买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于皮尔逊相关系数的PSO判决反馈均衡器优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117061285B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310883531.9，技术领域涉及：H04L25/03；该发明授权基于皮尔逊相关系数的PSO判决反馈均衡器优化方法是由初秀琴;郭鑫鑫;黄禹豪;韦涛;陈俊妮;王君设计研发完成，并于2023-07-18向国家知识产权局提交的专利申请。

本基于皮尔逊相关系数的PSO判决反馈均衡器优化方法在说明书摘要公布了：本发明提出了一种基于皮尔逊相关系数的PSO判决反馈均衡器优化方法，主要解决现有技术在消除经过非线性高速链路传输后信号码元之间存在的码间干扰的问题。其实现方案是：在ADS软件中进行通道仿真，得到均衡前的脉冲响应波形和均衡前的输出响应波形并保存其文本；读取均衡前的脉冲响应文本确定其起点，从起点开始取长度为l的数据作为通道仿真的输入数据；将该数据输入到判决反馈均衡器中，利用改进的PSO算法对判决反馈均衡器抽头系数进行优化；利用优化后的反馈均衡器对接收端输入信号进行均衡，得到能代表高速信号传输质量的最坏眼图。仿真结果表明，本发明提高了均衡的效果，有效地减小了码间干扰，可用于高速链路接收端的信号均衡处理。

本发明授权基于皮尔逊相关系数的PSO判决反馈均衡器优化方法在权利要求书中公布了：1.一种基于皮尔逊相关系数的PSO判决反馈均衡器优化方法，其特征在于，包括如下步骤： 1生成均衡前的脉冲响应波形： 将接收端RX设置为未均衡的模式，设输入的PRBS码频率f及码长度m； 利用该码作为通道仿真的输入，采用bit-by-bit的方式进行通道仿真，得到均衡前的脉冲波形，并将该脉冲波形保存为一个均衡前的脉冲响应文本； 2生成均衡前的输出响应波形： 将接收端RX设置为取消判决反馈均衡的模式，设输入随机生成的PRBS码的频率f及长度n；利用该码作为通道仿真的输入，采用bit-by-bit的方式进行通道仿真，得到均衡前的输出响应波形，并将该脉冲波形保存为一个均衡前的输出响应文本； 3读取步骤1中均衡前的脉冲响应文本，并采用呼啦圈算法确定其起点，该起点即为步骤2中均衡前输出响应文本对应的波形的起点； 4读取步骤2中均衡前的输出响应文本，从步骤3中得到的起点开始取长度为l的数据，作为粒子群优化算法PSO的输入数据， 5基于粒子群优化算法PSO对判决反馈均衡器进行优化： 5a设置初始化粒子群算法的种群迭代次数Nstep，种群中个体的个数N，粒子位置的最大值xmax和最小值xmin，粒子速度的最大值vmax和最小值vmin，粒子的维度D，粒子更新的权重系数最大值ωmax和最小值ωmin，自学习因子和社会学习因子均匀分布的上限值分别是和 5b选取期望信号和均衡后信号之间的皮尔逊相关系数PLCC的归一化参数作为PSO优化函数的适应度函数，表示如下： 其中，xit+1为第t+1次迭代的第i个粒子的位置， 表示均衡后的信号和期望信号之间的皮尔逊相关系数PLCC，y为经过均衡后的信号，为y的均值，yd为期望信号； 5c对每个粒子进行更新，得到更新后的粒子速度向量vit+1： 5c1将当前迭代中所有粒子与自身历史上的适应度函数比较，得到适应度函数较好的单个粒子最佳位置pit为：pit＝[pi,1t,pi,2t,…,pi,jt,…,pi,Dt]，其中，pi,jt为种群中第i个粒子第j维的位置值，j＝1,2,3,…,D； 5c2将种群中所有单个粒子的适应度函数相互比较，得出当前迭代中种群所有粒子的最佳个体，即全局极值gt； 5c3定义粒子多样性函数St：其中，多样性函数St表征了粒子的运动特性，fminxt和fmaxxt分别为当前迭代后种群所有粒子的最小和最大适应度，fxit为当前迭代后第i个粒子的适应度值； 5c4将多样性函数代入Logistic一维混沌映射，得到调节因子rt+1＝L-Strt1-rt，rt∈0,1，其中，rt+1为下一次迭代的调节因子，L为一个非负的常数，L≤4，rt表示当前迭代的调节因子； 5c5利用调节因子，计算种群中第i个粒子的速度向量的更新权重： 其中，t为当前迭代的次数，ωit为当前迭代后种群中第i个粒子的速度向量的更新权重； 5c6将更新后权重代入粒子的速度更新公式，得到当前第i个粒子的初步更新速度： vit+1＝ωitvit+c1ipit-xit+c2igt-xit； 其中，vit+1为第i个粒子的当前迭代初步更新后的速度向量，ωit为当前迭代的速度向量更新权重系数，vit为当前迭代的速度向量，c1i和c2i分别为种群中第i个粒子更新的自我学习因子和社会学习因子，且为非负的随机常数，pit为种群中每个个体的历史最优位置，gt为种群中的全局最优位置，xit为当前迭代的第i个粒子的位置； 5c7为避免速度更新超出边界值，在初步更新速度后引入惩罚项，得到最终更新后的速度向量如下： 5d根据粒子更新后的速度向量对种群所有粒子的位置进行更新，得到每个粒子的更新位置xit+1： 5d1利用更新后的速度向量vit+1初步更新粒子位置： xit+1＝xit+vit+1 其中，xit+1为当前迭代初步更新后的粒子位置； 5d2为避免初步更新位置超出边界值，在初步更新粒子位置后引入惩罚项，得到最终更新后的位置如下： 5e重复5b～5d的步骤，直到达到设置的最大迭代次数，得到所有粒子更新后的最终位置； 5f根据各个粒子适应度函数fxt的大小，选取所有粒子的最优位置gt作为判决反馈均衡器的最佳抽头系数，得到优化后的反馈均衡器； 5f1利用适应度函数fxt，计算各个粒子的适应度； 5f2从所有粒子的位置pt＝[p1t,p2t,…,pNt]中，挑出一个对应的适应度函数最小的位置，得到D维的矩阵gt，即为所有粒子的最优位置； 5f3将gt中每一维的数值作为判决反馈均衡器的抽头系数； 6利用优化后的反馈均衡器对接收端RX的信号进行均衡，得到能代表高速信号传输质量的最坏眼图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。