基于列维飞行复形猴群算法的多模盲均衡算法

针对传统多模盲均衡算法(MMA)在最小化代价函数时采用梯度思想而导致的易陷入局部最优、收敛速度慢、收敛后稳态误差大等问题,提出一种基于列维飞行复形猴群算法的多模盲均衡算法。用具有优秀搜索路径的列维飞行模式来确定猴群算法中的爬步长,增强搜索随机性的同时有助于跳出局部最优,将复形法嵌入望跳过程加强局部搜索,提高了猴群算法的搜索效率和优化性能,结合MMA能提高信号均衡质量。仿真实验表明,新算法收敛速度更快,均方误差更低。