本發(fā)明屬于通信信號處理，尤其涉及一種基于遺傳算法的pmi全局最優(yōu)方法。

背景技術(shù)：

1、針對5g系統(tǒng)中預(yù)編碼矩陣指示(precoding?matrix?indication，pmi)傳統(tǒng)計(jì)算方法平均計(jì)算量大的問題，提出一種低復(fù)雜度的pmi計(jì)算算法。該算法通過結(jié)合遺傳算法，利用大自然的“物競天擇，適者生存”法則，進(jìn)行“優(yōu)勝劣汰”。能夠使算法更加快速的收斂。

2、所有5g的下行物理信道的相關(guān)解調(diào)都依賴于該信道對應(yīng)的dm-rs。此外,終端需要假設(shè)網(wǎng)絡(luò)側(cè)已經(jīng)把數(shù)據(jù)部分和dm-rs進(jìn)行了相同的預(yù)編碼。因此網(wǎng)絡(luò)側(cè)使用的任何下行多天線預(yù)編碼對終端都是透明的,網(wǎng)絡(luò)側(cè)可以自由決定下行預(yù)編碼。

3、下行多天線預(yù)編碼對協(xié)議的影響主要集中在:為了支持網(wǎng)絡(luò)側(cè)選擇預(yù)編碼矩陣用于下行pdsch傳輸,終端如何進(jìn)行測量并且上報(bào)。這些預(yù)編碼相關(guān)的測量以及上報(bào)機(jī)制都是csi上報(bào)框架的一部分。

4、因此終端上報(bào)的pmi就代表這是終端認(rèn)為下行傳輸可用的最優(yōu)預(yù)編碼矩陣。每個pmi都對應(yīng)一個預(yù)編碼矩陣。所有可能的pmi對應(yīng)的預(yù)編碼矩陣合在一起稱為預(yù)編碼碼本,終端會從中選出最優(yōu)的pmi。如何快速準(zhǔn)確搜索出有效的pmi就需要本領(lǐng)域人員著重考慮了。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種5g中基于具有進(jìn)化能力的遺傳算法的pmi全局最優(yōu)搜索方案，其具有基因進(jìn)化的能力，能使本方案更快跳出局部最優(yōu)解。

2、本發(fā)明通過如下技術(shù)方案實(shí)現(xiàn)：

3、一種基于遺傳算法的pmi全局最優(yōu)方法，具體過程如下：

4、步驟1，建立5g碼本，其中5g碼本采用兩級碼本結(jié)構(gòu)w＝w1w2；w1描述信道的長期寬帶特性，w2描述信道的短期子帶特性，用于對w中的波束進(jìn)行列選擇和相位調(diào)整；

5、第一級碼本基于塊對角線結(jié)構(gòu)，每個對角塊表示一個極化方向的波束組，其由第一維度的波束分組與第二維度的波束分組進(jìn)行克羅內(nèi)克積計(jì)算得到；

6、

7、其中，i11表示第一維度波束分組x1的索引，i12表示第二維度波束分組x2的索引；x1是一個l1xn1維矩陣，由l1個長度為n1的dft向量構(gòu)成；每個向量經(jīng)過o1倍過采，表示為：

8、

9、x2是一個n2xl2維矩陣，由l2個長度為n2的dft向量構(gòu)成；每個向量經(jīng)過o2倍過采，表示為：

10、

11、的表達(dá)式如下：

12、

13、

14、其中，(s1,s2)定義為第一維度和第二維度的波束組間隔，表示兩個相鄰波束組中第一個波束的索引間的差異。(p1,p2)定義為波束組內(nèi)波束間隔，表示在x1,x2內(nèi)相鄰波束間隔；

15、w2表示波束選擇和兩個極化方向之間的相位，y∈{ei,i＝1,2,3,4,ei，為長度為4的列向量，第i個元素為1，其余為0}；

16、步驟2，通過遺傳算法在5g碼本中進(jìn)行pmi快速搜索。

17、進(jìn)一步的，遺傳算法在5g碼本中快速搜索的過程如下：

18、步驟201，對遺傳算法給出以下定義：

19、種群為ω＝[a1,a2,…,aj],是其中的第j個也是種群中的第j個個體；

20、定義a.設(shè)個體的基因位的數(shù)目為k，且個體aj中的i個基因位從集合中任意取值；集合是第i個基因位的等位基因，其中，m是等位基因取值的總個數(shù)；

21、定義b.將每個基因位能夠取的對應(yīng)等位基因集合中值的概率所組成的矩陣稱為概率矩陣，表示為p＝[pmk]mk；其中，pmk表示在第k個基因位上，取值為集合中第m個元素的概率，且m＝1,…,m；

22、定義c.將概率矩陣p中的每一列稱為概率矢量，且令每一個概率矢量的所有元素之和均為1；

23、步驟2，通過等位基因等概率法對概率矩陣進(jìn)行初始化，將初始概率矩陣的每個元素設(shè)置為

24、定義基因信息熵e，其公式表示如下：

25、

26、基因信息熵值最大emax義進(jìn)化率ratio，其公式表示如下：

27、

28、進(jìn)化率表示文明發(fā)展的程度，其范圍是0～1；進(jìn)化率值越高表示文明程度越高，進(jìn)化程度越高；

29、步驟3，利用輪盤賭選擇法生成種群個體；

30、步驟4，隨機(jī)將種群個體的一個基因位置進(jìn)行突變，變異為其等位基因；突變后，對種群中相同的個體進(jìn)行強(qiáng)制變異并將多余重復(fù)的個體完全隨機(jī)變異成另外的基因型；

31、步驟5，對變異后的種群個體進(jìn)行基因交叉；

32、步驟6，ue首先計(jì)算每個ri下每個pmi的每個rb的每層的信噪比表示可能的ri；k∈{1,…nrb}表示rb的大小；,l∈{1,…r}

33、表示某個ri下某個pmi下每層的信噪比；

34、

35、其中hcsirs為每個rb的信道傳輸矩陣，w為某個ri下的與編碼，ruu表示干擾和噪聲的協(xié)方差矩陣，一般為子帶級；

36、w與染色體強(qiáng)相關(guān)；

37、目標(biāo)函數(shù)：

38、

39、[i11,i12,i13,i2]＝arg?max(value)

40、步驟7，個體aj中的第i個基因位從集合中任意取值。是第i個基因位的等位基因，uj表示第j個基因型競爭優(yōu)勢，默認(rèn)均為0；

41、選擇策略：

42、其一，若第j個基因型是最優(yōu)的基因型，則uj＝uj+1；

43、其二，當(dāng)進(jìn)化程度ratio≤0.5時，若第j個基因型是次優(yōu)的基因型，則

44、其三，當(dāng)進(jìn)化程度ratio≤0.25時，若第j個基因型是最優(yōu)的基因型，則

45、其四，若第j個基因型是最差的基因型，則uj＝uj-1；

46、步驟8，通過每一代種群中的最佳個體的信息來修改概率矢量，并且概率矢量的更新規(guī)則表示為：

47、pt+1＝(1-a)*pt+a*u

48、其中，pt是算法在第t次迭代中使用的概率矢量，a則是競爭進(jìn)化機(jī)制中的進(jìn)化速率，u是自然選擇中基因型的適應(yīng)度；

49、當(dāng)時,令等于正的極小值；

50、進(jìn)化速率a表示為：

51、基因進(jìn)化后，將概率分布?xì)w一化，其計(jì)算公式如下：

52、

53、步驟9，通過修正后的概率矩陣pt+1生成下一代種群中的個體，進(jìn)行步驟3，直至達(dá)到迭代終止條件或進(jìn)化率ratio達(dá)到預(yù)設(shè)的閾值，得到最優(yōu)預(yù)編碼矩陣。

54、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

55、本發(fā)明提供的方法根據(jù)大自然“物競天擇，適者生存”法則，引入遺傳算法進(jìn)行加速碼本搜索。仿真結(jié)果表明所提出的搜索方法在保證了系統(tǒng)性能的同時顯著降低了搜索復(fù)雜度,并且不會陷入局部最優(yōu)點(diǎn)。

技術(shù)特征：

1.一種基于遺傳算法的pmi全局最優(yōu)方法，其特征在于，具體過程如下：

2.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的pmi全局最優(yōu)方法，其特征在于，遺傳算法在5g碼本中快速搜索的過程如下：

技術(shù)總結(jié)
本發(fā)明涉及一種基于遺傳算法的PMI全局最優(yōu)方法，屬于通信信號處理技術(shù)領(lǐng)域。其利用大自然的“物競天擇，適者生存”法則，進(jìn)行“優(yōu)勝劣汰”。能夠使算法更加快速的收斂。另外本算法在合適部位進(jìn)行了基因突變、交叉、強(qiáng)制突變等算法，因此本算法具有基因進(jìn)化的能力，能使本算法更快跳出局部最優(yōu)解。

技術(shù)研發(fā)人員：吳壘,戎波,胡忠心,孫可,黃靜靜
受保護(hù)的技術(shù)使用者：中國電子科技集團(tuán)公司第五十四研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9