一种大规模mimo系统中的基于相移的导频设计方法
【专利摘要】本发明一种大规模MIMO系统中的基于相移的导频设计方法，包括如下步骤：步骤1，以系统内干扰之和最小为目标建立优化问题，设计系统内每个小区的相位偏移值；步骤2，采用离散粒子群搜索的算法，求解步骤1的优化问题，得到每个小区的相位偏移值；步骤3，在步骤2得到的相位偏移值的基础上，采用基于禁忌搜索的导频分配算法，得到能够降低导频污染的导频设计方案。通过建立求解系统内干扰最小的优化问题，使得相互干扰大的两个小区间的导频矩阵的相关性弱，而相互干扰小的两个小区间的导频矩阵的相关性强，从而降低导频污染。在导频相移基础上，采用低复杂度的导频分配方案，基于禁忌搜索的导频分配方法，提升系统的信道估计精度和频谱效率。
【专利说明】
-种大规模ΜI MO系统中的基于相移的导频设计方法
技术领域
[0001] 本发明属于无线通信中的大规模ΜΙΜΟ系统中的上行信道估计领域，设及大规模 ΜΙΜΟ系统中的导频序列生成和导频调度，具体为一种大规模ΜΙΜΟ系统中的基于相移的导频 设计方法。
【背景技术】
[0002] 为了提高有限频谱资源的利用率、满足人们日益增长的无线通信需求，大规模 MIM0(La巧e Scale ΜΙΜΟ或Massive ΜΙΜΟ)成为新一代无线通信系统的关键技术之一。它通 过配备数百根天线的基站同时为数十个使用相同时频资源的用户服务。研究表明，随着基 站天线数目的增加，噪声和不相干的小区间干扰将可W忽略不计;并且采用简单的信号处 理方法，如最大比合并(Maximum Ratio Combining,MRC)，迫零（Zero-F'orcing,ZF)就可W 使系统容量显著提高，降低了实际系统中硬件的实现难度。然而，由于信道相干时间长度是 有限的，因此不能保证大规模ΜΙΜΟ系统中所有用户均使用正交的导频序列，在基站对用户 进行信道估计时受到使用相同导频资源的用户的干扰，运个现象称之为导频污染。
[0003] 目前抑制导频污染的方法主要有:精准的信道估计算法，鲁棒的预编码算法，导频 序列分配算法和导频序列设计等。其中信道估计算法包括半盲信道估计和基于导频的信道 估计，其中半盲信道估计方法有基于特征分解的信道估计算法、基于子空间的信道估计;基 于导频的信道估计方法有贝叶斯信道估计算法等。预编码算法主要包括基于基站间协作的 导频污染预编码算法和基于最小均方误差(Minimum Mean Square化;ro;r,MMSE)的预编码 算法。运类算法在已知信道估计会因导频污染而存在估计误差时，通过设计预编码矩阵来 弥补信道估计不准确带来的性能损失，从而保证系统性能。导频序列分配算法通过使相互 之间导频污染较小的那一组用户使用相关性大的导频，从而降低导频污染对系统性能的影 响，导频分配算法主要有穷举捜索法，贪婪捜索法等，但是运两种分配算法的复杂度比较 高。导频设计方案主要包括导频时移方案和导频相移方案。导频时移方案是通过将系统中 的小区分为若干组，不同组的小区的导频信号在时间上错开来实现的，当天线数趋于无穷 时，来自其他组的干扰消失，仅剩同组内的导频污染;已有文献提出的导频相移方案是将不 同小区的导频矩阵进行不同的相位偏移值，使得导频矩阵之间的互相关性减小，从而降低 导频污染。然而该文献在设计每个小区的相位偏移值时，将所有小区及小区内的所有用户 同等对待，并没有将大尺度信息考虑在内，并且该文献在设计相移时对导频长度进行了限 审IJ，其所得的相移并不是最优的，因此对系统性能的提升并不是特别理想。
【发明内容】
[0004] 针对现有技术中存在的问题，本发明提供一种大规模ΜΙΜΟ系统中的基于相移的导 频设计方法，能够降低导频污染，且复杂度低，能够提升系统性能。
[0005] 本发明是通过W下技术方案来实现：
[0006] -种大规模ΜΙΜΟ系统中的基于相移的导频设计方法，包括如下步骤：
[0007] 步骤1，W系统内干扰之和最小为目标建立优化问题，设计系统内每个小区的相位 偏移值；
[0008] 步骤2,采用离散粒子群捜索的算法，求解步骤1的优化问题，得到每个小区的相位 偏移值；
[0009] 步骤3,在步骤2得到的相位偏移值的基础上，采用基于禁忌捜索的导频分配算法， 得到能够降低导频污染的导频设计方案。
[0010] 优选的，步骤3中，在步骤2得到的相位偏移值的基础上进行导频分配，使相互之间 干扰大的用户使用相关性小的导频序列，相互干扰小的用户使用相干性大的导频序列。
[0011] 优选的，步骤1中，W系统内干扰之和最小为目标建立的优化问题表示如下，
[0012]
[001引其中，L为系统内的小区数量,?为小区1内所有用户到小区i的基站之间的平均大 尺度信道，qi，qi分别为小区i与小区1的相位偏移量，Np为导频长度。
[0014] 进一步，步骤2中，采用离散粒子群捜索的算法，求解步骤1的优化问题，具体步骤 如下，
[0015] 步骤2.1，初始化:需要捜索空间的维数是L，粒子总数为η;则所有粒子初始位置X心 初始化为[0，Np- 1 ]之间的正整数，初始速度可初始化为：
[0016]
[0017]其中，ε~U(0，1)，Np为导频长度；
[0018] 步骤2.2，迭代过程，最大迭代数为Niter :
[0019] 步骤2.2.1按照如下公式更新每个粒子的更新速度和位置：
[0020]
[0021] 式中；
[0022] a-一惯性权重因子，经验值为0.8;
[0023] ci,C2一一加速因子，正常数，分别调节粒子趋向自身最优位置和全局最优位置的 捜索步长，经验值为1.6;
[0024] η,Γ2-[0，1 ]之间的随机数；
[0025] t一一当前迭代时刻；
[00%] d-当前捜索的维度；
[0027] 一一t时刻第i个粒子在第d维度上的更新速度；
[002引皆'!一一t时刻第i个粒子在第d维度上的位置；
[0029] 私一一t时刻第i个粒子在第d维度上的局部最优值；
[0030] pU一一第d维度上所有粒子的全局最优值；
[0031] 步骤2.2.2,修正：由于所有粒子的位置必须是[0，Np-1]之间的正整数，因此需要 对每个粒子的位置变量做如下修正：
[0032]
[0033] 步骤2.2.3，定义评价函数
，其为系统总的干扰，根据步骤2.2.2 中得到的修正后的位置变量计算评价函数的值，对比当前评价函数的值和历史评价函数的 值，得到当前迭代时刻第i个粒子的局部最优向量托和当前迭代时刻所有粒子的全局最优 向量托;'
[0034] 步骤2.2.4,若到达最大迭代次数Niter时则停止迭代；否则令t = t+l，转到步骤 2.2.1继续迭代；
[0035] 步骤2.3，最后得到最大迭代次数时的全局最优向量1>^'''，.？^中的元素就是1^个 小区的较优的相位偏移值qi，i = 1，2，…L。
[0036] 再进一步，步骤3中，基于禁忌捜索的导频分配算法，W每个小区的导频分配序列 化为优化目标，优化过程中其他小区的导频分配矩阵保持不变，具体包括如下步骤，
[0037] 步骤3.1，初始化导频分配矩阵P，并初始化小区指数为1 = 0;
[0038] 步骤3.2,更新1 = 1+1，当1>1时，则所有的小区都找到了较优的导频分配序列，算 法终结，输出最终的导频分配矩阵P°Pt;若1《L，则进行步骤3.3;
[0039] 步骤3.3,对当前小区1，初始化迭代计数器1 = 0,设置当前优化对象和历史最优解 为：φ =化，历史最优目标函数值为
禁忌表初始化为空集： T 二0;
[0040] 步骤3.4,更新迭代计数器1 = 1+1，若I>Nmax，则迭代终止，得到小区1的导频分配 向量p(l，:) = φ%转到步骤3.2;否则继续步骤3.5;
[0041] 步骤3.5,互换向量φ中任意两个元素的位置，得到Φ的邻域Ν(φ)，其包含个向 量，在该邻域中找到最优的导频分配向量：
[0042]
[0043] 其中，/晰= /(Ρ心,=φ)巧/成)>/(ρ)，则更新当前迭代向量和历史最优向量为： φ = φ，和=1，并将Φ加入禁忌表Τ中，否则转到步骤3.6;
[0044] 步骤3.6,从在邻域中但不在禁忌表的向量中选出最优的导频分配向量：
然后更新当前迭代向量为:φ = Φ，并将夺加入禁忌表Τ中，转到步骤3.4;
[0045] 步骤3.7,直至满足步骤3.2中的算法终结条件时可得到各个小区的导频分配序 列，从而得到系统中能够降低导频污染的导频设计方案。
[0046] 与现有技术相比，本发明具有W下有益的技术效果：
[0047] 本发明通过建立求解系统内干扰最小的优化问题，使得相互干扰大的两个小区间 的导频矩阵的相关性弱，而相互干扰小的两个小区间的导频矩阵的相关性强，从而降低导 频污染。在所设计的导频相移基础上，采用一种低复杂度的导频分配方案，基于禁忌捜索的 导频分配方法，使得相互之间干扰大的用户使用相关性小的导频序列，从而进一步降低导 频污染，提升系统的信道估计精度和频谱效率，从而提升系统性能。
【附图说明】
[0048] 图1是本发明实例中所述的大规模ΜΙΜΟ系统场景描述示意图。
[0049] 图2是本发明实例中所述的大规模ΜΙΜΟ数据传输模式示意图。
[0050] 图3是本发明实例中所述的基于禁忌捜索的导频分配法流程图。
[0051] 图4是本发明实例中所述的基站400天线屯小区场景下不同方案的信道估计误差 随导频功率变化的曲线。
[0052] 图5是本发明实例中所述的基站400天线屯小区场景下不同方案中每用户平均速 率的CDF曲线。
[0053] 图6是本发明实例中所述的屯小区场景下不同方案的每用户平均速率随基站天线 数变化的曲线。
【具体实施方式】
[0054] 下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而 不是限定。
[0055] 本发明设及一种大规模ΜΙΜΟ系统中基于相移的导频设计方法。该方案的核屯、思想 是:第一步，W系统内干扰之和最小为目标建立优化问题，然后用离散粒子群捜索的算法求 解优化问题，从而得到系统内每个小区的相位偏移值;第二步，在第一步得到的相位偏移值 的基础上，采用禁忌捜索的导频分配算法，进一步降低导频污染。
[0056] 具体的，本优选实例中W蜂窝无线通信系统为例，如图1所示。系统内含有L个小 区，每个小区包含一个放置于中屯、位置的基站和Κ个单天线用户，每个基站配备Μ根天线化 < <Μ)，采用TOD的双工方式，上下行信道具有互易性。
[0057] 假设信道为平坦块衰落信道，则第j小区中的用户k到目标基站i的MX 1维上行信 道矢量可W表示为：
[0058]
(1)
[0059] 其中：hy,k〉,i是MX 1维小尺度信道矢量，其每个元素是相互独立的，且服从均值为 0方差为1的复高斯分布，即*巧<川〉,1为大尺度路径损耗和阴影衰落系 数。则小区j内的K个用户与基站i之间的MXK维信道矩阵可表示为：
[0060]
( 2 )
[0061] 其中：矩阵出J的第k列为h<j, k>, 1，
[0062] Dij是ΚΧΚ维的对角阵，其对角线元素为：[的,i〉,i，···，私,κ〉,ι]。
[0063] 大规模ΜΙΜΟ的传输机制如图2所示，在上行信道估计阶段，基站i接收到的导频信 号为
[0064]
( 3 )
[00化]式中；
[0066] XI-一第i个基站的接收到的MXNp维导频信号；
[0067] 化一导频发送功率；
[006引Gij--小区j内的K个用户与基站i之间的MXK维信道矩阵；
[0069] Oj-第j个小区用户发送的KXNp维导频信号，且Φ,Φ!<二I,.:
[0070] wi一一噪声项，元素相互独立且服从复高斯（''!.'(〇,〇分布。
[0071 ]若使用LS信道估计，则基站i对本小区内用户的信道估计为：
[0072]
[0073] 式中：G。表示基站i的MXK维信道估计矩阵；表示第i个小区所有用户的导频 向量与第j个小区所有用户的导频向量的内积组成的矩阵，，且Ψιι = Ικ。
[0074] 在下行数据传输阶段，基站i发送的下行数据信号可表示为：
[007引
（5 )
[0076] 其中；
[0077] 化一一下行数据发送功率；
[007引 Wj--基站j处的MXK维预编码矩阵；
[0079] qj--基站向小区j内K个用户的KX 1维符号向量，qj = Uji，···，qjK]T且
[0080] Zi--第i个基站接收到的高斯白噪声向量。
[0081] 当基站端采用MRT预编码时，即= Gf，基站i发送的下行数据信号可表示为：
[0089] 则小区i内用户k的渐进SINR可表示为：
[0090]
。〇)
[0091] 由（10)可知小区间的互相关性越小，则导频污染会越小。且导频的互相关性与小 区的相移W及导频分配方法有比较大的关系。
[0092] 本发明所述的基于相移的导频设计方法的基本步骤为：
[0093] 1导频序列的相移。
[0094] 假设导频矩阵AeCWパ经过旋转后得到NpXK维矩阵B，则可表示为：
[00 巧]B = RA (11)
[0096] 其中：R为NpXNp维旋转矩阵。若原来小区内用户的导频相互正交，经过旋转后仍需 满足小区内导频相互正交的条件，则要求旋转矩阵为酉矩阵，即：
[0097] rHr=i (12)
[009引当导频序列采用比较常用的chu序列时，令a。=[%，3ι，···3ν。-I].，则an中的元素可表 示为：
[0099]
[0100] 其中N为与Np互质的正整数，在一下的分析推导中都采用N=l。此时，旋转矩阵可 采用对角矩阵，其对角线元素为：
[0101]
[0102] 其中q为正整数，表示相位偏移值，不同的q对应不同的相位偏移值。则经过旋转后 的导频序列bi中的元素可表示为：
[0103]
[0104] 小区内的用户采用chu序列的循环移位，从而保证小区内使用正交的导频，则小区 1的导频矩阵可表示为：
[0105]
[0106] 其中<bi>读示向量bi的k位循环移位。则第1小区用户k与小区i内用户m的导频向 量的内积的模为：
[0107] [Wii]m,k| =5((m-k+qi-qi)modNp) (17)
[0108] 2导频相移设计。
[0109] W两个小区之间的平均大尺度信道信息定义两个小区之间的干扰的大小，定义小 区1内所有用户到小区i的基站之间的平均大尺度信道定义为：
[0110]
(18)
[0111] 则系统总的干扰可近似表示为：
[0112]
(19)
[011 ；3 ] 其中||Ψ,Χ的值可由（17)式得到：
[0114]
(20)
[0115] W系统总的干扰最小为目标，设计每个小区的相位偏移值qi，则可建立优化问题：
[0116]
(21)
[0117] 优化问题(21)是个非线性整数规划问题，解决办法有穷举捜索法、遗传算法等，但 是穷举捜索法的复杂度过高，遗传算法容易陷入局部最优解，因此采用能够较快获得全局 最优的离散粒子群算法(DPS0)求解。
[0118] 传统的PS0算法主要用来求解连续优化问题。PS0算法的基本步骤是:首先在可行 解的范围内随机地生成一些粒子，每个粒子都有可能是所建立优化问题的解，并且由评价 函数为运些粒子确定一个目标值。接下来每个粒子都会在可行解的空间中W不同的速度和 方向进行运动。同时，每个粒子都将基于当前的最优粒子而运动，并通过不断改变运动速度 和方向最终获得最优解。DPS0算法用于求解离散优化问题，它直接将离散值作为优化变量 进行捜索求解，且其捜索空间和可行域都是离散值的集合。
[0119] DPS0算法求解式(21)优化问题的过程可描述为：
[0120] 需要捜索空间的维数是L，粒子总数为η。第i个粒子位置用向量表示为 Xi,2，. . .，Xi,L);第i个粒子的速度和到当前时刻为止的最优位置分别为：Vi=(Vi,l， Vi,2, . . .，Vi,L)，Pi = (Pi,l，Pi,2, . . .，Pi,L);所有的粒子到当前时刻为止最优的位置，也就是 捜索过程中的全局最优值为:Pg=(Pg,l，Pg,2, . . .，Pg,L)。
[0121] 步骤1:初始化:所有粒子初始位置请，初始化为[0，Np-1]之间的正整数，初始速度 可初始化为：
[0122]
(22)
[0123] 其中 ε ~U(0，1)。
[0124] 步骤2 :迭代，假设最大迭代次数为Niter :
[0125] a)按照如下公式更新每个粒子更新速度和位置：
[0126]
( 23)
[0127] 式中；
[012引 a-一惯性权重因子，经验值为0.8;
[0129] ci,C2一一加速因子，正常数，分别调节粒子趋向自身最优位置和全局最优位置的 捜索步长，经验值为1.6;
[0130] η,Γ2-[0，1]之间的随机数；
[0131] t--当前迭代时刻。
[0132] b)修正：由于所有粒子的位置必须是[0，Np-1]之间的正整数，因此需要对每个粒 子的位置变量做如下修正：
[0133]
(24)
[0134] C)定义评价函数
3系统总的干扰，根据b)中修正后的位置变量 得到评价函数的值，对比当前评价函数的值和历史评价函数的值，得到当前迭代时刻第i个 粒子的局部最优向量技和当前迭代时刻所有粒子的全局最优向量
[0135] d)若到达最大迭代次数Niter时则停止迭代;否则令t = t+l，转到步骤a)继续迭代；
[0136] 步骤3:最后得到最大迭代次数时的全局最优向量，pJW中的元素就是L个小 区的较优的相位偏移值qi 4 = 1，2，··^。。
[0137] 由于优化问题（21)只与大尺度信道信息有关，因此优化求解过程的复杂度并不 高，每次迭代的数量级大概是〇(化），且经过少量迭代就可W收敛。
[013引3导频序列分配。
[0139] 基于步骤2所得的相位偏移值，在导频相移的基础上进行导频分配，可W使相互之 间干扰大的用户使用相关性小的导频序列，相互干扰小的用户使用相干性大的导频序列， 从而进一步降低导频污染，提升系统性能。
[0140] 不同于传统导频复用的方法，导频相移的系统中的不再是使用形同导频的用户互 相产生干扰，而贪婪捜索的导频分配方法的基本思想是在每次迭代中选出一组使得目标函 数最优的使用相同导频的用户组，运在导频相移的系统中不是特别适用，因此在此采用一 种低复杂度的局部优选捜索算法，即基于禁忌捜索(Tabu Search, TS)的导频分配方法。
[0141] TS算法的基本思想是，在迭代的过程中，算法不要求每次迭代得到的解都比前一 次迭代的解好，运样可W避免陷入局部最优解;然而接受劣质解W后，算法有可能陷入死循 环，为了解决运一问题，该算法建立一个禁忌表，禁忌表中存入最近几次迭代得到的解，在 W后的迭代中不在禁忌表中捜索最优解;并且在每次迭代过程中，禁忌表会更新，当禁忌表 的长度超过一定值(禁忌长度），最先进入禁忌表中的解就会被释放出来。当某次迭代的解 的目标函数值大于历史最优的目标函数值，则不管运个解是不是在禁忌表中，它都将作为 下次迭代的初始变量，运就是TS算法的特赦准则。
[0142] 假设第1个小区的导频分配向量为：
[0143]
( 25 )
[0144] 其中：/rf是小区1内使用导频序号k的用户。则导频分配矩阵可表示为：
[0145]
( 26 )
[0146] 小区1内所有用户的渐进速率和可表示为：
[0147]
( 27 )
[014引其中：SINR^^为第1小区用户切的渐进51^，如（10)式所示。则系统的渐进和速率 为：
[0149]
(28)
[0150] 禁忌捜索导频分配算法W每个小区的导频分配序列化为优化目标，优化过程中其 他小区的导频分配矩阵保持不变，该导频分配算法的大致步骤如下：
[0151] a)初始化导频分配矩阵P，并初始化小区指数为1 = 0;
[0152] b)更新1 = 1 + 1，当1>川寸，则所有的小区都找到了较优的导频分配序列，算法终 结，输出最终的导频分配矩阵P°Pt;若1《L，则进行步骤C);
[0153] C)对当前小区1，初始化迭代计数器1=0,设置当前优化对象和历史最优解为： 巧=φ,，φ4 =φ，历史最优目标函数值为
禁忌表初始化为空集： Τ = 0;
[0154] d)更新迭代计数器1 = 1 + 1，若I>Nmax，则迭代终止，得到小区1的导频分配向量 p(l，:) = φ%轉到步骤b);否则继续步骤e);
[0155] e)互换向量φ中任意两个元素的位置，得至师的邻域Ν(φ)，其包含巧P个向量，在该 邻域中找到最优的导频分配向量：
[0156]
(巧）
[0157] 其中/巧)=/体|,,^)，若/惭>/(ρ)，则更新当前迭代向量和历史最优向量为： φ = Φ :，： φ' ，并将φ加入禁忌表Τ中，否则转到步骤f);
[0158] f)从在邻域中但不在禁忌表的向量中选出最优的导频分配向量：
[0159]
(30)
[0160] 然后更新当前迭代向量为：φ =夺，并将夺加入禁忌表T中，转到步骤d)。
[0161] 当满足步骤b)中的算法终结条件时可得到各个小区的导频分配序列，从而得到系 统中能够降低导频污染的导频设计方案。
[0162] 基于禁忌捜索的导频分配算法的流程图如图3所示。
[0163] 本发明仿真了传统的导频方案，文献中的导频相移方案，所提导频相移方案，W及 在所提导频相移基础上进行导频分配的方案。其中传统的导频方案没有相位偏移，文献中 的导频相移方案的相位偏移值为化：1，...[￡巧」:，1_以2」十1，...啊,-!<],其中1为小区数，1(为每 小区用户数，Np为导频序列长度。仿真参数参考表1。
[0164] 表1仿真参数配置
[01 化]
[0166]图4,图5、图6仿真了传统的导频方案，文献中的导频相移方案，所提导频相移方 案，W及所提导频相移联合导频分配方案运四种方案。图4是运四种情况下信道估计误差随 上行导频功率的变化曲线，此时的基站天线数为M=400;图5给出了运四种情况下每用户平 均速率的累积分布函数(Cumulative Distr化ution化nction，CDF)曲线，此时的基站天线 数为M = 400,导频功率为Pp = 20地;图6给出了运四种情况下每用户平均速率随基站天线数 变化的曲线，此时的导频功率为Pp = 20dB。可W看出，文献中的导频相移方案相比传统导频 方案的信道估计精度和频谱性能提升并不明显，而所提的导频相移方案相较于文献中已有 的导频相移方案的信道估计精度和频谱性能有较明显提升，运是由于所提方案并没有像文 献中的导频相移方案那样将所有小区同等对待，所提方案通过最小化系统内的干扰，选择 合适的导频相位偏移值，能够使得相互之间干扰大的小区分配的导频矩阵的互相关性小， 相互之间干扰小的小区分配的导频矩阵的互相关性大，从而降低整体的导频污染，使得信 道估计精度更高W及频谱性能更好。同时可W看出，在所提导频相移方案基础上进行基于 TS的导频分配，能够更进一步提升信道估计精度，并提升系统频谱性能，运是由于在导频相 移机制中，采用TS导频分配，能够使得相互之间干扰大的用户使用相关性小的导频序列，从 而进一步降低导频污染，并提升系统的频谱性能。
【主权项】
1. 一种大规模ΜΙΜΟ系统中的基于相移的导频设计方法，其特征在于，包括如下步骤： 步骤1，以系统内干扰之和最小为目标建立优化问题，设计系统内每个小区的相位偏移 值； 步骤2,采用离散粒子群搜索的算法，求解步骤1的优化问题，得到每个小区的相位偏移 值； 步骤3,在步骤2得到的相位偏移值的基础上，采用基于禁忌搜索的导频分配算法，得到 能够降低导频污染的导频设计方案。2. 根据权利要求1所述的一种大规模ΜΙΜΟ系统中的基于相移的导频设计方法，其特征 在于，步骤3中，在步骤2得到的相位偏移值的基础上进行导频分配，使相互之间干扰大的用 户使用相关性小的导频序列，相互干扰小的用户使用相干性大的导频序列。3. 根据权利要求1所述的一种大规模ΜΙΜΟ系统中的基于相移的导频设计方法，其特征 在于，步骤1中，以系统内干扰之和最小为目标建立的优化问题表示如下，s.t.(Xqi，qi<NP-l，qi为整数 其中，L为系统内的小区数量为小区1内所有用户到小区i的基站之间的平均大尺度 信道，qi，qi分别为小区i与小区1的相位偏移量具为导频长度。4. 根据权利要求3所述的一种大规模ΜΙΜΟ系统中的基于相移的导频设计方法，其特征 在于，步骤2中，采用离散粒子群搜索的算法，求解步骤1的优化问题，具体步骤如下， 步骤2.1，初始化:需要搜索空间的维数是L，粒子总数为η;则所有粒子初始位置.初始 化为[〇，Νρ-1 ]之间的正整数，初始速度可初始化为：其中，ε~U(0，1)，NP为导频长度； 步骤2.2，迭代过程，最大迭代数为Nlter: 步骤2.2.1按照如下公式更新每个粒子的更新速度和位置： 式中：a一一惯性权重因子，经验值为0.8; ci,c2一一加速因子，正常数，分别调节粒子趋向自身最优位置和全局最优位置的搜索 步长，经验值为1.6; Γ1,Γ2--[0,1]之间的随机数； t一一当前迭代时刻； d一一当前搜索的维度； 一一t时刻第i个粒子在第d维度上的更新速度； 一一t时刻第i个粒子在第d维度上的位置； pI,一一t时刻第i个粒子在第d维度上的局部最优值； p:d一一第d维度上所有粒子的全局最优值； 步骤2.2.2,修正：由于所有粒子的位置必须是[0，Νρ-1]之间的正整数，因此需要对每个 粒子的位置变量做如下修正：步骤2.2.3，定义评价函勠，其为系统总的干扰，根据步骤2.2.2中得 到的修正后的位置变量计算评价函数的值，对比当前评价函数的值和历史评价函数的值， 得到当前迭代时刻第i个粒子的局部最优向量Pi和当前迭代时刻所有粒子的全局最优向量 p'?； 步骤2.2.4，若到达最大迭代次数Niter时则停止迭代;否则令t = t+1，转到步骤2.2.1继 续迭代； 步骤2.3,最后得到最大迭代次数时的全局最优向量，p，中的元素就是L个小区 的较优的相位偏移值qi，i = 1，2，…L。5.根据权利要求4所述的一种大规模ΜΙΜΟ系统中的基于相移的导频设计方法，其特征 在于，步骤3中，基于禁忌搜索的导频分配算法，以每个小区的导频分配序列％为优化目标， 优化过程中其他小区的导频分配矩阵保持不变，具体包括如下步骤， 步骤3.1，初始化导频分配矩阵ρ，并初始化小区指数为1 = 0; 步骤3.2,更新1 = 1+1，当1>1^时，则所有的小区都找到了较优的导频分配序列，算法终 结，输出最终的导频分配矩阵?°[)%若1^^，则进行步骤3.3; 步骤3.3,对当前小区1，初始化迭代计数器1 = 0,设置当前优化对象和历史最优解为：φ = φζ，φ" =φ，历史最优目标函数值为 ，禁忌表初始化为空集： Τ = 0; 步骤3.4,更新迭代计数器1 = 1 + 1，若I>Nmax，则迭代终止，得到小区1的导频分配向量 p(l，:) = (|/，转到步骤3.2;否则继续步骤3.5; 步骤3.5,互换向量φ中任意两个元素的位置，得到Φ的邻域Ν(φ)其包含个向量，在 该邻域中找到最优的导频分配向量：其中，/@) =/(P-)，若/⑷> /(p>，则更新当前迭代向量和历史最优向量为： φ = φ，< = φ，并将φ加入禁忌表T中，否则转到步骤3 · 6; 步骤3. 6,从在邻域中但不在禁忌表的向量中选出最优的导频分配向量：;然后更新当前迭代向量为:φ = Φ，并将Φ加入禁忌表Τ中，转到步骤3.4; 步骤3.7,直至满足步骤3.2中的算法终结条件时可得到各个小区的导频分配序列，从 而得到系统中能够降低导频污染的导频设计方案。
【文档编号】H04B7/04GK106059728SQ201610292831
【公开日】2016年10月26日
【申请日】2016年5月5日
【发明人】张国梅, 王杰, 吕刚明, 李国兵
【申请人】西安交通大学