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)