專利名稱：：基于m-精英進化算法的垂直分層空時信號檢測方法
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V-BLAST信號檢測方法，該方法可用于第四代移動通信的信號檢測。
背景技術(shù)：
：為了提高系統(tǒng)容量，第四代的無線寬帶移動通信系統(tǒng)將會采用多輸入多輸出MIMO技術(shù)，即在基站端放置多個天線，在移動臺也放置多個天線，基站和移動臺之間形成M頂0通信鏈路。MIM0技術(shù)已經(jīng)成為無線通信領(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。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)雜度和實現(xiàn)復(fù)雜度，成為業(yè)界面對的巨大挑戰(zhàn)。在M頂O系統(tǒng)的研究中，貝爾實驗室垂直分層空時V-BLAST系統(tǒng)因能有效提高頻譜效率且易于實現(xiàn)而備受關(guān)注，進而V-BLAST檢測方法也成為了研究熱點。圖l給出了V-BLAST系統(tǒng)的原理框圖。信號源比特流經(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)制符號并由其對應(yīng)的發(fā)射機發(fā)射出去。發(fā)射機以相同的符號速率發(fā)射符號，并且其間是符號同步的。接收端是由w個天線組成，每根天線都會接收來自r個發(fā)射天線的信號。假設(shè)信道為平坦的準(zhǔn)靜態(tài)瑞利衰落信道，即在每一幀丄個符號的時間內(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)為服從相互獨立的復(fù)高斯分布。假設(shè)接收端可以通過訓(xùn)練序列來精確地估計信道。則接收端接收到信號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；/"為相應(yīng)的ixl維接收信號；"為加性高斯白噪聲矢量，滿足E(""h)-iV。/，/為單位矩陣。V-BLAST檢測方法所要解決的問題就是如何從接收信號中檢測出發(fā)送的信號。傳統(tǒng)的V-BLAST檢測方法主要包括最大似然檢測方法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檢測方法就是對發(fā)送信號s所有可能的解進行遍歷搜索，使估計信號滿足"argm戶(lk-歷J2)。該方法在檢測性能上是最優(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)級增長，對于要求高實時性的通信系統(tǒng)而言很難實用。ZF和醒SE方法屬于線性檢測方法，其實質(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方法的改進，是在線性檢測方法的基礎(chǔ)上增加了判決反饋的過程。SIC方法首先從接收向量中檢測出某一天線發(fā)送數(shù)據(jù)的對應(yīng)分量，再從接收向量中消去其影響，然后繼續(xù)依次檢測剩余的分量。每個分量被檢測出后，又被用于消除其對剩下信號的影響。SIC存在錯誤傳播的問題。0SIC是對SIC的進一步改進，為了降低錯誤傳播的影響，而采用一種排序的連續(xù)干擾抵消檢測方法，即每次檢測錯誤概率最小的信號，然后進行千擾抵消。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)檢測方法的介紹可以看到，檢測性能好的方法其計算復(fù)雜度高，而計算復(fù)雜度低的方法其性能損失又比較大。如何在計算復(fù)雜度和檢測性能之間取得好的折衷仍然是研究的熱點，而將人工智能技術(shù)應(yīng)用于V-BLAST檢測，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)檢測性能與運算復(fù)雜度難以兼顧的矛盾，提出一種基于M-精英進化算法的V-BLAST信號檢測方法，以提高檢測性能，并降低運算復(fù)雜度。為實現(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信號檢測問題看作組合優(yōu)化問題，提出一種M-精英進化算法，并用其搜索使似然函數(shù)最小化的序列組合作為檢測信號，利用M-精英進化算法快速的全局收斂性，搜索問題的最優(yōu)解，逼近最大似然檢測方法的性能。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^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)定檢測終止條件，給定運行參數(shù)，隨機產(chǎn)生初始種群，利用適應(yīng)度函數(shù)/W"/(l+lk-^^)計算種群適應(yīng)度，其中6作為種群中的一個個體，是發(fā)射列信號的一種排列組合；(3)根據(jù)種群適應(yīng)度對初始種群排序，并將整個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信號輸出，如果滿足終止條件則結(jié)束對當(dāng)前列信號的檢測，并將當(dāng)前種群中適應(yīng)度最大的個體纟(TX1維)作為檢測信號輸出，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個體，并為其在普通種群中隨機選擇一個配偶，作為兩個父代個體，利用交叉算子或變異算子產(chǎn)生父代個體的兩個子代個體，形成發(fā)射列信號的兩種新的排列組合6'及//'，并計算其適應(yīng)度；(6)利用兩個子代個體對兩個父代個體進行更新操作，返回步驟(4);(7)如果沒有其他信號等待檢測則結(jié)束檢測，否則返回步驟(1)繼續(xù)對下一列接收信號進行檢測。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點1、計算復(fù)雜度低傳統(tǒng)的最大似然檢測方法是一個具有7VP復(fù)雜度的組合優(yōu)化問題，當(dāng)采用r根發(fā)射天線時，則該方法的搜索空間的維數(shù)是r，若采用BPSK調(diào)帝lj，可能解的個數(shù)是2:由于傳統(tǒng)的最大似然檢測方法是通過遍歷解空間獲得最優(yōu)解，因而對于給定的數(shù)據(jù)幀長度，計算復(fù)雜度為o(27)，即選擇最佳的解需要"2^)次的運算，因此，最大似然檢測方法隨著天線數(shù)7的增加呈指數(shù)增長。傳統(tǒng)的0SIC方法雖然較最大似然檢測方法有顯著的下降，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)明的信號檢測方法由于采用了模擬生物進化過程并且具有智能性和并行性的進化算法，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)明中信號檢測方法的計算復(fù)雜度具體分析如下設(shè)檢測方法中的種群規(guī)模為w，最大迭代代數(shù)為G，則檢測每一信息比特的計算復(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，要獲得好的檢測效果，W和G就應(yīng)該越大，當(dāng)調(diào)制階數(shù)尸一定時，通常取A^"r，G-6r，其中"和6是常數(shù)。由此可知，用于基于M-精英進化算法的信號檢測方法的計算復(fù)雜度為o(r2)，明顯低于最大似然檢測方法的計算復(fù)雜度o(2^。2、具有理論收斂性本發(fā)明的信號檢測方法所使用的M-精英進化算法采用的更新方式實際上屬于父代子代競爭的方式，其余操作與一般遺傳算法基本相似。徐宗本等運用鞅收斂定理證明允許父代種群參與競爭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)模無關(guān)。此項證明為該算法的收斂性提供了可靠的理論依據(jù)。3、仿真實驗性能好，檢測方法優(yōu)越仿真實驗表明，本發(fā)明與最大似然檢測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)遺傳算法的檢測方法和基于克隆選擇算法的檢測方法相比，具有更高的檢測精度。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時不同方法的誤碼率檢測結(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時不同方法的誤碼率檢測結(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時不同方法的誤碼率檢測結(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時不同方法的誤碼率檢測結(jié)果比較圖7是本發(fā)明方法與最大似然方法檢測時間隨天線數(shù)目變化比較圖。具體實施例方式針對V-BLAST信號檢測的具體問題，本發(fā)明基于M-精英進化算法的信號檢測方法在圖1所示的現(xiàn)有的V-BLAST系統(tǒng)中進行，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)的信號檢測問題抽象為以矩陣S的各列向量6為變量的組合優(yōu)化問題(尸)maX{/(6):6e/}。由于解向量6是一個取值為+l或-1的二進制序列，所以不需要對此問題進行編碼。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。參照圖2，本發(fā)明的具體實現(xiàn)步驟如下步驟l，接收列信號。接收端接收列信號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。步驟2，設(shè)定檢測終止條件，給定運行參數(shù)，隨機產(chǎn)生初始種群。采用限定迭代次數(shù)設(shè)定檢測終止條件，即依據(jù)仿真經(jīng)驗，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)作為檢測終止條件；給定運行參數(shù)，包括種群規(guī)模w、交叉概率A、變異位數(shù)；隨機產(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,...，見作為初始種群中的一個個體，是發(fā)射列信號的一種排列組合，則初始種群5(0)總共列出了發(fā)射列信號的iV種排列組合。步驟3，計算種群適應(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維接收信號向量；6表示個體對應(yīng)的rxl維的數(shù)據(jù)比特向量，是發(fā)射列信號的一種排列組合，適應(yīng)度值越大，表示對應(yīng)的數(shù)據(jù)比特向量6越接近于發(fā)送信號。利用該適應(yīng)度函數(shù)對初始種群中所有個體進行適應(yīng)度評價。步驟4，根據(jù)種群適應(yīng)度對初始種群排序，并將整個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個個體組成精英種群，其余W-M個個體作為普通種群。M通常取為「(W-Z)/21，其中'「xl'表示對x取整，W是指種群規(guī)模，Z表示非負(fù)整數(shù)，實際仿真中，Z取為2。步驟5，根據(jù)設(shè)定的終止條件確定檢測信號輸出，如果滿足終止條件則結(jié)束對當(dāng)前列信號的檢測，并將當(dāng)前種群中適應(yīng)度最大的個體S(TX1維)作為檢測信號輸出，執(zhí)行步驟8，否則執(zhí)行步驟6。步驟6，產(chǎn)生子代個體。依次從精英種群中選出一個個體，并為其在普通種群中隨機選擇一個配偶，作為兩個父代個體，利用交叉算子或變異算子產(chǎn)生父代個體的兩個子代個體，形成發(fā)射列信號的兩種新的排列組合6'及&'，并計算其適應(yīng)度。其中，交叉算子包含遺傳算法常用到的兩點交叉和均勻交叉，兩父代等概率地進行兩點交叉或均勻交叉，產(chǎn)生兩個子代；其中，變異算子采用常用的以變異概率進行均勻變異的方式，將變異操作中需要變異的染色體的位數(shù)記為，則在變異算子中對染色體中的位進行變異，以此方式分別對兩父代進行變異，產(chǎn)生兩個子代。交叉算子和變異算子并行于不同分支中，即以一定概率A進行交叉，否則進行變異；然后利用適應(yīng)度函數(shù)=1《1+lk-」附||2)計算子代個體的適應(yīng)度。步驟7，利用兩個子代個體對兩個父代個體進行更新操作，按如下步驟進行(7.1)精英種群中的每個精英個體依次從普通種群中隨機選擇一個配偶pw,C，利用交叉算子或變異算子產(chǎn)生的兩個子代設(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x求適應(yīng)度，則由c/7rf7更新來自精英種群的的父代個體;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^更新來自普通種群的父代個體/7flmi其中C/(",6)表示區(qū)間("》)內(nèi)的一個均勻分布的隨機數(shù)產(chǎn)生器。返回步驟5;步驟8，如果沒有其他信號等待檢測則結(jié)束檢測，否則返回步驟l繼續(xù)對下一列接收信號進行檢測。本發(fā)明的檢測效果，可通過如下仿真試驗進行驗證對比方法介紹為了驗證本發(fā)明的信號檢測方法的優(yōu)越性，仿真中將本發(fā)明的基于M-精英進化算法的信號檢測方法與傳統(tǒng)的性能最優(yōu)但復(fù)雜度最高的最大似然檢測方法、傳統(tǒng)方法中性能相對優(yōu)良的腿SE-0SIC方法和Golden方法、基于標(biāo)準(zhǔn)遺傳算法的檢測方法以及基于克隆選擇算法的檢測方法進行對比。以下用MEA表示本發(fā)明的基于M-精英進化算法的信號檢測方法；用ML表示最大似然檢測方法；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)遺傳算法的檢測方法；用CA表示基于克隆選擇算法的檢測方法。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)信道估計是精確的，噪聲是均值為0，獨立同分布的加性高斯白噪聲?？紤]到ML檢測器的復(fù)雜度，設(shè)幀長50，發(fā)送幀數(shù)IOO。為有效驗證當(dāng)搜索空間較大時基于M-精英進化算法的信號檢測方法的性能，在收發(fā)天線數(shù)相等且分別等于8、10和12幾種情況下，仿真了各檢測器的誤碼率性能。以下各實驗均將最大迭代代數(shù)G作為標(biāo)準(zhǔn)遺傳算法，克隆選擇及M-精英進化算法的終止條件。以下所有實驗結(jié)果都是10次獨立運行的平均結(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時的檢測性能比較設(shè)收發(fā)天線數(shù)目均為8個，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時的檢測性能比較設(shè)收發(fā)天線數(shù)目均為10個，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時的檢測性能比較設(shè)收發(fā)天線數(shù)目均為12個，所有參數(shù)均和上一實驗的設(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時的檢測性能比較在收發(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檢測時間的比較設(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2從2增加至18時，使用MEA及ML檢測數(shù)據(jù)幀長為1的數(shù)據(jù)所需的時間，考慮到ML的復(fù)雜度，當(dāng)r-18時，進行了10次仿真，其余情況均進行了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的檢測時間及誤碼率結(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測精度，而MEA的檢測時間從總體上看要小于ML方法的檢測時間。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，圖7根據(jù)表1給出的兩種方法的檢測時間繪出了MEA和ML的檢測時間隨發(fā)射天線T變化的曲線。為了與理論復(fù)雜度的變化趨勢進行對比，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的檢測時間隨天線數(shù)目變化的比較結(jié)果如圖7所示。仿真實驗結(jié)果分析圖3至圖6為在不同條件下各檢測方法的誤碼率隨信噪比變化的曲線，當(dāng)信噪比相同時，誤碼率越低說明相應(yīng)的檢測器性能越好，從整體上看，誤碼率曲線位置越靠下說明相應(yīng)的檢測器性能越好。從圖3可以看到，ML檢測器的誤碼率最小，其最小值低于10—4，MEA檢測器的誤碼率次之，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)明檢測器的性能大大優(yōu)于兩類經(jīng)典的次優(yōu)檢測器，同樣也優(yōu)于基于GA和CA的方法，能最好地逼近ML檢測器的誤碼率性能。從圖4可以看出，當(dāng)收發(fā)天線數(shù)目增加時，ML檢測器的檢測精度提高了，而隨著搜索空間的增大，為保持相應(yīng)的檢測精度，進化算法需要適當(dāng)增大運算量。MEA檢測器在增加了迭代代數(shù)后，檢測性能也略有增加，且仍然比其他方法更接近ML檢測器的誤碼率性能。從圖5可以看出，當(dāng)收發(fā)天線數(shù)目進一步增加時，ML檢測器的檢測精度進一步提高。由于搜索空間增大，而參數(shù)未進行相應(yīng)的調(diào)整，MEA檢測器的檢測性能略有下降，與ML的差距增大，但仍是其他各類方法中最好的。顯然要使進化算法能夠保持良好的性能，當(dāng)搜索空間增加時必須相應(yīng)地調(diào)整參數(shù)，適當(dāng)增加運算量。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，因而為提高檢測精度，適當(dāng)增加進化算法的運算量是值得的，而這一運算量的增加，與ML方法運算量的增加幅度相比是相對較小的。由圖7可以看出，MEA及ML的運行時間隨發(fā)射天線數(shù)目增加的變化趨勢，與理論推導(dǎo)結(jié)論的變化趨勢基本一致，即MEA的復(fù)雜度約為o(r2)，ML的復(fù)雜度約為。(2^。此外由實驗結(jié)果可以看到，對于BPSK調(diào)制，在發(fā)射天線數(shù)目少于8即搜索空間較小時，MEA檢測器在運行時間上并沒有什么優(yōu)勢，甚至要略高于ML，這是因為進化類算法除了要評價個體的適應(yīng)度外，還要有選擇、交叉、變異等一些額外的操作，會額外耗費一些時間，因而在搜索空間較小時，實際運行時間上反而會不如遍歷搜索法。但當(dāng)發(fā)射天線數(shù)目大于8后，ML的運行時間急劇增加，以至于無法使用，而MEA檢測器的運行時間則增加得非常緩慢，搜索空間越大，MEA比ML在運行時間上就更有優(yōu)勢。若采用高階調(diào)制，這種搜索空間的膨脹會更加劇烈，因而在多發(fā)多收的MIM0系統(tǒng)中，MEA作為一種復(fù)雜度較低的檢測方法，能夠以較低的代價來逼近ML方法的性能，取得較好的檢測結(jié)果，具有一定的應(yīng)用潛力。綜上，本發(fā)明提出的基于M-精英進化算法的信號檢測方法接近于最大似然檢測方法的檢測精度，與傳統(tǒng)的醒SE-0SIC方法和Golden方法以及基于標(biāo)準(zhǔn)遺傳算法的檢測方法和基于克隆選擇算法的檢測方法相比，具有更高的檢測精度，且計算復(fù)雜度與傳統(tǒng)的最大似然檢測方法以及0SIC方法相比則大大降低。權(quán)利要求1、一種基于M-精英進化算法的垂直分層空時信號檢測方法，包括如下步驟(1)接收端接收列信號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)定檢測終止條件，給定運行參數(shù)，隨機產(chǎn)生初始種群，利用適應(yīng)度函數(shù)f(b)＝1/(1+‖r-Hb‖2)計算種群適應(yīng)度，其中b作為種群中的一個個體，是發(fā)射列信號的一種排列組合；(3)根據(jù)種群適應(yīng)度對初始種群排序，并將整個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信號輸出，如果滿足終止條件則結(jié)束對當(dāng)前列信號的檢測，并將當(dāng)前種群中適應(yīng)度最大的個體(T×1維)作為檢測信號輸出，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個體，并為其在普通種群中隨機選擇一個配偶，作為兩個父代個體，利用交叉算子或變異算子產(chǎn)生父代個體的兩個子代個體，形成發(fā)射列信號的兩種新的排列組合b’及b”，并計算其適應(yīng)度；(6)利用兩個子代個體對兩個父代個體進行更新操作，返回步驟(4)；(7)如果沒有其他信號等待檢測則結(jié)束檢測，否則返回步驟(1)繼續(xù)對下一列接收信號進行檢測。2、根據(jù)權(quán)利要求1所述的信號檢測方法，其中步驟(2)所述的設(shè)定檢測終止條件，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所述的信號檢測方法，其中步驟(2)所述的運行參數(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所述的信號檢測方法，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個體，是發(fā)射列信號的一種排列組合。5、根據(jù)權(quán)利要求1所述的信號檢測方法，其中步驟(2)所述的計算種群適應(yīng)度，是按適應(yīng)度函數(shù)/(6)=1/(1+11"-好6||2)對種群中的所有個體進行適應(yīng)度評價，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，^服從相互獨立的復(fù)高斯分布；r為ixl維接收信號向量；6表示個體對應(yīng)的rxi維的數(shù)據(jù)比特向量，是發(fā)射列信號的一種排列組合。6、根據(jù)權(quán)利要求1所述的信號檢測方法，其中步驟(3)所述的根據(jù)種群適應(yīng)度對初始種群排序，并將整個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個個體組成精英種群，其余iV-M個個體作為普通種群，M—般取為「(W-Z)/2l，其中'「xl，表示對x取整，iV是指種群規(guī)模，Z表示非負(fù)整數(shù)，實際仿真中，Z取為2。7、根據(jù)權(quán)利要求1所述的信號檢測方法，其中步驟(5)所述的交叉算子包含遺傳算法常用的兩點交叉和均勻交叉，兩父代個體等概率地進行兩點交叉或均勻交叉，產(chǎn)生兩個子代個體。8、根據(jù)權(quán)利要求1所述的信號檢測方法，其中步驟(5)所述的利用變異算子產(chǎn)生父代個體的兩個子代個體，采用常用的以變異概率進行均勻變異的方式，將變異操作中需要變異的染色體的位數(shù)記為"，并在變異算子中對染色體中的~位進行變異，以此方式分別對兩父代個體進行變異，產(chǎn)生兩個子代。9、根據(jù)權(quán)利要求1所述的信號檢測方法，其中步驟(6)所述的利用兩個子代個體對兩個父代個體進行更新操作，按如下步驟進行(6.1)精英種群中的每個精英個體^mi必依次從普通種群中隨機選擇一個配偶戸w",C，利用交叉算子或變異算子產(chǎn)生的兩個子代設(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，則由更新來自精英種群的的父代個體戶re"化(6.2)判斷c緒《是否替代了其父代個體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^更新來自普通種群的父代個體/ui/"WC:<formula>formulaseeoriginaldocumentpage4</formula>其中t/(",6)表示區(qū)間uw內(nèi)的一個均勻分布的隨機數(shù)產(chǎn)生器。全文摘要本發(fā)明公開一種基于M-精英進化算法的垂直分層空時信號檢測方法，它涉及通信
技術(shù)領(lǐng)域：
。其步驟為(1)接收列信號；(2)設(shè)定檢測終止條件，給定運行參數(shù)，隨機產(chǎn)生初始種群，計算種群適應(yīng)度；(3)對初始種群排序，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)束對當(dāng)前列信號的檢測，輸出檢測信號，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體，產(chǎn)生子代個體，并計算適應(yīng)度；(6)利用子代個體對父代個體進行更新，返回(4)；(7)若無其他待信號檢測則結(jié)束檢測，否則返回(1)。該方法具有復(fù)雜度低，檢測性能好的優(yōu)點，用于第四代移動通信中對垂直分層空時系統(tǒng)的信號檢測。文檔編號H04B7/08GK101431358SQ20081023270公開日2009年5月13日申請日期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,馬文萍申請人:西安電子科技大學(xué)