[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

摘要

本发明提出了基于自适应交叉变异算子的量子免疫信号盲检测方法，所述方法在量子化交叉与变异基础上，引入了基于自适应策略的量子免疫交叉与变异算子，用量子交叉与量子变异进行进化，同时采用了传统免疫算法中交叉和变异算子的策略，以求更好地加强种群的进化程度。本发明基于自适应交叉变异算子的量子免疫算法能够有效避免早熟现象，收敛速度更快，相同信噪比条件下误码率更低。 

主权项

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：X_N=SΓ^T式中，X_N是接收数据阵，S是发送信号阵，Γ是由信道冲激响应h_jj构成的块Toeplitz矩阵；(·)^T表示矩阵转置；其中，发送信号阵：S=[s_L+M(k),...,s_L+M(k+N‑1)]^T=[s_N(k),...,s_N(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；s_L+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；h_jj=[h₀,...,h_M]_q×(M+1)，jj=0,1,...,M；q是过采样因子，取值为正整数；X_N=[x_L(k),...,x_L(k+N‑1)]^T是N×(L+1)q接收数据阵，其中，x_L(k)=Γ·s_L+M(k)；步骤B，接收数据矩阵奇异值分解：$X_N=[U,U_c]\·\left[\begin{array}{c}D\\ 0\end{array}\right]\·V^H$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；U_c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：$F=\arg \underset{{s\∈\{\±1\}}^N}{\min }{s}^T\mathrm{Qs}$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P_m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P_c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P_m和P_c；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。