1.一种多果蝇群协同优化小波常模盲均衡方法，其特征在于，包括如下步骤：

步骤一、将发射信号a(k)经过信道脉冲响应h(k)后加入信道噪声n(k)，得到正交小波变换器的输入信号y(k)：y(k)＝a(k)h(k)+n(k)，其中，k为时间序列且为正整数；

步骤二、将步骤一所述的正交小波变换器的输入信号y(k)经正交小波变换器进行正交小波变换后，得正交小波变换器的输出信号R(k)：R(k)＝Qy(k)，其中，Q为正交小波变换矩阵；

步骤三、将步骤二所述的正交小波变换器的输出信号R(k)经过小波常模盲均衡方法HWTCMA处理后得到小波常模盲均衡器的输出信号z(k)：z(k)＝f(k)R(k)，其中f(k)为小波常模盲均衡方法WTCMA的权向量，上标H表示共轭转置；

步骤四、将步骤二所述的正交小波变换器输出信号R(k)作为多果蝇群协同优化方法的输入信号，以获得WTCMA的权向量f(k)的初始优化权向量fopt(0)，该多果蝇群协同优化方法以食物味道浓度为性能评价标准，将最低食物味道浓度称为最优食物味道浓度，将与最优食物味道浓度对应的位置向量作为最优解；N个果蝇群先各自搜索到各自种群的最优解，然后比较N个最优解的食物味道浓度，从N个果蝇群中找出全局最优解；用该全局最优解来指导各果蝇群的搜索过程，使N个果蝇群跟踪全局最优解并进行下一次搜索，再次获取N个果蝇群的当前全局最优食物味道浓度；当当前全局最优食物味道浓度不变时，则与之对应的位置向量就是N个果蝇群协同搜索得到的当前全局最优位置向量，将此全局最优位置向量作为小波常模盲均衡方法WTCMA的初始优化权向量；

步骤五、在步骤四获得初始优化权向量fopt(0)后，对小波常模盲均衡方法WTCMA的权向量f(k)进行更新；

对小波常模盲均衡方法WTCMA的权向量f(k)进行更新方法如下：

即

式中， 为发射信号a(k)的统计模值， 是一个正常数，E表

示数学期望 ；* 表示取共轭 ，μ为步 长，

diag表示对角矩阵； 表示对小波变换系数rI,K(k)的平

均功率估计， 表示尺度变换系数sI+1,K(k)的平均功率估计，其迭代公式为式中，β为平滑因子，且0＜β＜1，rI,K(k)是尺度参数为I，平移参数为K的小波变换系数，I、K均取正整数；sI+1,K(k)为小波分解的最大尺度为I+1，平移参数为K的尺度变换系数。

2.根据权利要求1所述的一种多果蝇群协同优化小波常模盲均衡方法，其特征在于，所述步骤四中获得WTCMA的权向量f(k)的初始优化权向量fopt(0)具体步骤如下：(401)果蝇群初始化：随机产生N个果蝇群，每个果蝇群包括M只果蝇个体；N个果蝇群的初始位置向量c＝(c1,c2…,cd,…,cD)，其中cd为N个果蝇群的第d维初始位置；第n个果蝇群的位置向量Cn＝(Cn1,Cn2…,Cnd,…,CnD)，其中Cnd为第n个果蝇群第d维位置；第n个果蝇群中第m只果蝇的位置向量Cnm＝(Cnm1,Cnm2,…,Cnmd,…,CnmD)，其中Cnmd为第n个果蝇群中第m只果蝇的第d维位置；n＝1,2,…,N，m＝1,2,…,M，d＝1,2,…,D，N、M、D为正整数，D为位置向量的维数；第n个果蝇群第m只果蝇的位置向量处的食物味道浓度记为S(Cnm)；

(402)确定食物味道浓度：第n个果蝇群中第m只果蝇的位置向量Cnm对应于小波常模盲均衡方法WTCMA的一个初始权向量f(0)，将WTCMA的代价函数作为第n个果蝇群第m只果蝇的位置向量处的食物味道浓度S(Cnm)，即有S(Cnm)＝JWTCMA(f(0))；

式中，JWTCMA(f(0))是由WTCMA的初始权向量f(0)确定的代价函数；

(403)在N个果蝇群中，获取每个果蝇群的位置向量：每个果蝇群的位置向量均按第n个果蝇群的位置向量更新公式同时进行更新，即Cn＝c+Vn；

式中，Vn＝(Vn1,Vn2,…,Vnd,…,VnD)为第n个果蝇群的步进向量，Vnd＝unrand(0,1)为区间[0,un]内的随机数，un为第n个果蝇群的步进因子；

(404)在N个果蝇群中，获取每个果蝇群中第m只果蝇的位置向量：每个果蝇群中第m只果蝇的位置向量，均按第n个果蝇群中第m只果蝇的位置向量更新公式同时进行更新，即Cnm＝Cn+Unm；

式中，Unm＝(Unm1,Unm2,…,Unmd,…,UnmD)为第n个果蝇群中第m只果蝇的步进向量，Unmd＝unmrand(0,1)为区间[0,unm]内的随机数，unm为第n个果蝇群中第m只果蝇的步进因子；

(405)采用比较法从N个果蝇群中获取搜索到最低食物味道浓度的果蝇群及其对应的位置向量，获取过程如下：首先获得第n个果蝇群中第m只果蝇个体的食物味道浓度Snm，即

Snm＝S(Cnm)；

比较第n个果蝇群中M个果蝇个体的食物味道浓度大小，将其中的最低食物味道浓度记为Sn-opt，且

式中， 表示从M个值中选取最小值；第n个果蝇群中最低食物味道浓度Sn-opt称为该果蝇群的最优食物味道浓度，与该果蝇群的最优食物味道浓度对应的果蝇个体称为该果蝇群的最优个体；该最优个体的位置向量Cn-opt称为该果蝇群的最优位置向量；

再次，从N个果蝇群的最优食物味道浓度中获取全局最低食物味道浓度Sopt，即

该全局最低食物味道浓度称为N个果蝇群的全局最优食物味道浓度，与N个果蝇群的全局最优食物味道浓度对应的位置向量Copt称为N个果蝇群的全局最优位置向量，并作为下一次N个果蝇群协同搜索时，N个果蝇群的初始位置向量，即c＝Copt；

(406)重复(403)到(405)的步骤，进行下一次的N个果蝇群协同搜索，再次获取N个果蝇群的当前全局最优食物味道浓度；当当前全局最优食物味道浓度不变时，则与之对应的位置向量就是N个果蝇群协同搜索得到的当前全局最优位置向量，将此当前全局最优位置向量作为小波常模盲均衡方法WTCMA的初始优化权向量fopt(0)。