ml也是相同的。即，子矩阵__ [P^，Pz+zWpf+.(i%-i)z,]的每一列都是相同的， 所以我们可以将其改写为f^i=Iipi，Pi，…，Pi]。因此有：
[0054]
[0055] 其中表示NtXNt的全1阵。于是我们得到了半正定矩阵R lkHRlk的表达式：
[0056]
[0057] 所以矩阵Rlk的谱范数可以表示为：
[0058]
[0059]回到导频位置优化讨论中，我们的目标是最小化互相关。考虑到DFT矩阵的单位 性质和上面公式中对谱范数的简化，我们可以将互相关化简为：
[0060]
[0061]其中，A是相同的导频幅度，是矩阵Fa)的第1列。为了使讨论更清晰，可以将 矩阵Fa)写开如下：
[0062]
[0063]因为DFT矩阵具有周期性，所以If1YkI的值只依赖于r=k-1。然后，块相关能够 被进一步化简为：
[0064]
[0065] 所以，能够最小化块相关的最优导频位置集合r_可以表示成：
[0066]
[0067] 接下来，对上面的公式进行化简：
[0068]
[0069] 定义集合r的CDS为Cr= {(P k-PjmodN|1彡1乒k彡J}，定义;Td表示C「中 元素d的重复次数，其中0彡d彡N-1。有：
[0070]
[0071] 根据复指数序列的叠加性质：
[0072]
[0073] 我们可以将上面的公式按照r= 1，2…N-I叠加N-I次，得到：
[0077] 而且，取得等号的条件是：
[0078] T1=r2 = ---=rNJ
[0079] S2 :提出遗传算法，在实际系统中优化导频幅度，具体为：
[0080] 在所有发射天线共享相同的导频位置、幅度的假设下，本发明推导出了最优的导 频位置分配方案。但是，对于一般的OFDM子载波数N和导频数J，最优的条件并不能够满 足。即，最优CDS只在特定的（N，J)对中存在。对于最优CDS不存在的情况，即任意的OFDM 子载波数N和导频数J，本发明提出一个遗传算法来获得次优的导频位置分配方案。遗传算 法是计算机科学人工智能领域中用于解决最优化的一种搜索启发式算法，非常适合解决组 合优化问题。本发明提出的算法适用性很强，不受OFDM子载波数、导频数和CIR长度的影 响。简单地说，在下面的算法中，个体的适应度函数被定义为=yB(〇)。与传统的 遗传算法不同，下面的算法选择具有较小适应度的后代，以最小化块相关。算法简要介绍如 下：
[0081 ] 输入：OFDM子载波数N，导频数J。
[0082] 输出：次优的导频位置集合rsubcipt。
[0083] 初始化：种群数量Ps= 100 ;
[0084] 个体向量的长度Jv =J;
[0085] 最大遗传代数G。
[0086] 步骤1 :随机生成一个PsXJ的种群矩阵C。C的每一行代表一个个体，即一个导 频位置集合。计算C中每个个体的适应度。
[0087]步骤2 :按照选择概率Pselectlcin= 0? 95、交叉概率P_ss= 0? 5、变异概率P^utatlcin = 〇. 1进行随机选择、交叉组合和变异。
[0088] 步骤3 :计算新产生的后代的适应度。按照适应度将新产生的后代放到种群矩阵C中。
[0089] 步骤4 :如果当前已经达到预设的最大遗传代数G，停止算法，获得适应度最小的 个体，即Fsubcipt;否则，跳转到步骤2。
[0090] S3:提出类似的遗传算法，在导频幅度已知的情况下优化导频位置提出类似的遗 传算法，在导频幅度已知的情况下优化导频位置，具体为：
[0091] 如图3所示，在传统的正交导频设计中，不同发射天线的导频位置必须是非交叠 的。于是不得不添加空导频来防止不同发射天线导频的相互干扰。随着MMO系统的天线 个数不断增加，空导频的数量必须不断增多，这造成了频谱资源的大量浪费。近来，有学者 提出了叠加导频的设计方案。在叠加导频设计中，不同发射天线的导频共享相同的位置，所 以那些用作占位的空导频可以被移除掉。为了分辨不同发射天线的信道，导频幅度必须有 足够大的差异。根据文献，不同的导频幅度可以通过随机产生独立同分布的Bernoulli分 布序列获得。
[0092] 为了最小化观测矩阵的块相关，本发明提出一个类似的遗传算法来优化Nt个发射 天线的导频幅度集合。同样，个体的适应度函数被定义为f(40 =yB(〇)，而且算法选择 具有较小适应度的后代，以最小化块相关。算法简要介绍如下：
[0093] 输入：0FDM子载波数N，导频数J，导频位置集合r。
[0094] 输出：Nt个由±1组成的向量，代表Nt根发射天线的导频幅度。
[0095] 初始化：种群数量Ps= 100 ;
[0096] 个体向量的长度Jv=NJ;
[0097] 最大遗传代数G。
[0098] 步骤1:随机生成一个由±1组成的、PsXNtJ的种群矩阵C。C的每一行代表一个 个体，即队个导频幅度向量重排成的一个行向量。计算C中每个个体的适应度。
[0099]步骤2 :按照选择概率Pselectlcin= 0? 95、交叉概率P_ss= 0? 5、变异概率P^utatlcin = 〇. 1进行随机选择、交叉组合和变异。
[0100] 步骤3 :计算新产生的后代的适应度。按照适应度将新产生的后代放到种群矩阵C 中。
[0101] 步骤4:如果当前已经达到预设的最大遗传代数G，停止算法，获得适应度最小的 个体，将其重排成队个向量；否则，跳转到步骤2。
[0102] S4 :在导频幅度和导频位置已知的情况下，引入BOMP算法，做MMO-OFDM系统的信 道估计，BOMP算法具体为：
[0103] 输入：接收端叠加频域导频序列Y;观测矩阵〇，信道长度L，发射天线数Nt，阈值 Jo20
[0104] 输出：重排后的聚合CIR向量b。
[0105] 初始化：迭代变量i= 0 ;
[0106] 初始的CIR向量b=0 ;
[0107] 初始的残差向量r=Y ;
[0108] 初始的b的支持向量集合
[0109]
[0110] 步骤1 :对于所有满足.?二和IG{〇, 1，…，L-1}的1，计算最小平方估计
[0111] 步骤2 :找到最小的残差G"，令Sto =
[0112] 步骤3 :根据当前的支持向量集合s计算出部分CIR向量1^= (〇sH〇s) 1OshY,其 中Os是通过支持向量集合s提取的〇的子矩阵。
[0113] 步骤4:根据当前的支持向量集合s更新聚合CIR向量b，即b(s) =bs。
[0114] 步骤5:更新残差向量r=Y-气b。
[0115] 步骤6 :如果IlrlliS/tr2，停止迭代；否则，令i=i+1，转到步骤1。
[0116] 另外，本发明实施例的一种MMO-OFDM系统信道估计的导频优化方法的其它构成 以及作用对于本领域的技术人员而言都是已知的，为了减少冗余，不做赘述。
[0117] 在本说明书的描述中，参考术语"一个实施例"、"一些实施例"、"示例"、"具体示 例"、或"一些示例"等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特 点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不 一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何 的一个或多个实施例或示例中以合适的方式结合。
[0118] 尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不 脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本 发明的范围由权利要求及其等同限定。
【主权项】
1. 一种MIMO-OFDM系统信道估计的导频优化方法，其特征在于，包括以下步骤： 51 :设定MIMO系统不同发射天线共享导频位置和共享导频幅度，推导所述导频位置的 优化方法； 52 :给定遗传算法，根据所述遗传算法和所述导频位置的优化方法优化导频位置； 53 :根据所述遗传算法和所述优化导频位置优化导频幅度； 54 :根据所述优化导频幅度和所述优化导频位置，采用BOMP算法对MMO-OFDM系统的 信道进行估计。2. 根据权利要求1所述的方法，其特征在于，在所述步骤Sl中，所述推导所述导频位置 的优化方法是通过叠加导频实现的。3. 根据权利要求1或2所述的方法，其特征在于，在所述步骤Sl中，在推导所述导频位 置的优化方法中，导频位置集合的循环差分集中所有元素的重复次数均相同。4. 根据权利要求1所述方法，其特征在于，在所述步骤S2和S3中，根据所述MMO系统 观测矩阵定义所述遗传算法的个体适应度，根据最小化块选择所述遗传算法的最小适应度 的后代。5. 根据权利要求4所述的方法，其特征在于，在所述步骤S2中，所述的遗传算法进一步 包括： 5201 :初始化种群数量、个体向量的长度和最大遗传代数； 5202 :随机生成种群矩阵，所述种群矩阵的每一行代表一个导频位置集合； 5203 :计算种群矩阵中每个所述导频位置集合的适应度； 5204 :按照给定的选择概率、交叉概率和变异概率进行随机选择、交叉组合和变异； 5205 :计算新产生的后代的适应度，按照适应度将新产生的后代放到所述种群矩阵 中； 5206 :如果当前已经达到预设的最大遗传代数，则停止算法，获得适应度最小的个体， 否则遗传代数加1并返回步骤S204。6. 根据权利要求4所述的方法，其特征在于，在所述步骤S3中，所述的遗传算法包括以 下步骤： 5301 :初始化种群数量、个体向量的长度和最大遗传代数； 5302 :随机生成一个由±1组成的种群矩阵，所述种群矩阵的每一行代表一个行向量； 5303 :计算种群矩阵中每个所述行向量的适应度； 5304 :按照给定的选择概率、交叉概率和变异概率进行随机选择、交叉组合和变异； 5305 :计算新产生的后代的适应度，按照适应度将新产生的后代放到所述种群矩阵 中； 5306 :如果当前已经达到预设的最大遗传代数，则停止算法，获得适应度最小的个体， 否则遗传代数加1并返回步骤S304。7. 根据权利要求1所述的方法，其特征在于，在所述步骤S4中，所述的BOMP算法操作 单位为一个子矩阵，每次更新一个所述子矩阵到支持向量集合中。
【专利摘要】本发明公开了一种MIMO-OFDM系统信道估计的导频优化方法，包括以下步骤：S1：设定MIMO系统不同发射天线共享导频位置和共享导频幅度，推导所述导频位置的优化方法；S2：给定遗传算法，根据所述遗传算法和所述导频位置的优化方法优化导频位置；S3：根据所述遗传算法和所述优化导频位置优化导频幅度；S4：根据所述优化导频幅度和所述优化导频位置，采用BOMP算法对MIMO-OFDM系统的信道进行估计。本发明具有如下优点：能够在较低信噪比的环境中提升MIMO-OFDM系统的信道估计性能，且不会有额外频谱资源和发射功率的要求。
【IPC分类】H04L27/26, H04L25/02
【公开号】CN105162736
【申请号】CN201510574378
【发明人】王劲涛, 汪学思, 潘长勇, 宋健, 郭文秀
【申请人】清华大学, 深圳清华大学研究院
【公开日】2015年12月16日
【申请日】2015年9月10日