基于粒子群优化的有限反馈干扰对齐码本设计

大尺寸码本设计是有限反馈干扰对齐面临的关键问题之一,最优矢量量化码本设计问题可以等价为格拉斯曼线性装箱问题,只在某些特定条件下才存在解析解,通常采用计算机搜索或者信源编码中矢量量化算法求解,计算复杂度高,不利于大尺寸码本设计。从降低大尺寸码本设计计算复杂度出发,该文提出一种基于加速全面学习粒子群优化的码本设计算法。在全面学习粒子群优化算法实现简单,对非线性问题,特别是多峰值问题具有较强全局搜索能力的基础上,通过向最优粒子学习提高算法初期收敛速度,通过最大运动速度缩减提高算法后期收敛速度和算法性能。试验结果表明,无论是相对于经典粒子群优化算法和全面学习粒子群优化算法,还是相对于广义Lloyd算法,新算法均能在降低算法复杂度的同时提高算法性能。