shù)，可有效消除和減少isi，提高通信質(zhì)量。常模盲均衡方法(cma)結(jié)構(gòu)簡單、性能穩(wěn)定，目前被廣泛采用，但存在收斂速度慢、穩(wěn)態(tài)誤差大等問題；將正交小波變換(wt)引入傳統(tǒng)的常數(shù)模盲均衡方法(cma)，對(duì)攜帶噪聲的均衡器輸入信號(hào)實(shí)行預(yù)處理操作，降低信號(hào)間以及信號(hào)與噪聲間的相關(guān)性，能加快方法收斂速度，但在最小化非凸代價(jià)函數(shù)的時(shí)候仍采用的是梯度思想，這樣很容易陷入局部極值，影響均衡效果。狼群優(yōu)化方法(wpa)自2013年提出以來，被成功用于解決很多非凸性函數(shù)的優(yōu)化問題上，但依然存在搜索精度不高等問題，將具有較強(qiáng)局部搜索能力的復(fù)形法(cm)嵌入wpa，并對(duì)狼群的更新機(jī)制加以改進(jìn)，得到一種搜索精度高，能避免落入局部最優(yōu)的改進(jìn)狼群優(yōu)化方法(iwpa)，能更好地優(yōu)化高維非凸性函數(shù)，解決復(fù)雜問題。

技術(shù)實(shí)現(xiàn)要素：
：

本發(fā)明要解決的技術(shù)問題是，提供一種能夠降低信號(hào)間以及信號(hào)與噪聲間的相關(guān)性，加快收斂速度，減小穩(wěn)態(tài)誤差的基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法。

本發(fā)明的技術(shù)解決方案是，提供一種基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法，該方法包括正交小波常模盲均衡方法，其中，還包括改進(jìn)狼群優(yōu)化方法,具體步驟如下：

步驟①初始化階段：先設(shè)置基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法中所有相關(guān)參數(shù)，接著隨機(jī)產(chǎn)生初始種群，生成信號(hào)y(k)，然后確定適應(yīng)度函數(shù)，將y(k)作為改進(jìn)狼群優(yōu)化方法的輸入信號(hào)，將初始狀態(tài)中適應(yīng)度函數(shù)值最大的定義為初始頭狼；

步驟②改進(jìn)狼群優(yōu)化方法iwpa的迭代尋優(yōu)階段：通過改進(jìn)狼群優(yōu)化方法找出使適應(yīng)度函數(shù)值最大的人工狼(即頭狼)位置向量，將此向量作為盲均衡器的初始權(quán)向量；

步驟③信號(hào)均衡輸出階段：對(duì)上述步驟①中的輸入信號(hào)y(k)通過小波常模盲均衡方法均衡輸出。

優(yōu)選地，本發(fā)明所述的一種基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法，其中，初始化階段的具體步驟如下：

步驟a設(shè)置基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法中的相關(guān)參數(shù)；

步驟b生成信號(hào)y(k)：信號(hào)經(jīng)信道傳輸后將發(fā)生一定變化。

y(k)＝c^t(k)a(k)+b(k)(1)

式(1)中，a(k)為平穩(wěn)獨(dú)立同分布且具有零均值的發(fā)射信號(hào)序列，c(k)為信道的脈沖響應(yīng)向量，b(k)為加性高斯白噪聲，y(k)為a(k)經(jīng)信道傳輸后的信號(hào)序列。

步驟c隨機(jī)產(chǎn)生初始種群：在d維搜索空間，創(chuàng)建規(guī)模為n的狼群，第n匹狼的位置可以用一個(gè)d維的向量xn＝(xn1,xn2,…,xnd)來表示，每匹人工狼的位置向量與基于正交小波變換的常模盲均衡方法中的權(quán)向量設(shè)置為相同形式。狼群初始位置分配原則如下：

式(2)中，n＝1,2,…,n，x^l≤x≤x^u，x^l和x^u分別為位置向量x的下界和上界，rand可隨機(jī)產(chǎn)生一個(gè)在區(qū)間[0,1]上均勻分布的實(shí)數(shù)；

步驟d確定適應(yīng)度函數(shù)：將改進(jìn)狼群優(yōu)化方法中的適應(yīng)度函數(shù)f(xi)的倒數(shù)對(duì)應(yīng)于正交小波常模盲均衡方法(wt-cma)的代價(jià)函數(shù)j(xi)，兩者關(guān)系如下：

利用改進(jìn)狼群優(yōu)化方法最終取得的是適應(yīng)度函數(shù)的最大值，此時(shí)基于小波變換的常模盲均衡方法的代價(jià)函數(shù)呈現(xiàn)最小值，盲均衡系統(tǒng)成為期望的理想系統(tǒng)。

步驟d初始頭狼生成:將y(k)作為模擬退火狼群優(yōu)化方法的輸入信號(hào),根據(jù)適應(yīng)度函數(shù)，分別計(jì)算初始狀態(tài)中每匹狼的位置向量對(duì)應(yīng)的適應(yīng)度函數(shù)值，比較結(jié)果具有最大適應(yīng)度值的即為頭狼，初始狀態(tài)中的頭狼按此規(guī)則生成；

優(yōu)選地，本發(fā)明所述的一種基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法，其中，改進(jìn)狼群優(yōu)化方法(iwpa)的迭代尋優(yōu)階段的具體步驟如下：

步驟a探狼游走:除頭狼外，另選出適應(yīng)度較優(yōu)的q匹狼作為探狼，q應(yīng)取中整數(shù)，其中ε為探狼比例因子。每匹探狼周圍選取h個(gè)方向，分別朝h個(gè)方向前進(jìn)一步，進(jìn)行游走，步長記為stepa，搜尋是否有更好的位置，若有，則更新到更好的位置上去；若無，則保持原有位置。探狼q在第h個(gè)方向上的第d維的位置為：

式(4)中,h＝1,2,…,h,q＝1,2,…,q,d＝1,2,…,d；

步驟b頭狼更新：種群游走行為結(jié)束后，將本代具有最優(yōu)適應(yīng)度的探狼和頭狼進(jìn)行比較，若探狼適應(yīng)度值更優(yōu)，則成為新的頭狼，發(fā)起召喚行為；否則，重復(fù)游走行為，直至出現(xiàn)新的頭狼，或者達(dá)到游走次數(shù)設(shè)定值結(jié)束；

步驟c召喚奔襲：頭狼通過嚎叫發(fā)起召喚行為，召集猛狼迅速向其靠攏，猛狼以步長stepb快速逼近頭狼，猛狼i在第k+1次進(jìn)化時(shí)，在第d維變量空間中所處的位置為：

xid(k+1)＝xid(k)+stepb×(gd(k)-xid(k))/|gd(k)-xid(k)|(5)

式(5)中，i＝1,2,…,n-q,d＝1,2,…,d,gd(k)為第k代群體頭狼在第d維空間中的位置，奔襲過程中，若猛狼i的適應(yīng)度函數(shù)值大于頭狼的適應(yīng)度值，則該狼替代頭狼成為新的頭狼，并重新發(fā)起召喚行為；否則，猛狼繼續(xù)奔襲直至與頭狼之間的距離dis小于判定距離dnear時(shí)停止，進(jìn)行圍攻行為，

式(6)中和分別表示搜索區(qū)間上下邊界的第d維坐標(biāo)，ω為距離判定因子；

步驟d圍攻行為：將頭狼的位置gd(k)視為獵物移動(dòng)的位置，對(duì)第k代改進(jìn)狼群，假定獵物在第d維變量空間中所處的位置為gd(k),頭狼和獵物很近，故可將頭狼位置視為獵物位置，則除頭狼外的另外n-1匹狼展開圍攻行為，則第n匹狼第d維的位置按下式變化：

xnd＝xnd(k)+λ×stepc×|gd(k)-xnd(k)|(7)

式(7)中，λ為[-1,1]間均勻分布的隨機(jī)數(shù)，stepc為人工狼n執(zhí)行圍攻行為時(shí)的攻擊步長，圍攻中，比較位置變化前后的適應(yīng)度值，若更好則保持，若不好則退回原位，重新比較整個(gè)種群的適應(yīng)度函數(shù)值，將適應(yīng)度函數(shù)值最大的選為新的頭狼，

游走步長stepa，奔襲步長stepb，攻擊步長stepc滿足以下關(guān)系：

stepa＝stepb/2＝2×stepc＝|x^u-x^l|/s(8)

式(8)中，s為步長因子，表示人工狼在尋優(yōu)空間中搜尋的精細(xì)程度；

步驟e用復(fù)形法指導(dǎo)狼群進(jìn)行局部搜索。

1)將狼群當(dāng)前位置作為復(fù)形法的初始位置，將其按適應(yīng)度函數(shù)以降序進(jìn)行排列x1,x2,…,xn，適應(yīng)度值最小的為最差點(diǎn)。按下列方式確定一個(gè)新點(diǎn)來替換最差點(diǎn)xn。

2)計(jì)算復(fù)形的反射點(diǎn)

式中，為反射系數(shù)。若f(xr)＞f(xn)，則用xr替換xn，執(zhí)行步驟3)，否則執(zhí)行步驟4)。

3)延伸操作：

xe＝xr+τ·(xr-xc)(10)

式中，τ為延伸系數(shù)。若f(xe)＞f(xm)，則用xe替換xn，執(zhí)行步驟1)，否則執(zhí)行步驟4)

4)收縮操作：

xk＝xn-σ·(xn-xc)(11)

其中σ為收縮系數(shù)。若f(xk)＞f(xn)，則用xk替換xn，執(zhí)行步驟1)，滿足設(shè)定次數(shù)結(jié)束，否則重新進(jìn)行排序，重復(fù)復(fù)形。

步驟f改進(jìn)狼群淘汰更新機(jī)制：在第t代中，圍攻行為結(jié)束后，適應(yīng)度值最差的r匹狼消失，同時(shí)按公式(11)在本代頭狼位置附近生成r匹新狼：

式(12)中，i＝1,2,…,r,t＝1,2,…,tmax，tmax為最大迭代次數(shù)，x*為本代頭狼位置，randn為均值為0方差為1的正態(tài)分布，θ為調(diào)節(jié)因子，r的取值為[n/(2×β),n/β]之間的隨機(jī)整數(shù)，β為群體更新比例因子；

步驟f改進(jìn)狼群淘汰更新機(jī)制：在第t代中，在復(fù)形法指導(dǎo)下進(jìn)行局部搜索后，適應(yīng)度值最差的r匹狼消失，同時(shí)按公式(11)在本代頭狼位置附近生成r匹新狼：

式(12)中，i＝1,2,…,r,t＝1,2,…,tmax，tmax為最大迭代次數(shù)，x*為本代頭狼位置，randn為均值為0方差為1的正態(tài)分布，θ為調(diào)節(jié)因子，r的取值為[n/(2×β),n/β]之間的隨機(jī)整數(shù)，β為群體更新比例因子；

步驟g若滿足方法結(jié)束條件，最終的頭狼位置向量即為均衡器的初始權(quán)向量，輸出；否則轉(zhuǎn)入探狼游走，繼續(xù)進(jìn)行迭代。

優(yōu)選地，本發(fā)明所述的一種基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法，其中，對(duì)信號(hào)進(jìn)行正交小波常模盲均衡并輸出的具體步驟如下：

步驟a對(duì)信號(hào)進(jìn)行小波變換

r(k)＝y(tǒng)(k)l(13)

式(13)中，l為正交小波變換矩陣，y(k)為均衡器的輸入信號(hào)向量；r(k)是y(k)經(jīng)過正交小波變換后的信號(hào)向量；

步驟b權(quán)向量的迭代

式(14)中，μ為權(quán)向量的迭代步長，r^*(k)為r(k)的共軛，

分別表示對(duì)尺度變換系mi,n(k)、小波變換系數(shù)ri,n(k)的平均功率估計(jì)，其迭代公式為：

式(15)和(16)中，α(0＜α＜1)為平滑因子；

步驟b信號(hào)的均衡輸出

z(k)＝w^t(k)r(k)(17)

e(k)＝rcm-|z(k)|²(19)

j(k)＝e{[rcm-|z(k)|²]²}(20)

式(17)、(18)和(19)中,w^t(k)為權(quán)向量w(k)的轉(zhuǎn)置，a(k)為獨(dú)立同分布且均值為零的發(fā)射信號(hào)，rcm為發(fā)射信號(hào)的統(tǒng)計(jì)模值，e(k)為常模誤差函數(shù)，z(k)為經(jīng)過小波變換后均衡器的輸出信號(hào)。式(20)為wt-cma的代價(jià)函數(shù)。

本發(fā)明的有益效果是：本發(fā)明在wt-cma中引入改進(jìn)狼群優(yōu)化方法(iwpa)，并利用iwpa的全局尋優(yōu)特性來尋找wt-cma的初始權(quán)向量，該向量即為改進(jìn)狼群優(yōu)化方法中的全局最優(yōu)位置向量，這種將改進(jìn)狼群優(yōu)化方法(iwpa)和小波變換理論(wt)有機(jī)融合的常模盲均衡方法，可有效改善常模盲均衡方法收斂速度慢、穩(wěn)態(tài)誤差大的問題。

附圖說明：

圖1是本發(fā)明的原理圖；

圖2是本發(fā)明的流程圖；

圖3是使用本發(fā)明方法后的收斂曲線圖；

圖4是使用本發(fā)明方法后的cma輸出星座圖；

圖5是使用本發(fā)明方法后的wt-cma輸出星座圖；

圖6是使用本發(fā)明方法后的iwpa-wt-cma輸出星座圖。

具體實(shí)施方式：

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明一種自適應(yīng)調(diào)整高速采樣速率的方法作進(jìn)一步說明：

圖1是本發(fā)明的原理圖，在圖1中，a(k)為獨(dú)立同分布且均值為零的發(fā)射信號(hào)；c(k)為信道的脈沖響應(yīng)向量，b(k)為加性高斯白噪聲；y(k)為a(k)經(jīng)信道傳輸后的信號(hào)序列；r(k)是y(k)經(jīng)過正交小波變換后的信號(hào)向量；w(k)為均衡器權(quán)向量；ψ(·)為無記憶的非線性函數(shù)，表示無記憶非線性估計(jì)器；z(k)是均衡器的輸出信號(hào)；e(k)為常模誤差函數(shù)。

如圖2所示，本發(fā)明一種基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法的具體步驟如下：

一、初始化階段

步驟a設(shè)置基于改進(jìn)狼群優(yōu)化的正交小波常模盲均衡方法中的相關(guān)參數(shù)；

步驟b生成信號(hào)y(k)：信號(hào)經(jīng)信道傳輸后將發(fā)生一定變化。

y(k)＝c^t(k)a(k)+b(k)(1)

式(1)中，a(k)為平穩(wěn)獨(dú)立同分布且具有零均值的發(fā)射信號(hào)序列，c(k)為信道的脈沖響應(yīng)向量，b(k)為加性高斯白噪聲，y(k)為a(k)經(jīng)信道傳輸后的信號(hào)序列。

步驟c隨機(jī)產(chǎn)生初始種群：在d維搜索空間，創(chuàng)建規(guī)模為n的狼群，初始化相關(guān)參數(shù)，第n匹狼的位置可以用一個(gè)d維的向量xn＝(xn1,xn2,…,xnd)來表示，每匹人工狼的位置向量與基于正交小波變換的常模盲均衡方法中的權(quán)向量設(shè)置為相同形式。狼群初始位置分配原則如下：

式(2)中，n＝1,2,…,n，x^l≤x≤x^u，x^l和x^u分別為位置向量x的下界和上界，rand隨機(jī)產(chǎn)生一個(gè)在區(qū)間[0,1]上均勻分布的實(shí)數(shù)；

步驟d確定適應(yīng)度函數(shù)：將改進(jìn)狼群優(yōu)化方法中的適應(yīng)度函數(shù)f(xi)的倒數(shù)對(duì)應(yīng)于正交小波常模盲均衡方法(wt-cma)的代價(jià)函數(shù)j(xi)，兩者關(guān)系如下：

利用改進(jìn)狼群優(yōu)化方法最終取得的是適應(yīng)度函數(shù)的最大值，此時(shí)基于小波變換的常模盲均衡方法的代價(jià)函數(shù)呈現(xiàn)最小值，盲均衡系統(tǒng)成為期望的理想系統(tǒng)。

步驟e初始頭狼生成:將y(k)作為模擬退火狼群優(yōu)化方法的輸入信號(hào),根據(jù)適應(yīng)度函數(shù)，分別計(jì)算初始狀態(tài)中每匹狼的位置向量對(duì)應(yīng)的適應(yīng)度函數(shù)值，比較結(jié)果，具有最大適應(yīng)度值的即為頭狼，初始狀態(tài)中的頭狼按此規(guī)則生成；

二、改進(jìn)狼群優(yōu)化方法的迭代尋優(yōu)階段

步驟a探狼游走:除頭狼外，另選出適應(yīng)度較優(yōu)的q匹狼作為探狼，q應(yīng)取中整數(shù)，其中ε為探狼比例因子。每匹探狼周圍選取h個(gè)方向，分別朝h個(gè)方向前進(jìn)一步，進(jìn)行游走，步長記為stepa，搜尋是否有更好的位置，若有，則更新到更好的位置上去；若無，則保持原有位置。探狼q在第h個(gè)方向上的第d維的位置為：

式(4)中,h＝1,2,…,h,q＝1,2,…,q,d＝1,2,…,d。

步驟b頭狼更新：種群游走行為結(jié)束后，將本代具有最優(yōu)適應(yīng)度的探狼和頭狼進(jìn)行比較，若探狼適應(yīng)度更優(yōu)，則成為新的頭狼，發(fā)起召喚行為；否則，重復(fù)游走行為，直至出現(xiàn)新的頭狼，或者達(dá)到游走次數(shù)設(shè)定值結(jié)束；

步驟c召喚奔襲：頭狼通過嚎叫發(fā)起召喚行為，召集猛狼迅速向其靠攏，猛狼以步長stepb快速逼近頭狼，猛狼i在第k+1次進(jìn)化時(shí)，在第d維變量空間中所處的位置為：

xid(k+1)＝xid(k)+stepb×(gd(k)-xid(k))/|gd(k)-xid(k)|(5)

式(5)中，i＝1,2,…,n-q,d＝1,2,…,d,gd(k)為第k代群體頭狼在第d維空間中的位置，奔襲過程中，若猛狼i的適應(yīng)度函數(shù)值大于頭狼的適應(yīng)度值，則該狼替代頭狼成為新的頭狼，并重新發(fā)起召喚行為；否則，猛狼繼續(xù)奔襲直至與頭狼之間的距離dis小于判定距離dnear時(shí)停止，進(jìn)行圍攻行為。

式(6)中和分別表示搜索區(qū)間上下邊界的第d維坐標(biāo)，ω為距離判定因子。

步驟d圍攻行為：將頭狼的位置視為獵物移動(dòng)的位置，對(duì)第k代改進(jìn)狼群，假定獵物在第d維變量空間中所處的位置為gd(k),頭狼和獵物很近，故可將頭狼位置視為獵物位置，則除頭狼外的另外n-1匹狼對(duì)獵物展開圍攻行為，則第n匹狼第d維的位置按下式變化：

xnd＝xnd(k)+λ×stepc×|gd(k)-xnd(k)|(7)

式(7)中，λ為[-1,1]間均勻分布的隨機(jī)數(shù)，stepc為人工狼n執(zhí)行圍攻行為時(shí)的攻擊步長，圍攻中，比較位置變化前后的適應(yīng)度值，若更好則保持，若不好則退回原位，重新比較整個(gè)種群的適應(yīng)度函數(shù)值，將適應(yīng)度函數(shù)值最大的選為新的頭狼，

游走步長stepa，奔襲步長stepb，攻擊步長stepc滿足以下關(guān)系：

stepa＝stepb/2＝2×stepc＝|x^u-x^l|/s(8)

式(8)中，s為步長因子，表示人工狼在尋優(yōu)空間中搜尋的精細(xì)程度；

步驟e用復(fù)形法指導(dǎo)狼群進(jìn)行局部搜索。

1)將狼群當(dāng)前位置作為復(fù)形法的初始位置，將其按適應(yīng)度函數(shù)以降序進(jìn)行排列x1,x2,…,xn，適應(yīng)度值最小的為最差點(diǎn)。按下列方式確定一個(gè)新點(diǎn)來替換最差點(diǎn)xn。

2)計(jì)算復(fù)形的反射點(diǎn)

式中，為反射系數(shù)。若f(xr)＞f(xn)，則用xr替換xn，執(zhí)行步驟3)，否則執(zhí)行步驟4)。

3)延伸操作：

xe＝xr+τ·(xr-xc)(10)

式中，τ為延伸系數(shù)。若f(xe)＞f(xm)，則用xe替換xn，執(zhí)行步驟1)，否則執(zhí)行步驟4)

4)收縮操作：

xk＝xn-σ·(xn-xc)(11)

其中σ為收縮系數(shù)。若f(xk)＞f(xn)，則用xk替換xn，執(zhí)行步驟1)，滿足設(shè)定次數(shù)結(jié)束，否則重新進(jìn)行排序，重復(fù)復(fù)形。

步驟f改進(jìn)狼群淘汰更新機(jī)制：在第t代中，在復(fù)形法指導(dǎo)下進(jìn)行局部搜索后，適應(yīng)度值最差的r匹狼消失，同時(shí)按公式(11)在本代頭狼位置附近生成r匹新狼：

式(12)中，i＝1,2,…,r,t＝1,2,…,tmax，tmax為最大迭代次數(shù)，x*為本代頭狼位置，randn為均值為0方差為1的正態(tài)分布，θ為調(diào)節(jié)因子，r的取值為[n/(2×β),n/β]之間的隨機(jī)整數(shù)，β為群體更新比例因子；

步驟g若滿足方法結(jié)束條件，最終的頭狼位置向量即為均衡器的初始權(quán)向量，輸出；否則轉(zhuǎn)入探狼游走，繼續(xù)進(jìn)行迭代。

三、對(duì)信號(hào)均衡輸出階段階段

步驟a對(duì)信號(hào)進(jìn)行小波變換

r(k)＝y(tǒng)(k)l(13)

式(13)中，l為正交小波變換矩陣，y(k)為均衡器的輸入信號(hào)向量；r(k)是y(k)經(jīng)過正交小波變換后的信號(hào)向量；

步驟b權(quán)向量的迭代

式(14)中，μ為權(quán)向量的迭代步長，r^*(k)為r(k)的共軛，

分別表示對(duì)尺度變換系mi,n(k)、小波變換系數(shù)ri,n(k)的平均功率估計(jì)，其迭代公式為：

式(15)和(16)中，α(0＜α＜1)為平滑因子；

步驟b信號(hào)的均衡輸出

z(k)＝w^t(k)r(k)(17)

e(k)＝rcm-|z(k)|²(19)

j(k)＝e{[rcm-|z(k)|²]²}(20)

式(17)、(18)和(19)中,w^t(k)為權(quán)向量w(k)的轉(zhuǎn)置，a(k)為獨(dú)立同分布且均值為零的發(fā)射信號(hào)，rcm為發(fā)射信號(hào)的統(tǒng)計(jì)模值，e(k)為常模誤差函數(shù)，z(k)為經(jīng)過小波變換后均衡器的輸出信號(hào)。式(20)為wt-cma的代價(jià)函數(shù)。

四、仿真實(shí)驗(yàn)

為了驗(yàn)證該方法的有效性，以cma、wt-cma和iwpa-wt-cma為比較對(duì)象，進(jìn)行仿真實(shí)驗(yàn)。信道h＝[0.9656,-0.0906,0.0578,0.2368],發(fā)射信號(hào)為16qam信號(hào)，信道均衡器權(quán)長均為16，信號(hào)采樣點(diǎn)均為10000點(diǎn)；在cma中，將第6個(gè)抽頭系數(shù)設(shè)置為1，其余為0，其步長μcma＝0.000007；在wt-cma中，將第8個(gè)抽頭系數(shù)設(shè)置為1，其余為0，其步長μwt-cma＝0.00004；在iwpa-wt-cma中，其步長為μiwpa-wt-cma＝0.000021；輸入信號(hào)均采用db3小波進(jìn)行分解，分解層次為2層，功率初始值設(shè)置為4，遺忘因子β＝0.999；信噪比為20db，400次蒙特卡諾仿真結(jié)果如圖3、圖4、圖5和圖6所示。

圖3表明，在穩(wěn)態(tài)均方誤差方面，iwpa-wt-cma比wt-cma、cma均方誤差均小，故均方誤差得到了有效降低，收斂速度也明顯加快。三種方法中iwpa-wt-cma的輸出星座圖最為清晰、緊湊，恢復(fù)出的傳輸信號(hào)更為準(zhǔn)確。

以上所述的實(shí)施方式僅僅是對(duì)本發(fā)明的優(yōu)選實(shí)施方式進(jìn)行描述，并非對(duì)本發(fā)明的范圍進(jìn)行限定，在不脫離本發(fā)明設(shè)計(jì)精神的前提下，本領(lǐng)域普通技術(shù)人員對(duì)本發(fā)明的技術(shù)方案做出的各種變形和改進(jìn)，均應(yīng)落入本發(fā)明權(quán)利要求書確定的保護(hù)范圍內(nèi)。