1.一种模因方法优化的多模盲均衡方法，其特征在于，包括以下步骤：

1)将发射信号s(k)经过脉冲响应信道h(k)后加入信道噪声n(k)，得到盲均衡器输入时域信号x(k)：x(k)＝s(k)h(k)+n(k)，

其中，k为整数且表示时间序列；

2)将步骤1)得到的盲均衡器输入时域信号x(k)经过盲均衡器得到输出信号z(k)：z(k)＝w(k)x(k)，

*

其中，w(k)为盲均衡器的权向量，其更新公式为w(k+1)＝w(k)-μe(k)x (k)，w(k)的初始化权向量w(0)根据模因方法优化获取；e(k)为误差信号；μ为w(k)的迭代步长，是实数，0≤μ＜1；x*(k)为x(k)的共轭；

初始化权向量w(0)由模因方法优化获取，具体步骤为：

2.1)确定参数

确定种群总数N，二进制位数S，最大迭代次数G，交叉概率Pc，变异概率Pm，其中，N为偶数；当前迭代次数为T；

2.2)种群初始化

随机产生初始种群，包含N个个体，记作X＝[X1,X2,…,XN]；其中每个个体均满足Xmin≤Xi≤Xmax，Xmin和Xmax为设定的Xi取值的上下限，1≤i≤N；当前迭代次数初值T＝0；

2.3)确定适应度函数

模因方法的适应度函数为多模盲均衡方法代价函数的倒数，即其中，fitness(Xi)为模因方法的适应度函数，JMMA(Xi)为多模盲均衡方法的代价函数；

2.4)编码

对初始种群中的每个个体中的每一位元素进行二进制编码，编码长度为S，并将每一位元素的二进制码按原有顺序连接起来组成一组长度为L×S的二进制码，L为每个个体中的元素个数，编码后的种群为编码种群Y＝[Y1,Y2,…,YN]，其中Yi表示对于Xi的编码；

2.5)交叉操作

将编码种群Y中所有个体两两配对，对所配对的个体进行交叉判断；将每次进行交叉判断的一组父体分别记作Ya和Yb，a、b∈[1,…N]且a≠b，同时随机产生一个(0,1)之间的随机数ε，用于判断随机选取的该组父体是否进行交叉操作，若ε小于该组父体的交叉概率Pc，则该组父体进行交叉操作产生两个新个体，分别为Ya′和Yb′并保存；否则，不进行交叉操作，舍弃不进行交叉操作的该组父体；直至所有配对个体处理完成；

2.6)变异操作

对编码种群Y中所有个体依次进行变异判断；将每次进行变异判断的个体记作Yc，同时随机产生一个(0,1)之间的随机数σ，用于判断该个体是否进行变异操作；若σ小于该个体变异概率Pm，则对该个体进行变异操作产生一个新个体Yc′并保存；否则不进行变异操作，舍弃不进行交叉操作的该个体；直至所有个体处理完成；

2.7)合并种群

将经过2.5)交叉操作和2.6)变异操作后产生的新个体与步骤2.4)中编码种群Y合并构成当前种群Z，Z＝[Z1,Z2,…,ZN+χ]，其中，N+χ为当前种群中个体的总数，χ为编码种群Y经过交叉、变异操作后产生的新个体数，χ为非负整数；

2.8)解码并计算适应度值

对当前种群Z中的N+χ个个体进行解码，并根据步骤2.3)中的公式计算当前种群Z中所有个体的适应度值；

2.9)选择

使用轮盘赌方法从当前种群Z中选取N个个体继续进化，而未被选中的的个体则被舍弃；被选中的N个个体，按照被选中的先后依次记为X′1,X'2,…,X'N；

2.10)局部搜索

对步骤2.9)选中的N个个体进行局部搜索，具体为：对第i个体X′i个体，以多模盲均衡方法的代价函数JMMA(X′i)为约束条件，在X′i的邻域内搜索新个体使JMMA(X′i)为极小值，将JMMA(X′i)为极小值时的新个体作为下一次迭代中的初始个体Xi，从而得到下一次迭代的初始种群X；

2.11)判断终止条件

从步骤2.4)到步骤2.10)完成一次迭代过程，T＝T+1；判断当前迭代次数T是否达到最大迭代次数G，若未达到，则返回至步骤2.4.)；否则结束迭代，输出最优个体，并将其作为盲均衡器的初始化权向量。

2.根据权利要求1所述的一种模因方法优化的多模盲均衡方法，其特征在于，步骤2.5)中进行交叉操作产生的两个新个体的计算公式为Y′a＝ω1Ya+(1-ω1)Yb

Y′b＝ω2Yb+(1-ω2)Ya

式中，Y′a和Y′b分别为Ya和Yb进行交叉操作产生的两个新个体，ω1和ω2为(0,1)上两个不相关的随机数。

3.根据权利要求1所述的一种模因方法优化的多模盲均衡方法，其特征在于，步骤2.6)中进行变异操作产生的一个新个体的计算公式为其中，Y′c为Yc进行变异操作产生的新个体；gt为种群进化标识，gt＝t/G，t为当前种群的进化代数，G为种群的最大迭代次数；rand为[0,1]上的随机数；sign随机选取0或1；Ymin和Ymax分别为Xmin和Xmax的二进制编码序列。

4.根据权利要求1所述的一种模因方法优化的多模盲均衡方法，其特征在于，步骤2.9)中，在选择过程中，第j个个体被选择的概率定义为式中，fitness(Zj)为当前种群Z中第j个个体的适应度值。