專利名稱：基于離散粒子群算法的v-blast系統檢測方法
技術領域：
本發明屬于人工智能技術領域，涉及一種人工智能技術在通信技術領域中的多輸入多輸出，即MIMO技術中的應用，具體地說是一種基于離散粒子群算法的垂直分層空時系統V-BLAST檢測方法。該方法可以用來解決無線通信領域中垂直分層空時系統的檢測問題，以提高系統性能、降低實現的復雜度。
背景技術：
多輸入多輸出技術，即MIMO技術，是無線通信領域的重大突破。該技術能在不增加帶寬的情況下成倍的提高通信系統的容量和頻譜利用率，是新一代移動通信系統采用的關鍵技術之一。空時編碼技術是MIMO通信系統的主要空時處理技術之一，它將信道編碼技術與天線分集技術相結合，大幅度地增加了無線通信系統的容量，為無線通信系統帶來了分集增益和編碼增益，并且改善了傳統單天線系統的帶寬效率，為解決無線信道的帶寬問題提供了新的解決途徑。空時編碼技術中，分層空時碼的一種垂直分層空時系統，即V-BLAST系統，以其高頻帶利用率受到了研究者的廣泛關注，目前的研究主要集中在提高系統性能、降低實現的復雜度以及在寬帶中的應用方面。
國內外學者提出了很多不同的檢測方法來提高V-BLAST系統的檢測性能，但均存在不同的問題，主要是復雜度較高的問題。最大似然檢測方法作為最優檢測方法，具有最好的檢測性能，但是其指數復雜度也是最高的。
根據V-BLAST系統的特點，人們給出了許多不同的檢測方法。美國Bell實驗室的Golden等人給出了經典的Golden檢測方法，該方法是一種串行干擾抵消方法，首先用迫零算法完成信噪比最大的信號的檢測，然后從接收信號中減去該信號，再完成對信噪比次最大信號的檢測，如此循環，直至完成所有信號的檢測，但該方法中多次的求逆和排序操作使得其計算復雜度很高；挪威Ashish Bhargave等人給出了一種將干擾抵消與最大似然相結合的檢測方法，在性能和計算復雜度之間取了折衷，但是估計信道矩陣所需的大量訓練序列導致了實際的傳輸速率的降低。
發明內容
本發明的目的在于為了克服現有方法存在較高的計算復雜度和誤碼率的不足，針對V-BLAST系統的特點，提出了一種基于離散粒子群算法的V-BLAST系統檢測方法，與其它經典的V-BLAST系統檢測方法相比能獲得較低的計算復雜度和較好的誤碼率性能。
本發明的技術方案是基于基本的離散粒子群算法，并結合克隆選擇算法中的變異算子，提出一種基于離散粒子群算法的V-BLAST系統檢測方法，即NDPSO-VBLAST。本發明的技術方案具體實現步驟如下 (1)、初始化粒子群，設定初始參數。其中初始化粒子群的條件是粒子群大小為m，隨機產生各粒子的位置矢量，位置矢量的維數與發射天線數相同，即bi＝[bi1，bi2，…，biM]T，其中i＝1，2，…，m，M是發射天線數，符號T表示矩陣轉置；設置變異概率為pm，進化代數t＝0；設定終止條件是最大迭代代數為ga； (2)、計算粒子的適應度，將粒子的當前位置置為個體極值pi，群體中適應度最優的粒子的位置置為全局極值pg；并判斷算法是否滿足迭代終止條件，若滿足終止條件則算法結束，不滿足終止條件則轉到步驟(3)； (3)、更新粒子位置、執行變異操作、更新個體極值和全局極值、轉到上述步驟(2)。
2、根據權利要求1所述的基于離散粒子群算法的V-BLAST系統檢測方法，所說的更新粒子位置、執行變異操作、更新個體極值和全局極值，其方法如下 (1)、更新粒子位置由新的離散粒子群算法的運動方程更新粒子的位置，由B(t)得到B(t+1)，其中 B(t)＝[b1(t)，b2(t)，…，bm(t)]， bi(t)＝[bi1(t)，bi2(t)，…，biM(t)]T； B(t+1)＝[b1(t+1)，b2(t+1)，…，bm(t+1)]， bi(t+1)＝[bi1(t+1)，bi2(t+1)，…，biM(t+1)]T； (2)、對B(t+1)進行變異操作依據變異概率pm對B(t+1)中的各粒子的位置向量進行變異操作，即bid(t+1)中的各基因位以概率pm取反，得到B′(t+1)，其中 i＝1，2，…，m；d＝1，2，…，M； (3)、更新個體極值pi和全局極值pg計算B(t+1)、B′(t+1)中各粒子的適應度，在{bi(t)，bi(t+1)，bi′(t+1)}中選擇適應度最優的粒子作為更新后的pi，然后在[p1，p2，…，pm]中選擇適應度最優的個體極值作為更新后的pg。
本發明與現有的技術相比具有以下優點 1、本發明與其它經典的V-BLAST系統檢測方法相比，獲得了非常好的誤碼率性能，所獲得的誤碼率曲線在多種V-BLAST天線結構情況下，都非常接近最大似然檢測方法的誤碼率曲線，甚至與最大似然檢測方法的誤碼率曲線完全重合，同時驗證了本發明的有效性； 2、本發明復雜度較低，經過ga次迭代，本發明總的計算復雜度為 與ML方法的指數復雜度O(PM)相比，其中P為調制階數，M為發射天線數，本發明的計算復雜度較低。
圖1是本發明V-BLAST系統發射接收示意圖 圖2是本發明檢測方法的流程圖 圖3是本發明NDPSO-VBLAST與其它檢測方法之間的誤碼率比較4發4收圖 圖4是本發明NDPSO-VBLAST與其它檢測方法之間的誤碼率比較4發8收圖 圖5是本發明NDPSO-VBLAST與其它檢測方法之間的誤碼率比較8發8收圖 圖6是本發明NDPSO-VBLAST與其它檢測方法之間的誤碼率比較8發12收圖
具體實施例方式 參照圖1，它是本發明V-BLAST系統發射接收示意圖，而本發明方法主要用在該系統最后一步檢測方法中。
參照圖2，它是本發明檢測方法的流程圖，為了具體說明本發明的優勢和特點，下邊對該發明的實現過程進行說明，并用實際的檢測分類過程，把得到的數據和結果繪制在圖3～圖6中。
1、初始化粒子群，設定初始參數 參照圖1，定義發射天線數為M，接收天線數為N，采用BPSK調制，傳輸數據幀長為L的V-BLAST系統。單一信號流經串并轉換變成M路子信號流，經符號調制后，分別送到相應的發射機發送出去。不論發送天線數為多少，總發送功率必須保持不變，且每個天線的發送功率相等，為總功率的1/M。接收端用N個天線接收數據。N個接收天線都是相互獨立的，并且共信道工作，每個接收天線均同時接收來自M個發送天線的信號。假設數據傳輸為爆發burst式的，即每發送L個符號為一個數據爆發。同時，為了使問題簡單化，我們還假設發射天線之間、接收天線之間均完全不相關，且發送的數據也是相互獨立的。V-BLAST系統一般要求接收天線數不少于發射天線數。
定義粒子的適應度函數如下 f(b)＝‖r-Hb‖2(1) 若b為發送信號矩陣的第i列，i＝1，2，…L，則r為接收信號矩陣(N×L)的第i列，H為信道轉移矩陣(N×M)。
設粒子群大小為m，隨機產生各粒子的位置矢量，位置矢量的維數與發射天線數相同，即bi＝[bi1，bi2，…，biM]T，i＝1，2，…，m。設置變異概率為pm，進化代數t＝0。并設定最大迭代次數ga為終止條件。
2、計算粒子的適應度 根據式(1)計算粒子的適應度，將粒子的當前位置置為個體極值pi，初始群體中適應度最優的粒子的位置置為全局極值pg。
判斷算法是否滿足迭代終止條件，即迭代次數是否達到設定的最大迭代代數ga。
3、更新粒子位置、執行變異操作、更新個體極值和全局極值 更新粒子位置按照新的離散粒子群算法的運動方程更新粒子的位置，新的運動方程為 vi(t+1)＝-c1xi(t)+c2pi(t)+c3pg(t)(2) 其中，ρik(t)∈[-1，+1]，是隨機產生的；i＝1，2，…，m；k＝1，2，…，d；t為迭代次數；這里速度矢量作為判別閾值矢量，由上一代的xi(t)，pi(t)，pg(t)決定；c1+c2+c3＝1，確保閾值vik(t+1)∈[-1，+1]，xik(t+1)是由vik(t+1)決定的一個概率選擇閾值，vik(t+1)的大小決定了xik(t+1)趨向于判決選擇為+1還是-1。參數c1為惰性系數，表示相信自己的程度，c2為社會學習系數，表示相信經驗的程度，c3為認知系數，表示相信周圍個體的程度。
通過新的運動方程，由B(t)得到B(t+1)， B(t)＝[b1(t)，b2(t)，…，bm(t)]，bi(t)＝[bi1(t)，bi2(t)，…，biM(t)]T； B(t+1)＝[b1(t+1)，b2(t+1)，…，bm(t+1)]，bi(t+1)＝[bi1(t+1)，bi2(t+1)，…，biM(t+1)]T。
對B(t+1)進行變異操作依變異概率pm對B(t+1)中的各粒子的位置向量進行變異操作，即對bid(t+1)中的各基因位以概率pm取反，得到B′(T+1)，其中i＝1，2，…，m；d＝1，2，…，M。
更新個體極值pi和全局極值pg計算B(t+1)、B′(t+1)中各粒子的適應度，在{bi(t)，bi(t+1)，bi′(t+1)}中選擇適應度最優的粒子作為更新后的pi，然后在[p1，p2，…，pm]中選擇適應度最優的個體極值作為更新后的pg。
之后判斷算法是否滿足終止條件，若滿足，則算法結束；若不滿足，令t＝t+1，繼續執行上述操作，更新粒子位置。
本發明將用在V-BLAST系統檢測中，其性能可通過如下四個計算機仿真實驗給出。
為了驗證NDPSO-VBLAST方法的優越性，我們將其與基于ML方法、基于標準遺傳算法、基于最小均方誤差準則的排序干擾抵消方法和Golden方法等經典的V-BLAST系統檢測方法在平坦的準靜止瑞利衰落信道環境下的性能做出比較。調制方式均為BPSK，幀長50，發送幀數為1000。考慮到ML方法的復雜度問題，這里均進行了10次仿真并取平均值。分別對4×4、4×8、8×8和8×12的V-BLAST系統進行仿真，仿真中標準遺傳算法、本發明方法均以最大迭代次數ga為終止條件。這里把“基于標準遺傳算法的V-BLAST系統檢測方法”簡稱為“GA-VBLAST”，把“基于最小均方誤差準則的排序干擾抵消方法”簡稱為“MMSE-OSIC”。
實驗1.4發4收的V-BLAST系統 這里分別嘗試迭代10代和20代的兩種情況。遺傳算法的種群規模為20，選擇概率為0.4，交換概率為0.6，變異概率為pm＝1/M(M為發射天線數目)；NDPSO-VBLAST的粒子群大小為m＝10，變異概率pm＝1/M，c1＝0.1，c3＝0.9×(ga-t)/ga，其中t為當前迭代次數，c2＝0.9-c3。實驗結果如圖3所示。
從圖3中可以看出，作為最優檢測方法，ML獲得了最好的誤碼率性能，但是其指數復雜度也是最高的；NDPSO-VBLAST在迭代10代的情況下誤碼率曲線非常接近ML方法的誤碼率曲線，在迭代20代的情況下兩種檢測方法的誤碼率曲線幾乎完全重合了；相比其它常用檢測方法，NDPSO-VBLAST的誤碼率要低的多，在信噪比SNR為10dB的時候，誤碼率達到10-3；在SNR為6dB的時候誤碼率即達到10-2。同時GA-VBLAST在迭代相同的代數的情況下不能獲得良好的誤碼率性能，主要原因是迭代代數較少且遺傳算法種群多樣性不好，易于不成熟收斂，存在算法機理上的不足和缺陷。
實驗2.4發8收的V-BLAST系統 最大迭代代數ga＝20，NDPSO-VBLAST、GA-VBLAST參數設置與4發4收V-BLAST系統一致。實驗結果如圖4所示。
從圖4中可以看出，在迭代20代的情況下，NDPSO-VBLAST在4發8收，即接收天線數目大于發射天線數目的V-BLAST系統中，可以獲得比4發4收系統還要好的性能，與ML方法誤碼率曲線相比幾乎完全逼近，而且在SNR為8dB的時候，NDPSO-VBLAST的誤碼率可以達到10-5，比4發4收系統中的10-3有很好的改善，這說明接收天線數目越多，系統的性能越好。
實驗3.8發8收的V-BLAST系統 因為發射天線數目的增加，將導致解空間維數的增加，所以這里相應的增大迭代代數為ga＝50，并將變異概率設為pm＝3/M，分別考察粒子群規模m＝10和m＝15的兩種情況，其余NDPSO-VBLAST、GA-VBLAST參數保持不變。實驗結果如圖5所示。
從圖5中我們可以看出，在8×8系統中，在迭代50代、粒子群規模為10的情況下參看圖5(a)，本發明的誤碼率曲線在信噪比較高，如SNR≥8dB時，離ML方法的誤碼率曲線還有一定的距離，但是增大粒子群規模為m＝15后，參看圖5(b)，上述兩方法的誤碼率曲線的逼近就非常理想了，即NDPSO-VBLAST檢測方法和ML檢測方法的誤碼率曲線基本重合。
實驗4.8發12收的V-BLAST系統 NDPSO-VBLAST、GA-VBLAST的參數與實驗3一致，在迭代50代的條件下，分別考察粒子群規模m為10和15的兩種情況，得到圖6所示結果。
從圖6中可以看到在增加了粒子群規模后，NDPSO-VBLAST的誤碼率曲線基本和ML方法的誤碼率曲線重合，驗證了實驗3的相關結論。同時，我們還驗證了在相同發射天線數目的情況下，接收天線數目越多，系統性能越好的結論。在相同的仿真參數條件下，圖6(a)在SNR為8dB時，NDPSO-VBLAST的誤碼率略低于10-5，比圖5(a)的略高于10-3有很大的改善；圖6(b)在SNR為8dB時，NDPSO-VBLAST的誤碼率為10-5，比圖5(b)的10-3同樣獲得了將近兩個數量級的誤碼率改善。
權利要求
1.基于離散粒子群算法的V-BLAST系統檢測方法，其具體實現步驟如下
(1)、初始化粒子群，設定初始參數；其中初始化粒子群的條件是粒子群大小為m，隨機產生各粒子的位置矢量，位置矢量的維數與發射天線數相同，即bi＝[bi1，bi2，…，biM]T，其中i＝1，2，…，m，M是發射天線數，符號T表示矩陣轉置；設置變異概率為pm，進化代數t＝0；設定終止條件是最大迭代代數為ga；
(2)、計算粒子的適應度，將粒子的當前位置置為個體極值pi，群體中適應度最優的粒子的位置置為全局極值pg；并判斷算法是否滿足迭代終止條件，若滿足終止條件則算法結束，不滿足終止條件則轉到步驟(3)；
(3)、更新粒子位置、執行變異操作、更新個體極值和全局極值、轉到上述步驟(2)。
2.根據權利要求1所述的基于離散粒子群算法的V-BLAST系統檢測方法，所說的更新粒子位置、執行變異操作、更新個體極值和全局極值，其方法如下
(1)、更新粒子位置由新的離散粒子群算法的運動方程更新粒子的位置，由B(t)得到B(t+1)，其中
B(t)＝[b1(t)，b2(t)，…，bm(t)]， bi(t)＝[bi1(t)，bi2(t)，…，biM(t)]T；
B(t+1)＝[b1(t+1)，b2(t+1)，…，bm(t+1)]， bi(t+1)＝[bi1(t+1)，bi2(t+1)，…，biM(t+1)]T；
(2)、對B(t+1)進行變異操作依據變異概率pm對B(t+1)中的各粒子的位置向量進行變異操作，即bid(t+1)中的各基因位以概率pm取反，得到B′(t+1)，其中
i＝1，2，…，m；d＝1，2，…，M；
(3)、更新個體極值pi和全局極值pg計算B(t+1)、B′(t+1)中各粒子的適應度，在{bi(t)，bi(t+1)，bi′(t+1)}中選擇適應度最優的粒子作為更新后的pi，然后在[p1，p2，…，pm]中選擇適應度最優的個體極值作為更新后的pg。
全文摘要
本發明公開了一種基于離散粒子群算法的V-BLAST系統檢測方法，它涉及人工智能技術領域，其目的是為了克服現有方法存在較高的計算復雜度和誤碼率的不足，采用本發明方法可以得到較好的誤碼率性能并降低實現的復雜度。該方法的實現步驟為1.初始化粒子群，粒子群大小為m，隨機產生各粒子的位置矢量，位置矢量的維數與發射天線數相同。設置變異概率為pm，進化代數t＝0；設定算法終止條件是最大迭代代數為ga；2.計算粒子的適應度，并判斷是否滿足迭代終止條件，若滿足終止條件則算法結束，不滿足終止條件則轉到步驟3；3.更新粒子位置、執行變異操作、更新個體極值和全局極值、轉到步驟2。本發明可用來解決無線通信領域中垂直分層空時系統的檢測問題。
文檔編號H04L1/02GK101159517SQ20071001900
公開日2008年4月9日 申請日期2007年11月6日 優先權日2007年11月6日
發明者焦李成, 公茂果, 彪 侯, 爽 王, 芳 劉, 帆 劉, 朱明明 申請人:西安電子科技大學