[发明专利]基于自适应交叉变异算子的量子免疫信号盲检测方法在审

专利信息
申请号: 201410135521.8 申请日: 2014-04-04
公开(公告)号: CN103944672A 公开(公告)日: 2014-07-23
发明(设计)人: 于舒娟;张昀;夏祎;于大为;刘艳;刘欢;胡蓉;宋啸良 申请(专利权)人: 南京邮电大学
主分类号: H04L1/00 分类号: H04L1/00
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 朱小兵
地址: 210003 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 自适应 交叉 变异 算子 量子 免疫 信号 检测 方法
【权利要求书】:

1.基于自适应交叉变异算子的量子免疫信号盲检测方法,其特征在于,包括如下步骤:

步骤A,构造接收数据矩阵:

接收端接收单个用户发送信号,经过过采样,获得离散时间信道的接收方程:

XN=SΓT

式中,XN是接收数据阵,S是发送信号阵,Γ是由信道冲激响应hjj构成的块

Toeplitz矩阵;(·)T表示矩阵转置;

其中,发送信号阵:

S=[sL+M(k),...,sL+M(k+N-1)]T=[sN(k),...,sN(k-M-L)]N×(L+M+1)

M为信道阶数,L为均衡器阶数,N为数据长度;

sL+M(k)=[s(k),...,s(k-L-M)]T;其中,s∈{±1},时刻k为自然数,[·]T为矩阵转置;

hjj=[h0,...,hM]q×(M+1),jj=0,1,...,M;

q是过采样因子,取值为正整数;

XN=[xL(k),...,xL(k+N-1)]T是N×(L+1)q接收数据阵,其中,

xL(k)=Γ·sL+M(k);

步骤B,接收数据矩阵奇异值分解:

XN=[U,Uc]·D0·VH]]>

式中,

(·)H表示矩阵Hermitian转置;

U是奇异值分解中的N×(L+M+1)酉基阵;

0是(N-(L+M+1))×(L+1)q零矩阵;

V是(L+1)q×(L+1)q酉基阵;

Uc是N×(N-(L+M+1))酉基阵;

D是(L+M+1)×(L+1)q奇异值阵;

步骤C,确定量子免疫算法的适应度函数F,其表达式为:

F=argmins{±1}NsTQs]]>

其中,表示量子免疫算法量子种群;s∈{±1}N是N维向量,所属字符集为{±1},argmin()表示使适应度函数取最小值时的变量值;

步骤D,将适应度函数F作为目标函数,将信号盲检测问题的求解等效为求适应度函数F的最小值,采用基于自适应交叉变异算子的量子免疫算法进行寻优搜索;其具体步骤如下:

步骤D-1,设定初始化量子种群Q,确定最大迭代次数;

步骤D-2,对种群进行观察操作,得到量子个体;

步骤D-3,对种群中每个量子个体,计算其适应度,选择适应度最小的个体为抗体;

步骤D-4,识别抗原,针对适应度函数寻优问题,做免疫疫苗接种;

步骤D-5,按照自适应的变化概率,即变异算子Pm对种群进行量子免疫变异操作;

步骤D-6,按照自适应的变化概率,即交叉算子Pc对种群进行量子免疫交叉操作;

步骤D-7,对生成的个体计算适应度函数,并且调整自适应算子Pm和Pc

步骤D-8,使用量子选择门,对抗体种群进行更新;

步骤D-9,找出最佳个体,得到最优解,更新保存最优解到抗体记忆库中;步骤D-10,判定迭代次数达到最大迭代次数时,终止迭代,输出全局最优解及适应度函数值;如果迭代次数未达到最大迭代次数,则返回步骤D-2执行。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201410135521.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top