混沌蚁群组合优化算法实现盲信号检测

doi:10.3778/j.issn.1002-8331.2009.34.042

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (34): 136-138.DOI: 10.3778/j.issn.1002-8331.2009.34.042

• 数据库、信号与信息处理 • 上一篇下一篇

混沌蚁群组合优化算法实现盲信号检测

于大为¹，闻春燕²，于舒娟²

1.苏州信息职业技术学院计算机与信息系，江苏苏州 215200
2.南京邮电大学电子科学与工程学院，南京 210003

收稿日期:2009-07-30 修回日期:2009-10-09 出版日期:2009-12-01 发布日期:2009-12-01
通讯作者: 于大为

Blind signals detection with chaos ant colony optimization algorithm

YU Da-wei¹，WEN Chun-yan²，YU Shu-juan²

1.Computer Department，Suzhou College of Information Technology，Suzhou，Jiangsu 215200，China
2.Institute of Electronic Science and Engineering，Nanjing University of Posts and Telecommunications，Nanjing 210003，China

Received:2009-07-30 Revised:2009-10-09 Online:2009-12-01 Published:2009-12-01
Contact: YU Da-wei

摘要/Abstract

摘要： 根据混沌映射的伪随机性、遍历性以及规律性等特点提出一种新的算法，基于混沌-蚁群组合优化盲检测算法，即在信息素初始化时采用混沌初始化，并且在信息素更新时加入混沌扰动。仿真实验分别采用了4种不同的混沌映射：经典的Logistic映射、两种阶数不同的切比雪夫映射和改进的H映射。仿真结果表明，提出的基于混沌蚁群组合优化盲检测算法（CACO）可以提高计算效率，表现出了优于文献算法的良好性能。

关键词: 蚁群算法, 盲检测, 盲均衡, 混沌蚁群组合优化

Abstract: According to the pseudo-random chaotic map，such as quasi-random and regularity the characteristics of the chaos algorithm，this paper gives a new algorithm，called chaos ant colony optimization algorithm，which is used to initialize pheromone chaotic initialization and updated when pheromone chaotic disturbance.Furthermore，the paper applies this new algorithm to blind identification.The simulations use four different chaotic mapping：The classic Logistic mapping；Chebyshev mapping and the improved H mapping.The simulation results show that the proposed algorithm which based on chaos-ant colony optimization-blind detection algorithm（CACO），increases computational efficiency，and is more superior to the literature to show the good performance of algorithm.

Key words: ant colony optimization, blind identification, blind equalization, chaos ant colony optimization

中图分类号:

TN911.23

于大为¹，闻春燕²，于舒娟². 混沌蚁群组合优化算法实现盲信号检测[J]. 计算机工程与应用, 2009, 45(34): 136-138.

YU Da-wei¹，WEN Chun-yan²，YU Shu-juan². Blind signals detection with chaos ant colony optimization algorithm[J]. Computer Engineering and Applications, 2009, 45(34): 136-138.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[14]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.
[15]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.

混沌蚁群组合优化算法实现盲信号检测

Blind signals detection with chaos ant colony optimization algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics