分布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及通信系統(tǒng)導(dǎo)頻輔助的信道估計(jì)和導(dǎo)頻設(shè)計(jì)技術(shù)領(lǐng)域，尤其涉及一種分 布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法。
【背景技術(shù)】
[0002] 在過(guò)去的20年里，多輸入多輸出（multi-i噸utmulti-〇u1:put，MIM0)成為提高 無(wú)線通信性能的關(guān)鍵技術(shù)，獲得了廣泛而深入的研究。將MIM0和OFDM技術(shù)相結(jié)合可W提 高無(wú)線通信系統(tǒng)的帶寬效率和對(duì)抗多徑衰落。在MIM0-0FDM系統(tǒng)中，信道估計(jì)至關(guān)重要。 一方面，信道估計(jì)質(zhì)量的優(yōu)劣直接決定著接收端相關(guān)解調(diào)的性能。另外，MIM0系統(tǒng)中的波 束賦形、基于預(yù)編碼的空分復(fù)用W及天線選擇等操作都需要信道狀態(tài)信息（channelstate in化rmation，CSI)，CSI的獲取也需要通過(guò)信道估計(jì)來(lái)獲得。在MIMO系統(tǒng)中，導(dǎo)頻符號(hào)的 數(shù)量往往隨著導(dǎo)頻天線的數(shù)量線性增長(zhǎng)。導(dǎo)頻符號(hào)的增長(zhǎng)會(huì)降低系統(tǒng)的有效性，因此，在 MIM0-0FDM系統(tǒng)中，研究如何W較少數(shù)量的導(dǎo)頻符號(hào)獲得好的信道估計(jì)性能變得至關(guān)重要。
[0003] 在高速寬帶無(wú)線通信中，無(wú)線信道經(jīng)常建模為稀疏信道，即時(shí)延擴(kuò)展很大，但能 量較大的顯著路徑的數(shù)量非常小。傳統(tǒng)的基于導(dǎo)頻的信道估計(jì)方法如最小二乘（least squares,L巧估計(jì)器沒(méi)有考慮信道內(nèi)在的稀疏性，因此需要很大數(shù)量的導(dǎo)頻符號(hào)才能夠獲 得滿意的信道估計(jì)性能。大量現(xiàn)有文獻(xiàn)表明，如果將壓縮感知（compressivesensing,CS) 理論應(yīng)用于信道估計(jì)，將W較少的導(dǎo)頻符號(hào)獲得令人滿意的信道估計(jì)性能。在實(shí)際的點(diǎn)對(duì) 點(diǎn)MIM0-0FDM系統(tǒng)中，由于所有發(fā)送天線和接收天線都是集中放置，所W所有發(fā)送接收天 線對(duì)之間的信道傳播時(shí)延近似相同，各天線對(duì)之間的信道可W建模為聯(lián)合稀疏信號(hào)。此時(shí)， 各天線對(duì)之間的信道不僅可W用基于CS的信道估計(jì)去完成，還可W使用基于分布式壓縮 感知（distributedcompressivesensing,DC巧的信道估計(jì)去完成?，F(xiàn)有文獻(xiàn)表明，基于 DCS的信道估計(jì)性能比基于CS的信道估計(jì)性能更優(yōu)越。
[0004] 在MIM0-0FDM系統(tǒng)中，導(dǎo)頻位置的分配即導(dǎo)頻圖案的設(shè)計(jì)往往與信道估計(jì)的性能 有關(guān)。與傳統(tǒng)的信道估計(jì)不同，等間隔的導(dǎo)頻放置并不能使基于CS和基于DCS的信道估計(jì) 獲得最優(yōu)的估計(jì)性能。因此，我們要專(zhuān)口對(duì)基于CS和基于DCS的信道估計(jì)進(jìn)行導(dǎo)頻位置的 優(yōu)化，從而使他們能夠使用盡可能少的導(dǎo)頻獲得盡可能優(yōu)越的信道估計(jì)性能。既然在點(diǎn)對(duì) 點(diǎn)的MIM0-0抑M系統(tǒng)中，基于DCS的信道估計(jì)性能比基于CS的信道估計(jì)性能更優(yōu)越，對(duì)使 用DCS信道估計(jì)的MIM0-0抑M系統(tǒng)進(jìn)行導(dǎo)頻的優(yōu)化，從而使其獲得優(yōu)越的信道估計(jì)性能是 非常有意義的。然而，目前沒(méi)有任何文獻(xiàn)對(duì)該問(wèn)題進(jìn)行研究，本發(fā)明將首次針對(duì)使用DCS信 道估計(jì)的MIM0-0FDM系統(tǒng)，提出一種導(dǎo)頻分配方法，從而使系統(tǒng)獲得最佳的信道估計(jì)性能。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)【背景技術(shù)】中所涉及的問(wèn)題，提供一種分布式壓 縮感知信道估計(jì)中的導(dǎo)頻分配方法。
[0006] 本發(fā)明為解決上述技術(shù)問(wèn)題采用W下技術(shù)方案：
[0007] 分布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法，包含如下步驟：
[0008]步驟1)，將最優(yōu)導(dǎo)頻的設(shè)計(jì)問(wèn)題建模為W下的組合優(yōu)化問(wèn)題：
[00091
【主權(quán)項(xiàng)】
1.分布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法，其特征在于包含如下步驟： 步驟1)，將最優(yōu)導(dǎo)頻的設(shè)計(jì)問(wèn)題建模為以下的組合優(yōu)化問(wèn)題：
， 其中，L為信道長(zhǎng)度、乂為MIMO-OFDM系統(tǒng)發(fā)送天線數(shù)、P為導(dǎo)頻數(shù)、Ai為第i個(gè)發(fā)送 天線對(duì)應(yīng)的導(dǎo)頻位置集合、0表示空集、表示集合中的第a個(gè)元素、N為每個(gè)發(fā)送 天線上總子載波的個(gè)數(shù)、Q= {1，2，...，N}為子載波集合、表示集合中元素的個(gè) 數(shù)、iT為發(fā)送天線序號(hào)、1和r表示抽頭延時(shí)線信道模型中兩個(gè)不同的抽頭序號(hào)； 步驟2)，初始化遺傳算法參數(shù)：種群尺寸Ps，個(gè)體長(zhǎng)度Len=PNT，遺傳代數(shù)g= 1，最 大遺傳代數(shù)Mg,定義個(gè)體的一般表達(dá)式為：? ，并隨機(jī)生成一個(gè)包含Ps個(gè) 個(gè)體的初始種群{Oi,i= 1，2, ? ? ?，Ps}; 步驟3)，對(duì)初始種群中每個(gè)個(gè)體根據(jù)下式計(jì)算來(lái)自所有發(fā)送天線上的導(dǎo)頻位置集合 A，r:
步驟4)，計(jì)算導(dǎo)頻位置集合A&對(duì)應(yīng)的適應(yīng)值：
步驟5)，執(zhí)行隨機(jī)通用采樣選擇操作，個(gè)體被選擇的概率為Sprob，即選擇當(dāng)前種群中 適應(yīng)值最高的PsXSprob個(gè)個(gè)體； 步驟6)，對(duì)步驟5)得到的PsXSprob個(gè)個(gè)體執(zhí)行概率為Cprob的離散重組操作，即以 概率Cprob從群體中選擇多個(gè)個(gè)體，每?jī)蓚€(gè)一組，隨機(jī)交換兩個(gè)個(gè)體的若干位產(chǎn)生兩個(gè)新 的個(gè)體，從而產(chǎn)生新的PsXSprob個(gè)個(gè)體； 步驟7)，對(duì)步驟6)得到的PsXSprob個(gè)個(gè)體進(jìn)行概率為Mprob的基因變異操作，基因 的邊界為1彡KN，即以概率Mprob從個(gè)體編碼串上隨機(jī)選擇出若干個(gè)基因位，并對(duì)該 位上的值進(jìn)行改變； 步驟8)，采用步驟3)和步驟4)中的公式計(jì)算步驟7)得到的種群數(shù)量為PsXSprob的 新一代個(gè)體的適應(yīng)值，并用他們?nèi)〈蟹N群中適應(yīng)值最低的PsXSprob個(gè)個(gè)體，從而獲 得新的種群； 步驟9)，對(duì)步驟8)獲得的種群執(zhí)行完善操作去獲取具有更高適應(yīng)值的個(gè)體； 步驟10)，遺傳代數(shù)g增加1; 步驟11)，反復(fù)執(zhí)行步驟5)至步驟10)，直到遺傳代數(shù)g達(dá)到最大遺傳代數(shù)Mg; 步驟12)，采用步驟3)中的公式、根據(jù)現(xiàn)有種群中具有最大適應(yīng)值的個(gè)體〇besH十算出 最優(yōu)的導(dǎo)頻位置集合A=，1彡iT<Nt。
2. 根據(jù)權(quán)利要求1所述的分布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法，其特征在于， 步驟9)的詳細(xì)步驟如下： 步驟9. 1)，從現(xiàn)有群體里選擇出具有最大適應(yīng)值的10個(gè)個(gè)體； 步驟9. 2)，針對(duì)步驟9. 1)中選擇出的每個(gè)個(gè)體，隨機(jī)選擇出4個(gè)基因，對(duì)這4個(gè)基因分 別進(jìn)行同時(shí)增加1、2、3和同時(shí)減小1、2、3的操作，以獲得6個(gè)新的個(gè)體； 步驟9. 3)，針對(duì)步驟9. 1)中選擇出的每個(gè)個(gè)體以及其對(duì)應(yīng)的6個(gè)新的個(gè)體，選擇其中 適應(yīng)值最大的個(gè)體取代原先個(gè)體。
3. 根據(jù)權(quán)利要求1所述的分布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法，其特征在于， 步驟5)中個(gè)體被選擇的概率Sprob= 0. 9。
4. 根據(jù)權(quán)利要求1所述的分布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法，其特征在于， 步驟6)中執(zhí)行概率Cprob= 0. 7。
5. 根據(jù)權(quán)利要求1所述的分布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法，其特征在于， 步驟7)中進(jìn)行概率Mprob= 0. 006。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種分布式壓縮感知信道估計(jì)中的導(dǎo)頻分配方法，首先以最小化信道估計(jì)誤差為出發(fā)點(diǎn)將導(dǎo)頻位置的優(yōu)化問(wèn)題建模為組合優(yōu)化問(wèn)題,然后利用提出來(lái)的遺傳算法求解組合優(yōu)化問(wèn)題，獲得能使信道估計(jì)誤差最小的最優(yōu)導(dǎo)頻位置集合。使用此最優(yōu)導(dǎo)頻位置集合能夠確?；诜植际綁嚎s感知的MIMO-OFDM信道估計(jì)獲得比傳統(tǒng)的最小二乘信道估計(jì)和基于壓縮感知的MIMO-OFDM信道估計(jì)更低的估計(jì)誤差和更高的頻譜有效性。
【IPC分類(lèi)】H04L5-00, H04L25-02
【公開(kāi)號(hào)】CN104702390
【申請(qǐng)?zhí)枴緾N201510059098
【發(fā)明人】何雪云
【申請(qǐng)人】南京郵電大學(xué)
【公開(kāi)日】2015年6月10日
【申請(qǐng)日】2015年2月4日