專利名稱:改進(jìn)人工蜂群粒子濾波信道估計(jì)方法
技術(shù)領(lǐng)域:
本發(fā)明涉及的是一種信號(hào)處理的方法。
背景技術(shù):
粒子濾波適用于任何非線性非高斯系統(tǒng)的狀態(tài)估計(jì)問(wèn)題,使用非常靈活,被廣泛應(yīng)用于各個(gè)工程領(lǐng)域。粒子濾波的建議分布是否恰當(dāng)直接關(guān)系到粒子濾波的估計(jì)精度和估計(jì)效率。Ronghua Guo等人采用Unscented卡爾曼濾波確定粒子濾波的建議分布([1] Ronghua Guo, Zheng Qin, Chen Chen. An adaptive unscented particle filter for tracking ground maneuvering target. Proceedings of IEEE international conference on mechatronics and automation. 2007 :2138_2143P),但這種方法將粒子的后驗(yàn)_既率分布近似為高斯分布,不滿足這一條件時(shí)該方法的估計(jì)精度有限。而群智能優(yōu)化算法對(duì)系統(tǒng)沒(méi)有任何限制,因此將群智能優(yōu)化算法與粒子濾波相結(jié)合既能保證粒子濾波在各類系統(tǒng)中的廣泛適用性又能提高粒子濾波的估計(jì)精度,是近年來(lái)研究人員的研究重點(diǎn)。 Seongkeun Park等人采用遺傳算法優(yōu)化粒子濾波的建議分布([2]kongkeun Park, Jae Pil Hwang, Euntai Kim. A new evolutionary particle filter for the prevention of sample impoverishment. IEEE transactions on evolutionary computation. 2009,(13) 801-809P),提高了算法的估計(jì)精度但遺傳算法收斂速度較慢,計(jì)算量大。Gongyuan Zhang 等人采用粒子群優(yōu)化算法優(yōu)化粒子濾波的建議分布([3]Gongyuan Zhang,Yongmei cheng, Feng Yang, et al. Particle filter based PSO. 2008 international conference on intelligent computation and automation. 2008 :121-124P),粒子群優(yōu)化算法的優(yōu)化效率要高于遺傳算法,但計(jì)算量大,計(jì)算復(fù)雜。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供收斂速度快、計(jì)算量少、估計(jì)精度高的改進(jìn)人工蜂群粒子濾波信道估計(jì)方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的本發(fā)明改進(jìn)人工蜂群粒子濾波信道估計(jì)方法,其特征是(1)寫(xiě)出待估計(jì)變量的狀態(tài)方程和觀測(cè)方程,從建議分布中采樣產(chǎn)生初始粒子和相應(yīng)權(quán)值采用一階AR模型模擬瑞利衰落信道,狀態(tài)方程為巧 ^fj Gf1,觀測(cè)方程為 Y, XkHk J K,其中Hk為k時(shí)刻信道狀態(tài)值, Λ ^fdTs J0 >為第一類零階Bessel函數(shù),fdTs為歸一化多普勒頻移,&D為復(fù)高斯白噪聲,Yk為觀測(cè)值,&為已知發(fā)送符號(hào)信息,Wk 為高斯噪聲;粒子總數(shù)為N,k「1時(shí)刻N(yùn)個(gè)粒子為甩" 1,2,’,#,每個(gè)粒子對(duì)應(yīng)的權(quán)值為<" 1,2,·,#,令甩β滿足均值為O方差為1的高斯分布,權(quán)值均等,滿足
權(quán)利要求
1.改進(jìn)人工蜂群粒子濾波信道估計(jì)方法,其特征是(1)寫(xiě)出待估計(jì)變量的狀態(tài)方程和觀測(cè)方程,從建議分布中采樣產(chǎn)生初始粒子和相應(yīng)權(quán)值采用一階AR模型模擬瑞利衰落信道,狀態(tài)方程為Hk = aHH+VH,觀測(cè)方程為Yk = XkHk+Wk,其中Hk為k時(shí)刻信道狀態(tài)值,a = J0 (2 π fdTs),J0 O為第一類零階Bessel函數(shù),fdTs 為歸一化多普勒頻移,Vlri為復(fù)高斯白噪聲,Yk為觀測(cè)值,&為已知發(fā)送符號(hào)信息,Wk為高斯噪聲;粒子總數(shù)為N, k-Ι時(shí)刻N(yùn)個(gè)粒子為祐—i = 1,2,·,N,每個(gè)粒子對(duì)應(yīng)的權(quán)值為i =1,2,·,N,令滿足均值為0方差為1的高斯分布,權(quán)值均等,滿足^t1 i = 1,.2,·,N,從建議分布尸pL)采樣得到k時(shí)刻的N個(gè)初始粒子,即將好丨―,戈入狀態(tài)方程, 得到好丨,i=l,2, ·,N,根據(jù)觀測(cè)方程,k時(shí)刻權(quán)值為4 =^4-4( I甩);(2)將初始粒子中隨機(jī)抽取半數(shù)粒子進(jìn)行優(yōu)化,計(jì)算每個(gè)待優(yōu)化粒子的適應(yīng)度函數(shù)值, 并歸一化得到概率值N_ _ 2 _ · ΛΜΜ,將待優(yōu)化粒子代入步驟(1)中的觀測(cè)方程,得到I^t1,定義適應(yīng)度函數(shù)為fit, ρ — J Jj = 1,2,·,M,歸一化得到概率值1 一 ^jt j = 1,2, - ,Μ;片.隨機(jī)抽取M=個(gè)粒子進(jìn)行優(yōu)化丨代表向下取整),即…j = 1,2,L·」Hi,fit, = exp(Yk-Y^f(3)概率值最大的粒子為全局最優(yōu)點(diǎn),根據(jù)概率值確定粒子的復(fù)制數(shù)量,復(fù)制的粒子要在最優(yōu)值附近搜索產(chǎn)生新值,搜索要向最優(yōu)值方向gbest = arg max (Pj),gbest為當(dāng)前的全局最優(yōu)解,Lj為每個(gè)粒子復(fù)制的個(gè)數(shù)Λ =Li3; .M」,j = 1,2, ,M,復(fù)制后的粒子為:Huk,xx = 1,2,·,U,復(fù)制后的粒子按下式向最優(yōu)值方向搜索產(chǎn)生新粒子H": = TlHuk +r2 (gbest -巧),u = 1,2,·,U ;Γι、r2 均為 0 到 1 之間的值;(4)將產(chǎn)生的新粒子再次計(jì)算適應(yīng)度函數(shù)和概率值、并與原粒子比較,若新粒子的概率大于原粒子則保留新粒子,若新粒子的概率小于原粒子則放棄新粒子,如此反復(fù)迭代將新粒子Hf和原粒子分別代入步驟O)中計(jì)算概率值,取使概率較大的粒子作為本次次迭代產(chǎn)生的新粒子,將新粒子重復(fù)步驟O)、步驟(3),反復(fù)迭代;(5)設(shè)定步驟(4)的迭代次數(shù),當(dāng)達(dá)到設(shè)定迭代次數(shù)時(shí)停止迭代,將優(yōu)化后的粒子和步驟O)中剩余的半數(shù)初始粒子聯(lián)合作為粒子濾波的建議分布實(shí)現(xiàn)信道估計(jì)。
全文摘要
本發(fā)明的目的在于提供改進(jìn)人工蜂群粒子濾波信道估計(jì)方法,包括以下步驟寫(xiě)出待估計(jì)變量的狀態(tài)方程和觀測(cè)方程,從建議分布中采樣產(chǎn)生初始粒子和相應(yīng)權(quán)值,將初始粒子中隨機(jī)抽取半數(shù)粒子進(jìn)行優(yōu)化,計(jì)算適應(yīng)度函數(shù)值,并歸一化得到概率值,概率值最大的粒子為全局最優(yōu)點(diǎn),根據(jù)概率值確定粒子的復(fù)制數(shù)量,復(fù)制的粒子要在最優(yōu)值附近搜索產(chǎn)生新值,搜索要向最優(yōu)值方向,將產(chǎn)生的新粒子再次計(jì)算適應(yīng)度函數(shù)和概率值、并與原粒子比較,若新粒子的概率大則保留,反之放棄,如此迭代,當(dāng)達(dá)到設(shè)定迭代次數(shù)時(shí)停止,將優(yōu)化后的粒子和剩余的半數(shù)初始粒子聯(lián)合作為粒子濾波的建議分布實(shí)現(xiàn)信道估計(jì)。本發(fā)明收斂速度快、計(jì)算量少、估計(jì)精度高。
文檔編號(hào)H04L25/02GK102215188SQ201110165789
公開(kāi)日2011年10月12日 申請(qǐng)日期2011年6月20日 優(yōu)先權(quán)日2011年6月20日
發(fā)明者付進(jìn), 梁國(guó)龍, 韓雅菲 申請(qǐng)人:哈爾濱工程大學(xué)