專利名稱：：基于m-精英進(jìn)化算法的垂直分層空時(shí)信號(hào)檢測(cè)方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于通信
技術(shù)領(lǐng)域：
，具體涉及垂直分層空時(shí)V-BLAST信號(hào)檢測(cè)方法，該方法可用于第四代移動(dòng)通信的信號(hào)檢測(cè)。
背景技術(shù)：
：為了提高系統(tǒng)容量，第四代的無(wú)線寬帶移動(dòng)通信系統(tǒng)將會(huì)采用多輸入多輸出MIMO技術(shù)，即在基站端放置多個(gè)天線，在移動(dòng)臺(tái)也放置多個(gè)天線，基站和移動(dòng)臺(tái)之間形成M頂0通信鏈路。MIM0技術(shù)已經(jīng)成為無(wú)線通信領(lǐng)域的關(guān)鍵技術(shù)之一。隨著使用天線數(shù)目的增加，MIM0技術(shù)實(shí)現(xiàn)的復(fù)雜度大幅度增高，從而限制了天線的使用數(shù)目，不能充分發(fā)揮MIMO技術(shù)的優(yōu)勢(shì)。目前，如何在保證一定的系統(tǒng)性能的基礎(chǔ)上降低M頂0技術(shù)的算法復(fù)雜度和實(shí)現(xiàn)復(fù)雜度，成為業(yè)界面對(duì)的巨大挑戰(zhàn)。在M頂O系統(tǒng)的研究中，貝爾實(shí)驗(yàn)室垂直分層空時(shí)V-BLAST系統(tǒng)因能有效提高頻譜效率且易于實(shí)現(xiàn)而備受關(guān)注，進(jìn)而V-BLAST檢測(cè)方法也成為了研究熱點(diǎn)。圖l給出了V-BLAST系統(tǒng)的原理框圖。信號(hào)源比特流經(jīng)串并變換成為r路子比特流，每一路子比特流映射為調(diào)制符號(hào)并由其對(duì)應(yīng)的發(fā)射機(jī)發(fā)射出去。發(fā)射機(jī)以相同的符號(hào)速率發(fā)射符號(hào)，并且其間是符號(hào)同步的。接收端是由w個(gè)天線組成，每根天線都會(huì)接收來(lái)自r個(gè)發(fā)射天線的信號(hào)。假設(shè)信道為平坦的準(zhǔn)靜態(tài)瑞利衰落信道，即在每一幀丄個(gè)符號(hào)的時(shí)間內(nèi)，信道保持不變。在幀與幀之間，信道是變化的。信道矩陣記為f=(、)m，其元素、，"i，2,…，/，j、i,2，…，r為復(fù)矩陣元素，表示第y根發(fā)射天線到第/根接收天線的信道轉(zhuǎn)移特性，在散射非常豐富的傳播環(huán)境中，^可以認(rèn)為服從相互獨(dú)立的復(fù)高斯分布。假設(shè)接收端可以通過(guò)訓(xùn)練序列來(lái)精確地估計(jì)信道。則接收端接收到信號(hào)的等效基帶形式可以表示為"歷+，其中，s為rxl維的發(fā)送數(shù)據(jù)信號(hào)；/"為相應(yīng)的ixl維接收信號(hào)；"為加性高斯白噪聲矢量，滿足E(""h)-iV。/，/為單位矩陣。V-BLAST檢測(cè)方法所要解決的問(wèn)題就是如何從接收信號(hào)中檢測(cè)出發(fā)送的信號(hào)。傳統(tǒng)的V-BLAST檢測(cè)方法主要包括最大似然檢測(cè)方法ML，單純迫零法ZF，最小均方誤差法麗SE，連續(xù)干擾抵消方法SIC，以及改進(jìn)的排序連續(xù)干擾抵消方法OSIC，該OSIC方法根據(jù)采用準(zhǔn)則的不同又可分為ZF-0SIC方法和畫SE-0SIC方法，ZF-0SIC方法也叫Golden方法。ML檢測(cè)方法就是對(duì)發(fā)送信號(hào)s所有可能的解進(jìn)行遍歷搜索，使估計(jì)信號(hào)滿足"argm戶(lk-歷J2)。該方法在檢測(cè)性能上是最優(yōu)的，但由于要遍歷解空間，其^算復(fù)雜度隨著天線數(shù)及調(diào)制階數(shù)的增加呈指數(shù)級(jí)增長(zhǎng)，對(duì)于要求高實(shí)時(shí)性的通信系統(tǒng)而言很難實(shí)用。ZF和醒SE方法屬于線性檢測(cè)方法，其實(shí)質(zhì)是基于信道矩陣求逆的方法，性能損失較大，且為了使信道矩陣求逆有唯一解，就必須要求接收天線的數(shù)目大于或等于發(fā)送天線的數(shù)目。SIC方法可以看作是線性檢測(cè)方法的改進(jìn)，是在線性檢測(cè)方法的基礎(chǔ)上增加了判決反饋的過(guò)程。SIC方法首先從接收向量中檢測(cè)出某一天線發(fā)送數(shù)據(jù)的對(duì)應(yīng)分量，再?gòu)慕邮障蛄恐邢テ溆绊?，然后繼續(xù)依次檢測(cè)剩余的分量。每個(gè)分量被檢測(cè)出后，又被用于消除其對(duì)剩下信號(hào)的影響。SIC存在錯(cuò)誤傳播的問(wèn)題。0SIC是對(duì)SIC的進(jìn)一步改進(jìn)，為了降低錯(cuò)誤傳播的影響，而采用一種排序的連續(xù)干擾抵消檢測(cè)方法，即每次檢測(cè)錯(cuò)誤概率最小的信號(hào)，然后進(jìn)行千擾抵消。其復(fù)雜度較ML有顯著下降，但由于需要多次求偽逆，OSIC方法的復(fù)雜度還是很高，約為"r4)，其中r是指發(fā)射天線的數(shù)目。從以上各種傳統(tǒng)檢測(cè)方法的介紹可以看到，檢測(cè)性能好的方法其計(jì)算復(fù)雜度高，而計(jì)算復(fù)雜度低的方法其性能損失又比較大。如何在計(jì)算復(fù)雜度和檢測(cè)性能之間取得好的折衷仍然是研究的熱點(diǎn)，而將人工智能技術(shù)應(yīng)用于V-BLAST檢測(cè)，則有望在兩者間取得一種較好的折衷方案。
發(fā)明內(nèi)容本發(fā)明的目的在于克服已有技術(shù)檢測(cè)性能與運(yùn)算復(fù)雜度難以兼顧的矛盾，提出一種基于M-精英進(jìn)化算法的V-BLAST信號(hào)檢測(cè)方法，以提高檢測(cè)性能，并降低運(yùn)算復(fù)雜度。為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)思路是將基于最大似然方法的V-BLAST信號(hào)檢測(cè)問(wèn)題看作組合優(yōu)化問(wèn)題，提出一種M-精英進(jìn)化算法，并用其搜索使似然函數(shù)最小化的序列組合作為檢測(cè)信號(hào)，利用M-精英進(jìn)化算法快速的全局收斂性，搜索問(wèn)題的最優(yōu)解，逼近最大似然檢測(cè)方法的性能。本發(fā)明的技術(shù)方案包括如下步驟(1)接收端接收列信號(hào)^歷+"，其中y為rxi維的發(fā)射端的發(fā)送數(shù)據(jù)，H為信道轉(zhuǎn)移矩陣，W為噪聲；(2)設(shè)定檢測(cè)終止條件，給定運(yùn)行參數(shù)，隨機(jī)產(chǎn)生初始種群，利用適應(yīng)度函數(shù)/W"/(l+lk-^^)計(jì)算種群適應(yīng)度，其中6作為種群中的一個(gè)個(gè)體，是發(fā)射列信號(hào)的一種排列組合；(3)根據(jù)種群適應(yīng)度對(duì)初始種群排序，并將整個(gè)種群劃分為精英種群及普通種群；(4)根據(jù)設(shè)定的終止條件確定檢測(cè)信號(hào)輸出，如果滿足終止條件則結(jié)束對(duì)當(dāng)前列信號(hào)的檢測(cè)，并將當(dāng)前種群中適應(yīng)度最大的個(gè)體纟(TX1維)作為檢測(cè)信號(hào)輸出，執(zhí)行步驟(7)，否則執(zhí)行第(5)步；(5)依次從精英種群中選出一個(gè)個(gè)體，并為其在普通種群中隨機(jī)選擇一個(gè)配偶，作為兩個(gè)父代個(gè)體，利用交叉算子或變異算子產(chǎn)生父代個(gè)體的兩個(gè)子代個(gè)體，形成發(fā)射列信號(hào)的兩種新的排列組合6'及//'，并計(jì)算其適應(yīng)度；(6)利用兩個(gè)子代個(gè)體對(duì)兩個(gè)父代個(gè)體進(jìn)行更新操作，返回步驟(4);(7)如果沒(méi)有其他信號(hào)等待檢測(cè)則結(jié)束檢測(cè)，否則返回步驟(1)繼續(xù)對(duì)下一列接收信號(hào)進(jìn)行檢測(cè)。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)1、計(jì)算復(fù)雜度低傳統(tǒng)的最大似然檢測(cè)方法是一個(gè)具有7VP復(fù)雜度的組合優(yōu)化問(wèn)題，當(dāng)采用r根發(fā)射天線時(shí)，則該方法的搜索空間的維數(shù)是r，若采用BPSK調(diào)帝lj，可能解的個(gè)數(shù)是2:由于傳統(tǒng)的最大似然檢測(cè)方法是通過(guò)遍歷解空間獲得最優(yōu)解，因而對(duì)于給定的數(shù)據(jù)幀長(zhǎng)度，計(jì)算復(fù)雜度為o(27)，即選擇最佳的解需要"2^)次的運(yùn)算，因此，最大似然檢測(cè)方法隨著天線數(shù)7的增加呈指數(shù)增長(zhǎng)。傳統(tǒng)的0SIC方法雖然較最大似然檢測(cè)方法有顯著的下降，但由于要多次求偽逆，該方法的總的復(fù)雜度還是很高的，約為"r4)。本發(fā)明的信號(hào)檢測(cè)方法由于采用了模擬生物進(jìn)化過(guò)程并且具有智能性和并行性的進(jìn)化算法，使用較好的策略產(chǎn)生子代并使用更好的更新方式以加快算法收斂，使算法可以在較少的迭代次數(shù)內(nèi)找出最優(yōu)解，其復(fù)雜度可以降低至o(r2)。本發(fā)明中信號(hào)檢測(cè)方法的計(jì)算復(fù)雜度具體分析如下設(shè)檢測(cè)方法中的種群規(guī)模為w，最大迭代代數(shù)為G，則檢測(cè)每一信息比特的計(jì)算復(fù)雜度為o(M)。7V和G的取值與發(fā)射天線數(shù)目r的大小有很大關(guān)系，搜索空間越大，要獲得好的檢測(cè)效果，W和G就應(yīng)該越大，當(dāng)調(diào)制階數(shù)尸一定時(shí)，通常取A^"r，G-6r，其中"和6是常數(shù)。由此可知，用于基于M-精英進(jìn)化算法的信號(hào)檢測(cè)方法的計(jì)算復(fù)雜度為o(r2)，明顯低于最大似然檢測(cè)方法的計(jì)算復(fù)雜度o(2^。2、具有理論收斂性本發(fā)明的信號(hào)檢測(cè)方法所使用的M-精英進(jìn)化算法采用的更新方式實(shí)際上屬于父代子代競(jìng)爭(zhēng)的方式，其余操作與一般遺傳算法基本相似。徐宗本等運(yùn)用鞅收斂定理證明允許父代種群參與競(jìng)爭(zhēng)型遺傳算法能以概率1確保在有限步內(nèi)達(dá)到全局最優(yōu)解，且收斂與種群規(guī)模無(wú)關(guān)。此項(xiàng)證明為該算法的收斂性提供了可靠的理論依據(jù)。3、仿真實(shí)驗(yàn)性能好，檢測(cè)方法優(yōu)越仿真實(shí)驗(yàn)表明，本發(fā)明與最大似然檢測(cè)方法相比明顯降低了復(fù)雜度，與傳統(tǒng)的醒SE-0SIC方法和Golden方法以及基于標(biāo)準(zhǔn)遺傳算法的檢測(cè)方法和基于克隆選擇算法的檢測(cè)方法相比，具有更高的檢測(cè)精度。圖1是現(xiàn)有的V-BLAST系統(tǒng)原理框圖；圖2是本發(fā)明的流程框圖3是在收發(fā)天線數(shù)均為8，最大迭代代數(shù)為25，種群規(guī)模為20時(shí)不同方法的誤碼率檢測(cè)結(jié)果比較圖；圖4是收發(fā)天線數(shù)均為10，最大迭代代數(shù)為50，種群規(guī)模為20時(shí)不同方法的誤碼率檢測(cè)結(jié)果比較圖5是收發(fā)天線數(shù)均為12，最大迭代代數(shù)為50，種群規(guī)模為20時(shí)不同方法的誤碼率檢測(cè)結(jié)果比較圖6是收發(fā)天線數(shù)均為12，最大迭代代數(shù)為50，種群規(guī)模為40時(shí)不同方法的誤碼率檢測(cè)結(jié)果比較圖7是本發(fā)明方法與最大似然方法檢測(cè)時(shí)間隨天線數(shù)目變化比較圖。具體實(shí)施例方式針對(duì)V-BLAST信號(hào)檢測(cè)的具體問(wèn)題，本發(fā)明基于M-精英進(jìn)化算法的信號(hào)檢測(cè)方法在圖1所示的現(xiàn)有的V-BLAST系統(tǒng)中進(jìn)行，該系統(tǒng)的發(fā)射天線數(shù)為r，接收天線數(shù)為/，采用BPSK調(diào)制。設(shè)傳輸數(shù)據(jù)幀長(zhǎng)為丄，每一數(shù)據(jù)突發(fā)所發(fā)送的比特矩陣的維數(shù)為rxZ，定義該矩陣為B=U6,(DA(2),…f)];…;[W),^)，…^"B，e{-1,1}，因此每一時(shí)刻發(fā)射天線所發(fā)送的數(shù)據(jù)的解空間的維數(shù)為。將該V-BLAST系統(tǒng)的信號(hào)檢測(cè)問(wèn)題抽象為以矩陣S的各列向量6為變量的組合優(yōu)化問(wèn)題(尸)maX{/(6):6e/}。由于解向量6是一個(gè)取值為+l或-1的二進(jìn)制序列，所以不需要對(duì)此問(wèn)題進(jìn)行編碼。集/稱為染色體空間，/稱為適應(yīng)度函數(shù)。染色體種群空間為<formula>formulaseeoriginaldocumentpage9</formula>其中，正整數(shù)W稱為染色體種群規(guī)模。參照?qǐng)D2，本發(fā)明的具體實(shí)現(xiàn)步驟如下步驟l，接收列信號(hào)。接收端接收列信號(hào)r=Hs+，其中s為Tx1維的發(fā)射端的發(fā)送數(shù)據(jù)<formula>formulaseeoriginaldocumentpage9</formula>為信道轉(zhuǎn)移矩陣，r表示發(fā)射天線數(shù)目，y表示接收天線數(shù)目，<formula>formulaseeoriginaldocumentpage9</formula>為復(fù)矩陣元素，表示第y'根發(fā)射天線到第i根接收天線的信道轉(zhuǎn)移特性，在散射非常豐富的傳播環(huán)境中，/^服從相互獨(dú)立的復(fù)高斯分布；"為加性高斯白噪聲矢量，滿足￡("""=^。/，/為單位矩陣；r為相應(yīng)的/xl維接收信號(hào)。步驟2，設(shè)定檢測(cè)終止條件，給定運(yùn)行參數(shù)，隨機(jī)產(chǎn)生初始種群。采用限定迭代次數(shù)設(shè)定檢測(cè)終止條件，即依據(jù)仿真經(jīng)驗(yàn)，根據(jù)發(fā)射天線數(shù)目設(shè)定所需要的最大迭代次數(shù)，將該最大迭代次數(shù)作為檢測(cè)終止條件；給定運(yùn)行參數(shù)，包括種群規(guī)模w、交叉概率A、變異位數(shù)；隨機(jī)產(chǎn)生初始種群，即根據(jù)發(fā)射天線數(shù)目r以及種群規(guī)模w，產(chǎn)生隨機(jī)的^vxr維矩陣，矩陣元素為i或-i，初始種群可表示為fi(0卜^(0)A(0),…,^(0"，其中6,<0)，/=1,2,...，見(jiàn)作為初始種群中的一個(gè)個(gè)體，是發(fā)射列信號(hào)的一種排列組合，則初始種群5(0)總共列出了發(fā)射列信號(hào)的iV種排列組合。步驟3，計(jì)算種群適應(yīng)度。為了搜索使似然函數(shù)最小化的序列組合，構(gòu)造適應(yīng)度函數(shù)/(6)=l/(l+|k-別||2)，其中〃^/^)M為信道轉(zhuǎn)移矩陣；r為hl維接收信號(hào)向量；6表示個(gè)體對(duì)應(yīng)的rxl維的數(shù)據(jù)比特向量，是發(fā)射列信號(hào)的一種排列組合，適應(yīng)度值越大，表示對(duì)應(yīng)的數(shù)據(jù)比特向量6越接近于發(fā)送信號(hào)。利用該適應(yīng)度函數(shù)對(duì)初始種群中所有個(gè)體進(jìn)行適應(yīng)度評(píng)價(jià)。步驟4，根據(jù)種群適應(yīng)度對(duì)初始種群排序，并將整個(gè)種群劃分為精英種群及普通種群。將初始種群按適應(yīng)度由高到低排序，取適應(yīng)度最大的前M個(gè)個(gè)體組成精英種群，其余W-M個(gè)個(gè)體作為普通種群。M通常取為「(W-Z)/21，其中'「xl'表示對(duì)x取整，W是指種群規(guī)模，Z表示非負(fù)整數(shù)，實(shí)際仿真中，Z取為2。步驟5，根據(jù)設(shè)定的終止條件確定檢測(cè)信號(hào)輸出，如果滿足終止條件則結(jié)束對(duì)當(dāng)前列信號(hào)的檢測(cè)，并將當(dāng)前種群中適應(yīng)度最大的個(gè)體S(TX1維)作為檢測(cè)信號(hào)輸出，執(zhí)行步驟8，否則執(zhí)行步驟6。步驟6，產(chǎn)生子代個(gè)體。依次從精英種群中選出一個(gè)個(gè)體，并為其在普通種群中隨機(jī)選擇一個(gè)配偶，作為兩個(gè)父代個(gè)體，利用交叉算子或變異算子產(chǎn)生父代個(gè)體的兩個(gè)子代個(gè)體，形成發(fā)射列信號(hào)的兩種新的排列組合6'及&'，并計(jì)算其適應(yīng)度。其中，交叉算子包含遺傳算法常用到的兩點(diǎn)交叉和均勻交叉，兩父代等概率地進(jìn)行兩點(diǎn)交叉或均勻交叉，產(chǎn)生兩個(gè)子代；其中，變異算子采用常用的以變異概率進(jìn)行均勻變異的方式，將變異操作中需要變異的染色體的位數(shù)記為，則在變異算子中對(duì)染色體中的位進(jìn)行變異，以此方式分別對(duì)兩父代進(jìn)行變異，產(chǎn)生兩個(gè)子代。交叉算子和變異算子并行于不同分支中，即以一定概率A進(jìn)行交叉，否則進(jìn)行變異；然后利用適應(yīng)度函數(shù)=1《1+lk-」附||2)計(jì)算子代個(gè)體的適應(yīng)度。步驟7，利用兩個(gè)子代個(gè)體對(duì)兩個(gè)父代個(gè)體進(jìn)行更新操作，按如下步驟進(jìn)行(7.1)精英種群中的每個(gè)精英個(gè)體依次從普通種群中隨機(jī)選擇一個(gè)配偶pw,C，利用交叉算子或變異算子產(chǎn)生的兩個(gè)子代設(shè)為cMrf,禾口c/i,7rf2，設(shè)F""ew(c/n7rf,)2F""e^(c/i//rf2)，其中Fz'加e^(x)是指對(duì)x求適應(yīng)度，則由c/7rf7更新來(lái)自精英種群的的父代個(gè)體;nm^Z:j仰wm(cA/似j)^/7/"e^(戸iwi^1)(7.2)判斷d/W,是否替代了其父代個(gè)體/H^"&，若c/i/W,未能替代/uhwi化，則用￡^7</;代替￡^7</2，否貝U，￡^/似2保持不變；(7.3)由cM^更新來(lái)自普通種群的父代個(gè)體/7flmi其中C/(",6)表示區(qū)間("》)內(nèi)的一個(gè)均勻分布的隨機(jī)數(shù)產(chǎn)生器。返回步驟5;步驟8，如果沒(méi)有其他信號(hào)等待檢測(cè)則結(jié)束檢測(cè)，否則返回步驟l繼續(xù)對(duì)下一列接收信號(hào)進(jìn)行檢測(cè)。本發(fā)明的檢測(cè)效果，可通過(guò)如下仿真試驗(yàn)進(jìn)行驗(yàn)證對(duì)比方法介紹為了驗(yàn)證本發(fā)明的信號(hào)檢測(cè)方法的優(yōu)越性，仿真中將本發(fā)明的基于M-精英進(jìn)化算法的信號(hào)檢測(cè)方法與傳統(tǒng)的性能最優(yōu)但復(fù)雜度最高的最大似然檢測(cè)方法、傳統(tǒng)方法中性能相對(duì)優(yōu)良的腿SE-0SIC方法和Golden方法、基于標(biāo)準(zhǔn)遺傳算法的檢測(cè)方法以及基于克隆選擇算法的檢測(cè)方法進(jìn)行對(duì)比。以下用MEA表示本發(fā)明的基于M-精英進(jìn)化算法的信號(hào)檢測(cè)方法；用ML表示最大似然檢測(cè)方法；用MMSE-OSIC表示MMSE-OSIC方法；用Golden表示Golden方法；用GA表示基于標(biāo)準(zhǔn)遺傳算法的檢測(cè)方法；用CA表示基于克隆選擇算法的檢測(cè)方法。仿真系統(tǒng)參數(shù)設(shè)置采用BPSK調(diào)制，信道為平坦的準(zhǔn)靜態(tài)瑞利衰落信道，假設(shè)信道估計(jì)是精確的，噪聲是均值為0，獨(dú)立同分布的加性高斯白噪聲。考慮到ML檢測(cè)器的復(fù)雜度，設(shè)幀長(zhǎng)50，發(fā)送幀數(shù)IOO。為有效驗(yàn)證當(dāng)搜索空間較大時(shí)基于M-精英進(jìn)化算法的信號(hào)檢測(cè)方法的性能，在收發(fā)天線數(shù)相等且分別等于8、10和12幾種情況下，仿真了各檢測(cè)器的誤碼率性能。以下各實(shí)驗(yàn)均將最大迭代代數(shù)G作為標(biāo)準(zhǔn)遺傳算法，克隆選擇及M-精英進(jìn)化算法的終止條件。以下所有實(shí)驗(yàn)結(jié)果都是10次獨(dú)立運(yùn)行的平均結(jié)果.不同仿真條件下的仿真內(nèi)容(1)收發(fā)天線數(shù)均為8,最大迭代代數(shù)為25，種群規(guī)模為20時(shí)的檢測(cè)性能比較設(shè)收發(fā)天線數(shù)目均為8個(gè)，最大迭代代數(shù)G均設(shè)為25代，MEA和GA的種群規(guī)模iV取20，MEA的M=「(W—Z)/2，，其中Z=2，交叉概率A取0.6，變異位數(shù)"取1，即GA的變異概率為l/r，MEA的變異概率為(l-0.6)xl/r，CA的抗體種群規(guī)模為4，克隆規(guī)模為4，故CA等效的種群規(guī)模也為20，克隆死亡概率為50%，克隆變異概率也取為l/r。MEA、ML、MMSE-0SIC、Golden、GA以及CA的平均誤碼率隨信噪比變化的性能比較如圖3所示。(2)收發(fā)天線數(shù)均為10，最大迭代代數(shù)為50，種群規(guī)模為20時(shí)的檢測(cè)性能比較設(shè)收發(fā)天線數(shù)目均為10個(gè)，最大迭代代數(shù)G均增加到50代，其余參數(shù)保持不變，MEA、ML、MMSE-0SIC、Golden、GA以及CA的平均誤碼率隨信噪比變化的性能比較如圖4所示。(3)收發(fā)天線數(shù)均為12，最大迭代代數(shù)為50，種群規(guī)模為20時(shí)的檢測(cè)性能比較設(shè)收發(fā)天線數(shù)目均為12個(gè)，所有參數(shù)均和上一實(shí)驗(yàn)的設(shè)置一樣，MEA、ML、麗SE-0SIC、Golden、GA以及CA的平均誤碼率隨信噪比變化的性能比較如圖5所示。(4)收發(fā)天線數(shù)均為12，最大迭代代數(shù)為50，種群規(guī)模為40時(shí)的檢測(cè)性能比較在收發(fā)天線數(shù)仍為12的情況下，將MEA及GA的種群規(guī)模iV增大到40，CA的等效種群規(guī)模也調(diào)整為40,其他參數(shù)設(shè)置仍保持不變，MEA、ML、畫SE-0SIC、Golden、GA以及CA的平均誤碼率隨信噪比變化的性能比較如圖6所示。(3)MEA與ML檢測(cè)時(shí)間的比較設(shè)定收發(fā)天線數(shù)目相等，比較當(dāng)發(fā)射天線數(shù)目r以步長(zhǎng)2從2增加至18時(shí)，使用MEA及ML檢測(cè)數(shù)據(jù)幀長(zhǎng)為1的數(shù)據(jù)所需的時(shí)間，考慮到ML的復(fù)雜度，當(dāng)r-18時(shí)，進(jìn)行了10次仿真，其余情況均進(jìn)行了1000次仿真。MEA根據(jù)天線數(shù)目r的不同，選擇了適當(dāng)?shù)姆N群規(guī)模iV和最大迭代次數(shù)G，以使MEA能夠逼近ML的誤碼率性能。MEA與ML的檢測(cè)時(shí)間及誤碼率結(jié)果如表1所示。表1<table>tableseeoriginaldocumentpage14</column></row><table>從表1可以看到，通過(guò)選擇合適的參數(shù)，本發(fā)明的MEA方法可以達(dá)到與ML方法相當(dāng)?shù)臋z測(cè)精度，而MEA的檢測(cè)時(shí)間從總體上看要小于ML方法的檢測(cè)時(shí)間。為直觀顯示兩種方法隨發(fā)射天線數(shù)目增加而變化的趨勢(shì)，圖7根據(jù)表1給出的兩種方法的檢測(cè)時(shí)間繪出了MEA和ML的檢測(cè)時(shí)間隨發(fā)射天線T變化的曲線。為了與理論復(fù)雜度的變化趨勢(shì)進(jìn)行對(duì)比，設(shè)/'(r)=r2/iooo,/2(:r)=27'/iooo，圖7也繪出了力(r)，/2(7')的曲線。MEA與ML的檢測(cè)時(shí)間隨天線數(shù)目變化的比較結(jié)果如圖7所示。仿真實(shí)驗(yàn)結(jié)果分析圖3至圖6為在不同條件下各檢測(cè)方法的誤碼率隨信噪比變化的曲線，當(dāng)信噪比相同時(shí)，誤碼率越低說(shuō)明相應(yīng)的檢測(cè)器性能越好，從整體上看，誤碼率曲線位置越靠下說(shuō)明相應(yīng)的檢測(cè)器性能越好。從圖3可以看到，ML檢測(cè)器的誤碼率最小，其最小值低于10—4，MEA檢測(cè)器的誤碼率次之，最小值介于10—4和10—3之間，其他幾種檢測(cè)器的誤碼率都較高，要遠(yuǎn)遠(yuǎn)高于10—3。從以上結(jié)果可以看出本發(fā)明檢測(cè)器的性能大大優(yōu)于兩類經(jīng)典的次優(yōu)檢測(cè)器，同樣也優(yōu)于基于GA和CA的方法，能最好地逼近ML檢測(cè)器的誤碼率性能。從圖4可以看出，當(dāng)收發(fā)天線數(shù)目增加時(shí)，ML檢測(cè)器的檢測(cè)精度提高了，而隨著搜索空間的增大，為保持相應(yīng)的檢測(cè)精度，進(jìn)化算法需要適當(dāng)增大運(yùn)算量。MEA檢測(cè)器在增加了迭代代數(shù)后，檢測(cè)性能也略有增加，且仍然比其他方法更接近ML檢測(cè)器的誤碼率性能。從圖5可以看出，當(dāng)收發(fā)天線數(shù)目進(jìn)一步增加時(shí)，ML檢測(cè)器的檢測(cè)精度進(jìn)一步提高。由于搜索空間增大，而參數(shù)未進(jìn)行相應(yīng)的調(diào)整，MEA檢測(cè)器的檢測(cè)性能略有下降，與ML的差距增大，但仍是其他各類方法中最好的。顯然要使進(jìn)化算法能夠保持良好的性能，當(dāng)搜索空間增加時(shí)必須相應(yīng)地調(diào)整參數(shù)，適當(dāng)增加運(yùn)算量。將MEA及GA的種群規(guī)模w增大到40，CA的等效種群規(guī)模也調(diào)整為40，其他參數(shù)設(shè)置與仍保持不變，結(jié)果如圖6所示，可以看到MEA的性能已經(jīng)可以很好地逼近ML方法，因而為提高檢測(cè)精度，適當(dāng)增加進(jìn)化算法的運(yùn)算量是值得的，而這一運(yùn)算量的增加，與ML方法運(yùn)算量的增加幅度相比是相對(duì)較小的。由圖7可以看出，MEA及ML的運(yùn)行時(shí)間隨發(fā)射天線數(shù)目增加的變化趨勢(shì)，與理論推導(dǎo)結(jié)論的變化趨勢(shì)基本一致，即MEA的復(fù)雜度約為o(r2)，ML的復(fù)雜度約為。(2^。此外由實(shí)驗(yàn)結(jié)果可以看到，對(duì)于BPSK調(diào)制，在發(fā)射天線數(shù)目少于8即搜索空間較小時(shí)，MEA檢測(cè)器在運(yùn)行時(shí)間上并沒(méi)有什么優(yōu)勢(shì)，甚至要略高于ML，這是因?yàn)檫M(jìn)化類算法除了要評(píng)價(jià)個(gè)體的適應(yīng)度外，還要有選擇、交叉、變異等一些額外的操作，會(huì)額外耗費(fèi)一些時(shí)間，因而在搜索空間較小時(shí)，實(shí)際運(yùn)行時(shí)間上反而會(huì)不如遍歷搜索法。但當(dāng)發(fā)射天線數(shù)目大于8后，ML的運(yùn)行時(shí)間急劇增加，以至于無(wú)法使用，而MEA檢測(cè)器的運(yùn)行時(shí)間則增加得非常緩慢，搜索空間越大，MEA比ML在運(yùn)行時(shí)間上就更有優(yōu)勢(shì)。若采用高階調(diào)制，這種搜索空間的膨脹會(huì)更加劇烈，因而在多發(fā)多收的MIM0系統(tǒng)中，MEA作為一種復(fù)雜度較低的檢測(cè)方法，能夠以較低的代價(jià)來(lái)逼近ML方法的性能，取得較好的檢測(cè)結(jié)果，具有一定的應(yīng)用潛力。綜上，本發(fā)明提出的基于M-精英進(jìn)化算法的信號(hào)檢測(cè)方法接近于最大似然檢測(cè)方法的檢測(cè)精度，與傳統(tǒng)的醒SE-0SIC方法和Golden方法以及基于標(biāo)準(zhǔn)遺傳算法的檢測(cè)方法和基于克隆選擇算法的檢測(cè)方法相比，具有更高的檢測(cè)精度，且計(jì)算復(fù)雜度與傳統(tǒng)的最大似然檢測(cè)方法以及0SIC方法相比則大大降低。權(quán)利要求1、一種基于M-精英進(jìn)化算法的垂直分層空時(shí)信號(hào)檢測(cè)方法，包括如下步驟(1)接收端接收列信號(hào)r＝Hs+n，其中s為T×1維的發(fā)射端的發(fā)送數(shù)據(jù)，H為信道轉(zhuǎn)移矩陣，n為噪聲；(2)設(shè)定檢測(cè)終止條件，給定運(yùn)行參數(shù)，隨機(jī)產(chǎn)生初始種群，利用適應(yīng)度函數(shù)f(b)＝1/(1+‖r-Hb‖2)計(jì)算種群適應(yīng)度，其中b作為種群中的一個(gè)個(gè)體，是發(fā)射列信號(hào)的一種排列組合；(3)根據(jù)種群適應(yīng)度對(duì)初始種群排序，并將整個(gè)種群劃分為精英種群及普通種群；(4)根據(jù)設(shè)定的終止條件確定檢測(cè)信號(hào)輸出，如果滿足終止條件則結(jié)束對(duì)當(dāng)前列信號(hào)的檢測(cè)，并將當(dāng)前種群中適應(yīng)度最大的個(gè)體(T×1維)作為檢測(cè)信號(hào)輸出，執(zhí)行步驟(7)，否則執(zhí)行第(5)步；(5)依次從精英種群中選出一個(gè)個(gè)體，并為其在普通種群中隨機(jī)選擇一個(gè)配偶，作為兩個(gè)父代個(gè)體，利用交叉算子或變異算子產(chǎn)生父代個(gè)體的兩個(gè)子代個(gè)體，形成發(fā)射列信號(hào)的兩種新的排列組合b’及b”，并計(jì)算其適應(yīng)度；(6)利用兩個(gè)子代個(gè)體對(duì)兩個(gè)父代個(gè)體進(jìn)行更新操作，返回步驟(4)；(7)如果沒(méi)有其他信號(hào)等待檢測(cè)則結(jié)束檢測(cè)，否則返回步驟(1)繼續(xù)對(duì)下一列接收信號(hào)進(jìn)行檢測(cè)。2、根據(jù)權(quán)利要求1所述的信號(hào)檢測(cè)方法，其中步驟(2)所述的設(shè)定檢測(cè)終止條件，采用限定迭代次數(shù)作為終止條件。3、根據(jù)權(quán)利要求1所述的信號(hào)檢測(cè)方法，其中步驟(2)所述的運(yùn)行參數(shù)包括種群規(guī)模w、交叉概率^和變異位數(shù)。4、根據(jù)權(quán)利要求1所述的信號(hào)檢測(cè)方法，其中步驟(2)所述的初始種群，表示為5(0)={6,(0),62(0),.、~(0)}，其中"(0)戶1，2,…，AM乍為初始種群中的一個(gè)個(gè)體，是發(fā)射列信號(hào)的一種排列組合。5、根據(jù)權(quán)利要求1所述的信號(hào)檢測(cè)方法，其中步驟(2)所述的計(jì)算種群適應(yīng)度，是按適應(yīng)度函數(shù)/(6)=1/(1+11"-好6||2)對(duì)種群中的所有個(gè)體進(jìn)行適應(yīng)度評(píng)價(jià)，其中好=(、)^為信道轉(zhuǎn)移矩陣，r表示發(fā)射天線數(shù)目，7表示接收天線數(shù)目，/v,"i,2,…,7，7、i,2,…,:r為復(fù)矩陣元素，表示第/根發(fā)射天線到第,根接收天線的信道轉(zhuǎn)移特性，在散射非常豐富的傳播環(huán)境中，^服從相互獨(dú)立的復(fù)高斯分布；r為ixl維接收信號(hào)向量；6表示個(gè)體對(duì)應(yīng)的rxi維的數(shù)據(jù)比特向量，是發(fā)射列信號(hào)的一種排列組合。6、根據(jù)權(quán)利要求1所述的信號(hào)檢測(cè)方法，其中步驟(3)所述的根據(jù)種群適應(yīng)度對(duì)初始種群排序，并將整個(gè)種群劃分為精英種群及普通種群，是將初始種群按適應(yīng)度由高到低排序，取適應(yīng)度最大的前M個(gè)個(gè)體組成精英種群，其余iV-M個(gè)個(gè)體作為普通種群，M—般取為「(W-Z)/2l，其中'「xl，表示對(duì)x取整，iV是指種群規(guī)模，Z表示非負(fù)整數(shù)，實(shí)際仿真中，Z取為2。7、根據(jù)權(quán)利要求1所述的信號(hào)檢測(cè)方法，其中步驟(5)所述的交叉算子包含遺傳算法常用的兩點(diǎn)交叉和均勻交叉，兩父代個(gè)體等概率地進(jìn)行兩點(diǎn)交叉或均勻交叉，產(chǎn)生兩個(gè)子代個(gè)體。8、根據(jù)權(quán)利要求1所述的信號(hào)檢測(cè)方法，其中步驟(5)所述的利用變異算子產(chǎn)生父代個(gè)體的兩個(gè)子代個(gè)體，采用常用的以變異概率進(jìn)行均勻變異的方式，將變異操作中需要變異的染色體的位數(shù)記為"，并在變異算子中對(duì)染色體中的~位進(jìn)行變異，以此方式分別對(duì)兩父代個(gè)體進(jìn)行變異，產(chǎn)生兩個(gè)子代。9、根據(jù)權(quán)利要求1所述的信號(hào)檢測(cè)方法，其中步驟(6)所述的利用兩個(gè)子代個(gè)體對(duì)兩個(gè)父代個(gè)體進(jìn)行更新操作，按如下步驟進(jìn)行(6.1)精英種群中的每個(gè)精英個(gè)體^mi必依次從普通種群中隨機(jī)選擇一個(gè)配偶戸w",C，利用交叉算子或變異算子產(chǎn)生的兩個(gè)子代設(shè)為d/W,和c/i/W2，設(shè)i^^;y(c/ii7rf7)2F""e^(c/i,7</2)，其中F/加e^(x)是指X寸x求適應(yīng)度，則由更新來(lái)自精英種群的的父代個(gè)體戶re"化(6.2)判斷c緒《是否替代了其父代個(gè)體p"mi必，若W叫未能替代則用cM《代替c緒(，否則，cMrfJ呆持不變；(6.3)由cM^更新來(lái)自普通種群的父代個(gè)體/ui/"WC:<formula>formulaseeoriginaldocumentpage4</formula>其中t/(",6)表示區(qū)間uw內(nèi)的一個(gè)均勻分布的隨機(jī)數(shù)產(chǎn)生器。全文摘要本發(fā)明公開一種基于M-精英進(jìn)化算法的垂直分層空時(shí)信號(hào)檢測(cè)方法，它涉及通信
技術(shù)領(lǐng)域：
。其步驟為(1)接收列信號(hào)；(2)設(shè)定檢測(cè)終止條件，給定運(yùn)行參數(shù)，隨機(jī)產(chǎn)生初始種群，計(jì)算種群適應(yīng)度；(3)對(duì)初始種群排序，并將其劃分為精英種群及普通種群；(4)判定終止條件，若滿足則結(jié)束對(duì)當(dāng)前列信號(hào)的檢測(cè)，輸出檢測(cè)信號(hào)，執(zhí)行(7)，否則執(zhí)行(5)；(5)從精英種群及普通種群中選擇出父代個(gè)體，產(chǎn)生子代個(gè)體，并計(jì)算適應(yīng)度；(6)利用子代個(gè)體對(duì)父代個(gè)體進(jìn)行更新，返回(4)；(7)若無(wú)其他待信號(hào)檢測(cè)則結(jié)束檢測(cè)，否則返回(1)。該方法具有復(fù)雜度低，檢測(cè)性能好的優(yōu)點(diǎn)，用于第四代移動(dòng)通信中對(duì)垂直分層空時(shí)系統(tǒng)的信號(hào)檢測(cè)。文檔編號(hào)H04B7/08GK101431358SQ20081023270公開日2009年5月13日申請(qǐng)日期2008年12月19日優(yōu)先權(quán)日2008年12月19日發(fā)明者逸劉,慕彩紅,焦李成,爽王,緱水平,樺鐘,馬文萍申請(qǐng)人:西安電子科技大學(xué)