[发明专利]一种基于概率模型的PAPR降低方法

摘要

本发明公开一种基于概率模型的PAPR降低方法，包括：分析较优群体所包含的变量，构建符合这些变量分布的概率模型；该概率模型再产生新的种群；新种群的质量优于原来的种群；最终按照此种形式将当前最优解一步一步地逼近全局最优解。本发明采用基于概率模型的DE算法(DE‑EDA算法)，可以有效地结合差分进化算法和分布估计算，有效地利用局部和全局信息，避免在求解PAPR优化问题时陷入局部最优解，从而获得更加强大的PAPR优化能力。

主权项

1.一种基于概率模型的PAPR降低方法，其特征在于，包括以下步骤：步骤S1、随机产生初始种群随机产生N个解决方案形成初始种群X⁰，设进化代数k＝0；步骤S2、按照DE/EDA算法的候选节点产生算法生成下一代解决方案种群为：包括以下步骤：步骤S21、构建概率模型从当前种群X^k中选出最好的M个解决方案构建概率模型为其中，P_j,n为产生的第j个序列的第n个元素的值；J为二进制信号序列个数；F(P_j)表示第j个序列的概率；γ表示预先设定的概率阈值，M＝0.4*N；步骤S22、交叉和变异操作变异操作：通过差分变异的方程，得到变异个体为：其中，代表样本空间中的随机产生的三个样本向量，r1j，r2j，r3j代表随机选择的序号，为变异个体，F为缩放因子，表示差分向量对下一代个体的影响程度，交叉操作：利用种群的差异信息和种群优势个体的分布信息，产生候选种群个体，交叉操作有两个分支，其中，一个分支利用DE变异式产生候选子孙节点，表示如下：其中，表示经过交叉操作后的向量，为目标向量，rand()为[0,1]之间的均匀随机数，j_rand表示随机整数，j＝1,2,…D表示第j个变量，D为变量的维数，CR为交叉概率因子；另一个分支利用EDA算法的概率分布模型产生候选子孙节点，步骤S23、替换操作选择为决定试验向量U_i,t是否会成为下一代中的成员，按照贪婪准则将试验向量与当前种群中的目标向量E_i,t进行比较，计算公式如下：其中，E_i,t+1为下一代的目标向量；表示根据当前种群目标向量计算得到的目标函数PAPR的值，表示根据试验向量U_i,t计算得到的目标函数PAPR的值；步骤S3、迭代如果给定的结束条件未达到，k＝k+1,继续执行步骤S22，设定的结束条件为当前种群最优目标函数小于给定数值或迭代次数达到最大迭代次数。