一种短波通信信道估计中导频图案位置的智能搜索方法与流程

本发明涉及短波通信技术领域，具体地涉及一种压缩感知信道估计中的导频图案位置的智能搜索方法。

背景技术：

目前，短波通信凭借无中继远程通信、抗毁灭性强和机动灵活等优点，长期以来被认为是区域化覆盖的有效手段之一。但是由于多径干扰严重和信道带宽有限导致其业务类型单一，缺乏竞争力。为了克服传输过程中信道的多径效应，短波通信采用正交频分复用技术提高频带利用率，抵抗多径衰落。然而，由于信号在接收端出现了选择性的衰落，接收端需要利用信道状态信息准确地恢复原始信号，而信道估计技术便在其中发挥着举足轻重的作用。目前在短波通信系统中广泛使用的信道估计技术是基于导频-辅助的估计方法。但是，短波信道可用频带窄，如果周期性的在子载波上插入导频信号完成信道估计，必然导致系统的频率资源利用率低，这极大的限制短波通信的应用拓展。

近年来提出的基于压缩感知的信道估计方法利用无线信道内在的稀疏特性，使用少量导频完成对信道的探测，通过求解一个稀疏优化问题，以较低的导频开销完成信道估计，在保证估计性能的条件下提高了频谱利用率。但是在基于压缩感知的信道估计中，导频图案的位置是随机选取，而在实际的短波通信系统中，每次随机选择导频图案位置是不现实的。因此，需要研究压缩感知信道估计中更加有效的导频图案位置搜索方法，从而获得确定性的导频图案，在提高频谱利用率的同时保证精确的估计性能，这对短波通信系统的应用扩展具有重要的工程价值。

公布号为103685088的中国专利公开了一种稀疏信道的导频优化方法。该方法首先随机生成初始导频排布，接着根据所述子载波集合和所述初始导频排布生成侯选集，最后从所述侯选集中选取所述初始导频排布中各元素位置上的最佳元素从而生成优选导频排布。这种方法的不足之处在于该方法本质上仍然是利用随机搜索方法获得导频图案，其效率不高而且收敛时间无法保证。

公布号106059732中国专利公开一种基于压缩感知的ofdm稀疏信道估计中的导频优化方法。该方法以感知矩阵互相关最小为优化目标，利用粒子群算法搜索获得最优导频图案。这种方法的不足之处在于该方法在搜索最优导频图案过程中容易产生早熟收敛，使得最优解容易陷入局部最优。

技术实现要素：

本发明所要解决的技术问题是提供一种短波通信信道估计中导频图案位置的智能搜索方法，解决导频图案在搜索过程中搜索效率不高的问题，避免导频图案随机搜索速度慢和搜索过程容易陷入局部最优的缺陷，获得的导频图案具有更好的信道估计性能。

通过本发明可以实现的技术目的不限于上文已经特别描述的内容，并且本领域技术人员将从下面的详细描述中更加清楚地理解本文中未描述的其他技术目的。

本发明解决上述技术问题的技术方案如下：

根据本公开的第一方面，本发明提供一种短波通信信道估计中的导频图案位置的智能搜索方法，其包括：

s1：以感知矩阵相关性最小作为导频图案位置最优搜索过程中的判别依据，将导频图案位置最优搜索过程转换为组合优化问题的最小值求解。具体地，本发明的实施例将搜索问题转换为求解优化问题，即将下面的短波通信系统最优导频图案搜索问题转换为组合优化问题的最小值求解。

进一步地，在s1中：

假设短波通信系统中每个符号的子载波总数为n，其中用于传输导频信号的子载波数为np(np＜n)，传输导频信号子载波的位置编号集合称为导频图案，发送和接收的导频信号可表示为：

其中是np×np的发送导频信号矩阵，是由n×n的标准傅里叶变换矩阵根据导频图案位置编号抽取后构成np×n的部分傅里叶变换矩阵，h是n×1的信道冲击响应向量且为稀疏信号，是np×1的频域内高斯白噪声向量，是np×1的接收导频信号向量，进一步表示为：

根据压缩感知理论，信道冲击响应向量h是稀疏信号，则可以通过重构算法高概率重构。从上述分析中可以得出导频图案的位置决定了抽取标准傅里叶变换矩阵的行，进而决定了感知矩阵的结构，而感知矩阵的相关性最终影响重构性能。因此，导频图案的位置对于重构性能起着至关重要的作用。

感知矩阵的相关性定义为

其中am是感知矩阵的第m列，由于短波通信系统的导频信号满足恒包络自相关，可进一步表示为：

由上式可以看出，当子载波总数n确定后，感知矩阵的相关性是由导频图案所决定。用γ代替作为自变量，短波通信系统中基于压缩感知信道估计的导频图案位置优化本质是求解下面的最小化问题，即

s2：根据预设的短波通信系统每个符号子载波总数和发送导频信号的子载波数，利用随机搜索方法获得随机的导频图案集合，并选择其中的部分导频图案作为待优化的初始导频图案种群。具体地，随机搜索方法是现有的，三个参数包括每个符号子载波总数、预设的发送导频信号的子载波数和需要的导频图案数，以生成相应的导频图案集合。

s3：根据适应度函数，计算种群中导频图案的适应度值；检查迭代条件是否满足，满足则结束搜索过程，将适应度值最大对应的个体作为最优导频图案输出。具体地，最初的种群在s2完成，之后的种群都是由s4完成遗传操作生成新个体后所获得的种群，具体流程参考图2。

s4：利用改进的自适应遗传算法对种群中的导频图案进行遗传操作，更新种群，然后返回s3。

可选地，在如上所述的方法中，s2包括：

根据短波通信系统每个符号子载波总数和发送导频信号的子载波数，利用随机搜索的方法生成随机的导频图案集合，计算所述导频图案的对应感知矩阵的相关性；根据所述导频图案对应感知矩阵的相关性由小到大依次从所述随机的导频图案的集合中选择导频图案，然后将所选的随机导频图案作为初始导频图案的种群。在s2中，先随机生成导频图案，完后计算每个导频图案的对应感知矩阵的相关性，最后按照相关性的值由小到大选取对应的导频图案。每个导频图案就是遗传算法中的个体，导频图案的总数和种群中的个体的总数是相同的。具体地，种群的待优化的导频图案的数量是预先设定。例如，假设现在待优化的种群(导频图案集合)个体(导频图案)数是1000个。首先利用随机搜索算法随机生成10000(至少大于1000，取的越大效果越好)个随机导频图案，随后计算每个随机导频图案对应感知矩阵的相关性，之后按照相关值由小到大的顺序选取1000个随机导频图案，最后将这1000个随机导频图案(个体)作为初始的种群。

可选地，在如上所述的方法中，s3包括：以导频图案对应感知矩阵的相关性最小作为目标函数，并将所述目标函数的倒数映射为种群适应度函数。具体地，该步骤是确定衡量导频图案好坏的标准。导频图案-对应的感知矩阵-感知矩阵的相关性，现有的理论表明如果感知矩阵的相关性越小，那么导频图案的性能越好，所以将感知矩阵的相关性最小作为本优化问题的目标函数。

可选地，在如上所述的方法中，s4包括：根据每个所述导频图案的适应度，通过选择规则选择一部分导频图案遗传到下一代种群，所述一部分导频图案的适应度较大。对于所选的成对的导频图案，根据改进的自适应交叉概率交换它们之间的部分个体，产生新的导频图案。具体地，采用轮盘赌规则对更新的种群选择成对个体进行自适应交叉。s4的遗传操作包括三个基本部分：选择、交叉和变异。经过这样的操作后才能产生新的个体，组成新的种群，依次循环产生最优个体。传统遗传算法的交叉过程采用固定的交叉概率交换个体之间的一部分，从而产生新个体。但是，如果交叉概率的取值较大，那么种群中新个体的产生速率就会加快。这极大的提高了破坏适应度高的个体结构的可能性。如果交叉概率的取值较小，将导致算法的搜索时间变长甚至停顿不前。根据优化问题的不同，变异概率和交叉概率须人为的不断验证，对应不同的优化问题很难找到合适的取值，而且找到适用于每个问题的最佳值也很困难。本专利根据个体的适应度的取值大小，交叉概率和变异概率的取值自适应调整。若可行解集有陷入局部最优的趋向时，算法中交叉概率和变异概率的取值自适应的提高；若可行解集在解空间发散时，算法中交叉概率和变异概率的取值自适应的减小。这意味着种群中优良的个体通过小的交叉概率和变异概率被遗传到下一代，反之则利用大的交叉概率和变异概率将个体淘汰。

所述改进的自适应交叉概率表示如下：

其中，θavg是所述种群中的导频图案的平均适应度，θmax是所述种群中的导频图案的最大适应度，θ是准备交叉的、适应度较大的导频图案，χc1和χc2分别表示最小交叉概率和最大交叉概率。

具体地，如果交叉过程中出现基因(导频图案位置)冲突，则采用补集顺序交换法解决基因冲突，其具体执行过程如下：例如，父代a＝[1，2，4，5，3]，父代b＝[3，5，1，2，4]，数字加粗为交叉点。交叉位置[5，1]的补集是[2，3，4]，在父代1中出现的顺序是[2，4，3]，按照这个顺序在子代a中赋值，得到子代a＝[2，5，1，4，3]。[2，4]的补集是[1，3，5]，在父代b中出现的顺序是[3，5，1]，按照这个顺序在子代b中赋值，得到子子代b＝[3，2，4，5，1]。

对于所选的导频图案，根据改进的自适应变异概率改变其位置基因的取值，所述改进的自适应变异概率表示如下：

其中，θavg是所述种群中的导频图案的平均适应度，θmax是所述种群中的导频图案的最大适应度，θ'是准备变异的导频图案的较大的适应度，χm1和χm2分别表示最小变异概率和最大变异概率；

进行进化操作，所述进化是单方向的，只保留适应度提高的导频图案，以便避免搜索过程陷入局部最优。

上述技术方案仅为本发明实施例的一些部分，本领域技术人员从以下本发明的详细描述中可以导出和理解包含了本发明的技术特征的各种实施例。

本领域技术人员将会理解，通过本发明可以实现的效果不限于上文已经具体描述的内容，并且从以下详细说明中将更清楚地理解本发明的其他优点。

附图说明

被包括以提供对本发明的进一步理解的附图示出本发明的实施例，并且与说明书一起用于解释本发明的原理。

图1为本发明实施例提供的一种短波通信信道估计中的导频图案位置的智能搜索方法的流程图；

图2为本发明实施例提供的基于改进自适应遗传算法的导频图案智能搜索的流程图；

图3为本发明实施例提供的用于短波通信系统的信道估计的流程图。

具体实施方式

现在将详细参考本发明的示例性实施例，其示例在附图中示出。下面将参考附图给出的详细描述旨在解释本发明的示例性实施例，而不是示出可以根据本发明实现的唯一实施例。以下详细描述包括具体细节以便提供对本发明的透彻理解。然而，对于本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下实践本发明。

在一些情况下，已知的结构和设备被省略或以框图形式示出，集中于结构和设备的重要特征，以免模糊本发明的概念。在整个说明书中将使用相同的附图标记来表示相同或相似的部分。

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

在本发明的描述中，需要理解的是，术语“上”、“下”、“中心”、“内”、“外”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

图1示出了本发明实施例提供的一种短波通信信道估计中的导频图案位置的智能搜索方法的流程图。如图1所示，其包括以下步骤：

s1：以感知矩阵相关性最小作为导频图案位置最优搜索过程中的判别依据，将导频图案位置最优搜索过程转换为组合优化问题的最小值求解；

s2：根据预设的短波通信系统每个符号子载波总数和发送导频信号的子载波数，利用随机搜索方法获得随机的导频图案的集合，并选择其中的部分导频图案作为待优化的初始导频图案种群；

s3：根据适应度函数，计算种群中导频图案的适应度值；检查迭代条件是否满足，满足则结束搜索过程，将适应度值最大对应的个体作为最优导频图案输出，否则进入s4；

s4：利用改进的自适应遗传算法对种群中的导频图案进行遗传操作，更新种群，然后返回s3。

本发明的短波通信系统中每个符号的子载波总数为n，其中用于传输导频信号的子载波数为np(np＜n)。

根据本发明的实施例，图2本发明实施例提供的基于改进自适应遗传算法的导频图案智能搜索的流程图。如图2所示，主要完成的步骤如下所示：

将导频图案位置最优搜索过程转换为求解最小化问题，并以导频图案对应的感知矩阵相关性最小作为优化目标函数。

确定初始导频图案总数为s，根据每个符号的子载波总数n和传输导频信号的子载波数np利用随机搜索算法生成导频图案集合w，并依据导频图案对应感知矩阵相关性的大小依次选取s个导频图案作为种群待优化的初始导频图案。

设定最大迭代次数i，将目标函数的倒数映射为种群适应度函数，根据适应度函数，计算种群中每个导频图案的适应度fm＝[f0,f1…fs-1],m＝0,1,2,…s-1。如果满足最大迭代次数，则停止搜索，并将适应度最大fmax对应的导频图案输出，作为最优导频图案。

若不满足最大迭代次数，则进行遗传操作。

首先根据每个个体(导频图案)的适应度，按照轮盘赌选择规则选择一部分个体遗传到下一代种群。若某个个体的j的适应度为wj，种群个体总数为s，则该个体被选中的概率可以表示为：

接着根据改进的自适应交叉概率交换它们之间的部分基因，产生新个体，其改进的自适应交叉概率表示如下：

其中，θavg是种群中个体的平均适应度，θmax是种群中个体的最大适应度，θ是准备交叉的个体较大的适应度，χc1和χc2分别式最小交叉概率和最大交叉概率，取值范围为[0,1]，本发明方法中χc1＝0.2，χc2＝0.8。

若交叉过程中出现基因(导频图案位置)冲突，则采用补集顺序交换法解决基因冲突，其具体执行过程如下：例如，父代a＝[1，2，4，5，3]，父代b＝[3，5，1，2，4]，数字加粗为交叉点。交叉位置[5，1]的补集是[2，3，4]，在父代1中出现的顺序是[2，4，3]，按照这个顺序在子代a中赋值，得到子代a＝[2，5，1，4，3]。[2，4]的补集是[1，3，5]，在父代b中出现的顺序是[3，5，1]，按照这个顺序在子代b中赋值，得到子子代b＝[3，2，4，5，1]。

其次进行变异运算。对选中的个体，根据改进的自适应变异概率改变其位置基因的取值，其改进的自适应变异概率表示如下：

其中，θavg是种群中个体的平均适应度，θmax是种群中个体的最大适应度，θ'是准备变异的个体较大的适应度，χm1和χm2分别式最小变异概率和最大变异叉概率，取值范围为[0,1]，本发明方法中χm1＝0.01，χm2＝0.1。

最后进行进化操作。进化是单方向的，该过程可以保证只有适应度提高的个体才会被保留下来，这样有效的避免搜索过程中解陷入局部最优。种群经过一系列运算后得到新的种群。计算其适应度，并根据适应度进行排序，准备进行下一次遗传操作。

经过上述的步骤后，导频图案的位置反复智能搜索优化，最终获得感知矩阵相关性最小对应的导频图案即为最优导频图案。

图3示出了本发明实施例提供的用于短波通信系统的信道估计的流程图。在短波通信系统获取离线最优导频图案之后，接收端利用基于压缩感知的重构算法完成信道估计，参见图3。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现。基于这样的理解，本申请的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

如上所述，已经给出了本发明的优选实施例的详细描述，以使本领域技术人员能够实施和实践本发明。虽然已经参照示例性实施例描述了本发明，但是本领域技术人员将会理解，在不脱离所附权利要求书中描述的本发明的精神或范围的情况下，可以在本发明中进行各种修改和改变。因此，本发明不应限于在此描述的特定实施例，而应被赋予与本文公开的原理和新颖特征一致的最宽范围。