一种基于压缩感知的ofdm稀疏信道估计中的导频优化方法

文档序号:10690788
一种基于压缩感知的ofdm稀疏信道估计中的导频优化方法
【专利摘要】本发明涉及一种基于压缩感知的OFDM稀疏信道估计中的导频优化方法,属于移动通信技术领域。该方法包括以下步骤:S1:把测量矩阵互相关值最小(MIP)准则作为二进制粒子群算法的目标优化函数,然后确定二进制粒子群算法的基本参数;S2:利用混沌初始化对粒子的速度和位置进行初始化;S3:求出对应的粒子的适应度函数,并且根据适应度计算出粒子群的个体最优值和全局最优值;检查结束条件是否满足,满足则结束,否则继续对粒子的速度和位置进行更新;S4:对更新之后的粒子中,对不符合要求的粒子进行变异,然后返回步骤S3进行迭代。本发明提供的方法能够有效的节省导频的开销,提高了频谱利用率,具有更好的信道估计性能。
【专利说明】
-种基于压缩感知的OFDM稀疏信道估计中的导频优化方法
技术领域
[0001] 本发明属于移动通信技术领域,设及一种基于压缩感知的OFDM稀疏信道估计中的 导频优化方法。
【背景技术】
[0002] 正交频分复用(OFDM)技术具有良好的抗频率选择性衰落性能和较高的频带利用 率的优点,被广泛的应用到无线通信中。OFDM技术是当今无线通信中的重要技术,在其进行 实现时,信道估计是进行相关检测,解调,均衡的基础。信道估计的质量对整个通信系统的 性能起着重要的作用。
[0003] 目前最常用的信道估计方法是基于导频的信道估计方法。常用的基于导频的信道 估计方法有最小二乘法化S)和线性最小均方误差法(LMMSE)等等。但是运些传统的信道估 计方法适应于稠密信道的信道估计。研究表明无线信道往往呈现稀疏性。对于稀疏信道,运 些传统的信道估计的性能与准确度不够高。
[0004] 压缩感知(Compressive Sensing:CS)理论展示了一种全新的信号采集处理方法, 对可压缩的稀疏信号W远低于奈奎斯特速率的方式进行采样,仍能够精确的恢复出原始信 号。近年来的研究发现,基于压缩感知的信道估计可W利用无线信道的固有的稀疏性,提高 信道估计的性能。
[0005] 全球无线通信市场的猛增对日益紧缺的频谱资源的需求逐渐增大。合理设计导频 放置方式不仅可W提高信道估计性能,而且能够有效节省所需导频符号,从而具有更高的 频带利用率。传统的信道估计的导频结构有块状、梳状和格状。研究发现,传统的LS算法采 用均匀的梳状导频结构时可W获得最佳的信道估计性能。基于压缩感知的信道估计常采用 随机导频,但是随机导频并不是最优的导频。因此,目前需要设计一种合适的导频优化方 案,得到最佳的导频放置方式,从而使得基于压缩感知的信道估计性能得W改善。

【发明内容】

[0006] 有鉴于此,本发明的目的在于提供一种基于压缩感知的OFDM稀疏信道估计中的导 频优化方法,该方法W压缩感知理论中的测量矩阵的互相关最小化作为优化目标,对子载 波进行二进制编码,用来传送导频的子载波用数值"Γ表示,用来传送数据的子载波用数值 "0"表示;同时,引入了混浊初始化过程和粒子变异机制,通过混浊初始化来保证初始粒子 均匀的分散在解空间里,通过粒子变异机制用来保证种群的快速收敛。
[0007] 为达到上述目的,本发明提供如下技术方案:
[000引一种基于压缩感知的OFDM稀疏信道估计中的导频优化方法,该方法包括W下步 骤:
[0009] S1:把测量矩阵互相关值最小(MIP)准则作为二进制粒子群算法的目标优化函数, 然后确定二进制粒子群算法的基本参数;
[0010] S2:利用混浊初始化对粒子的速度和位置进行初始化;
[0011] S3:求出对应的粒子的适应度函数,并且根据适应度计算出粒子群的个体最优值 和全局最优值;检查结束条件是否满足,满足则结束,否则继续对粒子的速度和位置进行更 新;
[0012] S4:对更新之后的粒子中,对不符合要求的粒子进行变异,然后返回步骤S3进行迭 代。
[0013] 进一步,在步骤S1中:
[0014]在基于压缩感知的OFDM稀疏信道估计中,假设当前所有子载波的构成的集合为C = kl,C2,C3, . . .,cn},其中N表示子载波的总数,从C中的N个子载波中选择出P个子载波用 于发送导频符号,则导频子载波构成的信号/>=>、.,
[001引 PXP维矩阵Xpx康^导频处发送的信号,PXL维矩阵
是对应的P个导频处的快速傅里叶变换矩阵;根据测量矩阵互相关值最小(MIP)准则,测量 矩阵T的互相关值
越小,稀疏信号的重构精度越 高;则μ{Τ}的最小值是该二进制粒子群算法的优化目标,其中,Tm和τη分别表示测量矩阵T的 第m列和第η列元素,L表示信道的长度,则可W得:
[0016]
[0017]上式中的Ρ表示导频总数,Cl表示从Ν个子载波中选择出的第i个子载波用于发送 导频符号,II Xi II2表示第i个导频对应的信号的功率;
[001引其中影响矩阵XpxpFpxl取值的共有两个因素,一个是导频符号在子载波中的位置, 另一个是导频符号的信号功率;假定所有的导频符号的信号功率都相同,都等于1,则
[0019]
[0020] 此时μ{Τ}的大小只与导频的位置有关,那么问题就是如何从N个子载波中选择出P 个子载波作为导频进行传输,使得μ{Τ}最小,设a = n-m,y{T}用目标函数f(p)表示,贝U
[0021]
[0022] 求最优导频序列问题可W表示为求的值,然后得出对应的导频。
[0023] 进一步,在步骤S2中:选用混浊初始化方法,利用Logistic映射的方法,公式如下
[0024] Zk+i=]iZk(l-Zk)
[0025] 其中Zk是Logistic映射的混浊变量,μ是混浊因子,其中μ取值为4。
[0026] 进一步,在步骤S3中:由于每个粒子都由二进制编码表示,速度则决定在[0,1]区 间上的转变概率参数,该参数的取值就是位变量取数值"Γ的概率,为了将速度的值映射到
[0,1]区间内,利用sigmod函数,表示如下:
[0027]
[002引 BPS0中粒子的速度和位置更新可W表示:
[0031] 在式中,说I和端1分别表示粒子i在第t+1代的第m维空间的速度和位置,rand是一 个0与1之间的随机数,C1,C2是学习因子,ri,r2是0和1之间的随机数;W是惯性权重,成6W表 示第i个粒子进化到第t代的最好位置,诚表示整个种群进化到第t代的最好位置。
[0032] 进一步,在步骤S4中:为了保证粒子的快速收敛,引入了一种粒子的变异机制;具 体包括:如果每一代的粒子群迭代后经过粒子位置更新之后,运一代粒子群中若发现某个 粒子的取值为数值"Γ的维数之和Q大于规定的导频个数即寸,则对该粒子进行变异,变异的 机制是:从该粒子的Q维取值为数值"Γ的元素中随机选取Q-P维元素,将其都突变为0,则突 变后的该粒子取值为数值"Γ的维数之和变为P。
[0033] 本发明的有益效果在于:本发明提供的方法能够有效的节省导频的开销,提高了 频谱利用率,具有更好的信道估计性能。
【附图说明】
[0034] 为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行 说明:
[0035] 图1为本发明的基于二进制粒子群算法的稀疏信道估计流程图;
[0036] 图2为OFDM系统图;
[0037] 图3为本发明用于信道估计的正交匹配追踪算法流程图;
[0038] 图4为本发明所述方法的流程示意图。
【具体实施方式】
[0039] 下面将结合附图,对本发明的优选实施例进行详细的描述。
[0040] 图4为本发明所述方法的流程示意图,如图所示,本发明提供的基于压缩感知的 OFDM稀疏信道估计中的导频优化方法包括W下步骤:
[0041] S1:把测量矩阵互相关值最小(MIP)准则作为二进制粒子群算法的目标优化函数, 然后确定二进制粒子群算法的基本参数;
[0042] S2:利用混浊初始化对粒子的速度和位置进行初始化;
[0043] S3:求出对应的粒子的适应度函数,并且根据适应度计算出粒子群的个体最优值 和全局最优值;检查结束条件是否满足,满足则结束,否则继续对粒子的速度和位置进行更 新;
[0044] S4:对更新之后的粒子中,对不符合要求的粒子进行变异,然后返回步骤S3进行迭 代。
[0045] 本发明的信道状况参数为:子载波个数为N,导频的载波个数为Np,循环前缀码长 度为Ng,带宽为B,信号调制方式QPSK,稀疏度为K,信道总抽头数目L。
[0046] 图1为本发明的基于二进制粒子群算法的稀疏信道估计流程图,参见图1,主要步 骤如下所示:
[0047] 步骤1、确定算法的基本参数,设定种群的规模为size,最大的迭代次数iterator。 粒子的维数为子载波总数N,惯性权重W,W及学习因子C1,C2。
[0048] 步骤2、在一个N维子载波中,随机选取任意的P维子载波作为导频,对选取的P维导 频的位置,线性映射到[0,1]区间内,然后利用Logistic映射的方法,公式zk+i=yzk(l-zk)进 行size-1次的混浊映射,最后分别将产生的混浊映射序列恢复到区间[1,N]之间,对于非整 数的采用四舍五入的方法。将通过混浊映射产生的size个导频的位置作为初始化的size个 粒子的导频,并将每一个粒子的导频位置取值为数值"Γ,其他的N-P维子载波取值取值为 数值"0"。其中初始化的第i个粒子的位置可W表示为-V-," = ,Λ-,I.….Λ-,.、i ],i = 0,1,2 ..., size-1 ο
[0049] 步骤3、随机初始化某一个粒子的速度在区间[0,1]内,进行size-1次的种群混浊 映射,并且四舍五入的方法,产生size个粒子的速度初始化,其中初始化的第i个粒子的速 度表示为K。=[吗。巧ι,.·',ν泌-1],i = 0,1,2. . .,size-1。
[0050] 步骤4、W测量矩阵的互相关作为目标函数求的粒子的适应度,并且根据适应度计 算出粒子群的个体最优值和全局最优值。若到达设定的迭代次数,停止迭代。
[0051 ] 步骤5、对粒子的速度和位置进行更新,引入了函数即sigmod函数,表示如下:
[0化2]
[0053] BPS0中粒子的速度和位置更新可W表示:
[0化6] 在式中,<;1和苗:1分别表示粒子i在第t+1代的第m维空间的速度和位置,rand是一 个0与1之间的随机数,ci,C2是学习因子,ri,r2是0和1之间的随机数。W是惯性权重。據表 示第i个粒子进化到第t代的最好位置,式表示整个种群进化到第t代的最好位置。
[0057] 步骤6、更新位置和速度之后,若粒子护1(其中i = l,2…,size)中取值为数值"Γ 的维数之和Q大于规定的导频个数即寸,则对為"进行变异,从粒子Λf的Q维取值为数值"Γ 的元素中随机选取Q-P维元素,将其都突变为数值"0"。则突变后的该粒子取值为数值"Γ的 维数之和变为P。否则返回步骤4继续进行迭代。
[0058] 经过W上步骤之后,获得的测量矩阵互相关的最小值对应的导频就是所要求的最 优导频。
[0059] 参见图2,为OFDM系统图。数据流在发送端经过调制,串并转换,插入导频,IFFTW 及插入CP和并串转换之后进入信道,然后信号经过串并转换,去掉CP,FFT,继续进行信道估 计之后,经过并串转换,解调之后恢复出数据流。图3为本发明用于信道估计的正交匹配追 踪算法流程图。
[0060]最后说明的是,W上优选实施例仅用W说明本发明的技术方案而非限制,尽管通 过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可W在 形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
【主权项】
1. 一种基于压缩感知的OFDM稀疏信道估计中的导频优化方法,其特征在于:该方法包 括以下步骤: S1:把测量矩阵互相关值最小(MIP)准则作为二进制粒子群算法的目标优化函数,然后 确定二进制粒子群算法的基本参数; S2:利用混沌初始化对粒子的速度和位置进行初始化; S3:求出对应的粒子的适应度函数,并且根据适应度计算出粒子群的个体最优值和全 局最优值;检查结束条件是否满足,满足则结束,否则继续对粒子的速度和位置进行更新; S4:对更新之后的粒子中,对不符合要求的粒子进行变异,然后返回步骤S3进行迭代。2. 根据权利要求1所述的一种基于压缩感知的OFDM稀疏信道估计中的导频优化方法, 其特征在于:在步骤S1中: 在基于压缩感知的OFDM稀疏信道估计中,假设当前所有子载波的构成的集合为c= {C1, C2,C3, . . .,CN},其中N表示子载波的总数,从c中的N个子载波中选择出P个子载波用于发送 导频符号肩导频子载波构成的信号^^^,,%,%^…,^}; P X P维矩阵Χρχρ表示导频处发送的信号,P X L维矩阵:是对应的Ρ个导频处的快速傅里叶变换矩阵;根据测量矩阵互相关值最小(ΜΙΡ)准则,测量 矩阵Τ的互,稀疏信号的重构精度越 高;则μ{Τ}的最小值是该二进制粒子群算法的优化目标,其中,分别表示测量矩阵Τ的 第m列和第η列元素,L表示信道的长度,则可以得:上式中的Ρ表示导频总数,Cl表示从Ν个子载波中选择出的第i个子载波用于发送导频符 号,I |Xd I2表示第i个导频对应的信号的功率; 其中影响矩阵XpxpFpa取值的共有两个因素 ,一个是导频符号在子载波中的位置,另一 个是导频符号的信号功率;假定所有的导频符号的信号功率都相同,都等于1,则此时μ{Τ}的大小只与导频的位置有关,那么问题就是如何从N个子载波中选择出P个子 载波作为导频进行传输,使得μ{Τ}最小,设a = n-m,y{T}用目标函数f(p)表示,则求最优导频序列问题可以表示为然后得出对应的导频。3. 根据权利要求1所述的一种基于压缩感知的OFDM稀疏信道估计中的导频优化方法, 其特征在于:在步骤S2中:选用混沌初始化方法,利用Logistic映射的方法,公式如下 Zk+l - 14Zk( 1-Zk) 其中Zk是Log i st i c映射的混沌变量,μ是混沌因子,其中μ取值为4。4. 根据权利要求1所述的一种基于压缩感知的OFDM稀疏信道估计中的导频优化方法, 其特征在于:在步骤S3中:由于每个粒子都由二进制编码表示,速度则决定在[0,1]区间上 的转变概率参数,该参数的取值就是位变量取数值"Γ的概率,为了将速度的值映射到[0, 1]区间内,利用sigmod函数,表示如下:BPS0中粒子的速度和位置更新可以表示:在式中,V::1和分别表示粒子i在第t+Ι代的第m维空间的速度和位置,rand是一个0与 1之间的随机数,C1,C2是学习因子,n,r^0和1之间的随机数;w是惯性权重乂 表示第i 个粒子进化到第t代的最好位置,表示整个种群进化到第t代的最好位置。5. 根据权利要求1所述的一种基于压缩感知的OFDM稀疏信道估计中的导频优化方法, 其特征在于:在步骤S4中:为了保证粒子的快速收敛,引入了一种粒子的变异机制;具体包 括:如果每一代的粒子群迭代后经过粒子位置更新之后,这一代粒子群中若发现某个粒子 的取值为数值"Γ的维数之和Q大于规定的导频个数P时,则对该粒子进行变异,变异的机制 是:从该粒子的Q维取值为数值"Γ的元素中随机选取Q-P维元素,将其都突变为0,则突变后 的该粒子取值为数值"Γ的维数之和变为P。
【文档编号】H04L5/00GK106059732SQ201610357668
【公开日】2016年10月26日
【申请日】2016年5月26日
【发明人】唐宏, 刘远航, 黄祥, 叶宗刚, 赵迎芝
【申请人】重庆邮电大学
再多了解一些
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1