CN101247373B - 基于免疫网络的正交频分复用系统的动态信道均衡方法 - Google Patents

Abstract

一种无线通信信号处理技术领域的基于免疫网络的正交频分复用系统的动态信道均衡方法，步骤一，监测当前免疫网络均衡器，判断信道环境是否发生改变；步骤二，若当前信道环境发生变化，采用初始免疫应答机制对免疫网络均衡器进行初步调整；步骤三，对免疫网络均衡器进行克隆扩增操作，得到免疫网络均衡器的初始种群；步骤四，对初始种群进行基于免疫应答机制和疫苗注射机制的免疫操作，调整免疫网络均衡器的参数和结构；步骤五，选择训练样本误差最小的免疫网络均衡器作为动态调整的最终结果，实现对OFDM无线信道的均衡，之后返回步骤一的监测状态。本发明对信道变化具有很强的鲁棒性，在衰落信道中达到了很好的性能。

Description

基于免疫网络的正交频分复用系统的动态信道均衡方法

技术领域

本发明涉及一种无线通信信号处理技术领域的方法，具体是一种基于免疫网络的正交频分复用系统的动态信道均衡方法。

背景技术

在宽带无线数字通信系统中，影响信息高速传输的最主要的一类干扰是由信道的多径效应所引起的频率选择性衰落。当前最受关注的克服频率选择性衰落的方法是以正交频分复用(OFDM)技术为代表的多载波技术，通过采用允许子信道频谱重叠、但又互不影响的频分复用的方法来并行传送数据，该方法不仅能得到较高的频谱利用率，而且有较强的抗脉冲噪声及抗多径衰落的能力。

OFDM的基本原理是把高速的数据流通过串并变换，分配到传输数率相对较低的若干子信道中进行传输，子信道中的调制和解调可以采用逆快速傅立叶变换(IFFT)和快速傅立叶变换(FFT)来实现，由于每个子信道中的符号周期会相对增加，故可以减轻由于无线信道的多径时延扩展所产生的时间弥散性对系统造成的影响。由于OFDM系统中各个子信道的载波是相互正交的，所以它们的频谱也是相互重叠，这样不仅可以帮助消除载波间的干扰，同时还提高了频谱的利用率。

由于OFDM通信信道存在频率选择性衰落，会造成接收信号波形失真，当采用同步解调时，这种影响必须通过信道估计和均衡技术予以消除。目前常见的信道估计和均衡方法的基本过程是在发送端的适当位置插入导频，接收端利用导频恢复出导频位置的信道信息，然后利用线性处理手段获得所有时段的信道信息。这些方法相对简单，易于实现，已经在低速的通信系统中得到了广泛的应用。但是，在高速数字通信系统中，信道非线性成为影响信道误码性能的主要因素，需要采用非线性均衡器才能获得理想的通信性能。

径向基函数(RBF)神经网络具有强大的非线性拟合能力，可以实现无线通信系统的非线性均衡。由于无线通信信道的衰落特性，OFDM系统的通信信道是一个典型的非线性、时变的动态系统，因此RBF网络均衡器通常采用在线动态学习的方式，以满足信道均衡的动态性要求。目前RBF网络信道均衡器的在线训练方法主要包括聚类方法、高斯梯度下降法及其相关的改进方法。

经对现有技术文献的检索发现，Xiaobo Zhou等在《IEEE Transactions OnVehicular Technology》(《IEEE车载技术学报》)(2003，Vol.52，No.1，pp.48-59)上发表的“Channel Estimation for OFDM Systems Using Adaptive Radial BasisFunction Networks”(采用自适应径向基函数网络的OFDM系统信道均衡技术)，提出采用基于梯度下降方法的自适应RBF网络实现OFDM系统的信道估计和均衡，该方法本质上属于线性方法，能够比较快地实现RBF网络的参数调整，但是将该方法用于训练高度非线性的RBF网络信道均衡器，往往并不能获得系统参数的最优值，从而导致系统性能的下降。

发明内容

本发明针对上述现有技术的不足，提出了一种基于免疫网络的正交频分复用系统的动态信道均衡方法，使其能够有效提高均衡器对于无线时变信道的跟踪估计和均衡能力，使通信双方可以更安全可靠的传输信息，并且提高接收机的鲁棒性和智能化水平，本发明方法在存在衰落特性的无线信道环境中达到很低的误码率，提高正交频分复用系统的性能。

本发明是通过如下技术方案实现的，包括以下具体步骤：

步骤一，在发射部分发送的信源数据包前的固定位置加入已知训练数据，在接收部分，监测当前免疫网络均衡器，判断信道环境是否发生改变；

所述判断信道环境是否发生改变，是指：计算免疫网络均衡器对应训练数据的实际输出和训练数据之间的误差，当误差超过预先设定的阈值时，说明信道环境发生了较大变化，免疫网络均衡器的参数需要调整，进入步骤二；否则免疫网络均衡器的参数不需要调整，直接将接收的信源数据通过免疫网络均衡器，实现对OFDM无线信道的均衡。

步骤二，若步骤一判断当前信道环境发生变化，采用初始免疫应答机制对免疫网络均衡器进行初步调整；

所述对免疫网络均衡器进行初步调整，具体为：从当前训练样本中寻找实际输出和期望输出之间的误差较大的样本点(这些样本点反映了当前信道特征的变化)，根据这些样本点产生新的隐层节点，用新的隐层节点替代当前免疫网络均衡器中贡献度较低的隐层节点。

步骤三，对步骤二中得到的免疫网络均衡器进行克隆扩增操作，得到免疫网络均衡器的初始种群；

所述克隆扩增操作，是指以免疫网络均衡器为个体复制，在复制的过程中对均衡器的参数进行变异。

步骤四，对步骤三中的初始种群进行基于免疫应答机制和疫苗注射机制的免疫操作，调整免疫网络均衡器的参数和结构，直到对训练样本的误差满足预设要求或达到预设的运算时间为止。

所述免疫应答操作，具体为：首先从当前种群中选择一部分免疫网络均衡器进行克隆扩增操作；然后对克隆扩增操作的结果进行克隆选择操作，即根据免疫网络均衡器的性能，从群体中选择一部分免疫网络均衡器进行下一步的操作。

所述疫苗注射机制，包括提取疫苗、更新疫苗库和注射疫苗三部分，操作对象是免疫网络均衡器的隐层节点，作用是加快方法的收敛速度，其中：提取疫苗是指在免疫应答操作之后进行，从当前种群中选择免疫网络均衡器并提取其隐层节点，作为备选疫苗；更新疫苗库操作是指提取疫苗之后，用备选疫苗对当前疫苗库进行更新；注射疫苗操作是指从疫苗库中提取一部分疫苗(隐层节点)，取代当前种群中部分免疫网络均衡器的隐层节点，达到提升网络均衡器性能的目的。

步骤五，选择训练样本误差最小的免疫网络均衡器作为动态调整的最终结果，将发送的信源数据通过该免疫网络均衡器，实现对OFDM无线信道的均衡，之后返回步骤一的监测状态。

与现有技术相比，本发明具有如下有益效果：(1)本发明采用结合免疫学习机制和径向基函数网络结构的免疫网络作为OFDM无线传输系统的均衡器，用以抑制多径信道所引起的码间干扰，在无线信道多径衰落严重时，可以很好的补偿信道频域响应中“凹槽”附近的幅度衰落，并且具有收敛快，不易产生振荡、隐含节点数易于确定等优点；(2)针对正交频分复用系统的通信信道特点，免疫网络均衡器的调整采用的免疫学习机制。免疫学习机制借鉴了生物免疫系统的动态性、自适应、分布式处理的特点，是一种非线性的、具有全局寻优的方法，保证了免疫网络均衡器在精度性能上的优越性；免疫学习机制的动态特性保证了该方法的收敛速度，使得免疫网络均衡器能够适应动态变化的信道环境；(3)在移动通信、室内通信等通信环境下，多径干扰非常严重，而且时变效应非常明显。本发明描述的免疫网络均衡器能够很好地消除多径效应的影响。实验结果表明，在快衰落信道下，信噪比为20dB时，有效传输数据经过免疫网络均衡器的误码率性能在1％以下，低于基于梯度下降方法的RBF网络信道均衡器的误码率(通常在5％以上)。

附图说明

图1为本发明所基于的OFDM系统的发射和接收部分的工作流程图；

图2为本发明所基于的OFDM系统接收部分的结构框图；

图3为本发明方法的工作流程图；

图4为本发明基于免疫应答和疫苗注射机制的免疫操作流程图；

图5是本发明系统的误比特率随信噪比变化的曲线图；

图6是本发明系统信噪比为15dB时，均衡器的动态调整曲线图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例方法基于正交频分复用系统，如图1所示，正交频分复用系统在发射部分中，在插入导频之后加入训练数据，和信源数据包一同装帧，训练数据的内容和插入位置都是固定的，之后经过补零、IFFT和加入循环前缀的操作之后，发射到无线信道；

经过无线信道传输后，在接收部分，经过去循环前缀、FFT和去零操作，经过拆帧得到接收训练数据和接收信源数据。

如图2所示，将接收训练数据X_T1作为输入，已知训练数据X_T2(即OFDM发送端发射的训练数据)作为期望输出，构成在线训练样本，进行免疫网络动态训练，然后将接收信源数据X_D通过经过动态训练后的免疫网络信道均衡器，实现信道均衡。

本实施例中的免疫网络均衡器采用具有局部逼近特性的、单隐层的径向基函数网络的结构，对一个p维的输入矢量x＝(x₁，x₂，…，x_p)，免疫网络均衡器的输出计算公式为：

$y_i=w_i^{T}g=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{w}_{\mathrm{ij}}\exp \left(\frac{{\left|\right|x-z_j\left|\right|}^2}{{\mathrm{\σ}}_j^2}\right),i=1,...,o,j=1,...,m$

式中：w_i＝[w_i1，…，w_im]^T为输出节点i的权值矢量；g＝[g₁，g₂，…，g_m]^T为隐层核函数(这里采用高斯函数矢量)；为隐层中心；σ_j为隐层核函数宽度；o为网络输出节点的个数。

如图3所示，本实施例包括以下步骤：

步骤一，系统监测：对接收到的信号，计算免疫网络均衡器对接收训练数据的实际输出和期望输出(即已知训练数据)之间的均方误差，监测信道环境是否发生改变。当均方误差超过预先设定的阈值ξ₁＝0.1时，说明信道环境发生了较大变化，进入步骤二，调整免疫网络均衡器的参数；否则免疫网络均衡器的参数不需要调整，直接将接收的信源数据通过免疫网络均衡器，实现对OFDM无线信道的均衡。

步骤二，若步骤一判断当前信道环境发生变化，采用初始免疫应答机制对免疫网络均衡器进行初步调整，具体为：

首先确定新的映射模式，具体操作为：假设训练样本的输入矢量集为 $X=\left\{x_j\right|i=1...L,x_j\⋐R^p\}.$ 对于每一个接收训练数据x_i，计算免疫网络均衡器的实际输出和期望输出y_i之间的误差，若误差超过阈值ξ₂＝20，则认为该接收训练样本属于新的输入映射模式，反映了当前信道特征的变化，需要免疫网络均衡器的参数做相应调整。新的输入映射模式定义为 $X_m=\left\{x_i\right||y_i-{\tilde{y}}_i|>{\mathrm{\ξ}}_2,i=1...L\};$

然后根据当前免疫网络均衡器中隐层节点的贡献度确定需要被替代的隐层节点，隐层节点贡献度的衡量方法为：首先从免疫网络均衡器中移除一个隐层节点，然后计算此时的免疫网络均衡器的性能，性能下降越多，则表明该隐层节点的贡献度越高，贡献度较低的隐层节点将被替代；

最后对新的输入映射模式X_m采用k-均值聚类算法得到新的隐层节点，并用其替换当前免疫网络均衡器中贡献度较低的隐层节点。

步骤三，对步骤二中得到的免疫网络均衡器进行克隆扩增操作，得到数量为K＝40的免疫网络均衡器的初始种群。

所述克隆扩增操作，是指以免疫网络均衡器为个体复制，在复制的过程中对均衡器的参数进行适当变异。

步骤四，对步骤三中的初始种群进行基于免疫应答和疫苗注射机制的免疫操作，调整免疫网络均衡器的参数和结构，直到性能满足要求或达到预设的运算时间为止。

如图4所示，为基于免疫应答和疫苗注射机制的免疫操作流程图，免疫应答机制调整免疫网络均衡器的参数和结构，使得免疫网络均衡器能够更好地适应当前OFDM系统的信道状况。而疫苗注射机制可以加快算法的收敛速度。

所述免疫应答机制包括克隆扩增和克隆选择操作：

在克隆扩增过程中，从当前种群中选择抗原亲和度高的k＝4个免疫网络均衡器进行克隆复制，其中每个免疫网络均衡器克隆复制的数量与抗原亲和度成正比，抗原亲和度表征了免疫网络均衡器的性能，定义为当前训练数据的期望输出与免疫网络均衡器的实际输出之间的均方误差的倒数。

在克隆选择过程中，计算克隆扩增过程产生的免疫网络均衡器的抗原亲和度，K＝40个抗原亲和度最高的免疫网络均衡器被保留下来做进一步的操作。

所述疫苗注射机制，包括提取疫苗、更新疫苗库和注射疫苗三部分，操作对象是免疫网络均衡器的隐层节点。

所述提取疫苗是指：在免疫应答操作之后进行，从当前种群中的性能最好的免疫网络均衡器提取隐层节点，作为备选疫苗。

所述更新疫苗库是指：为了维持疫苗库的规模和的多样性，备选疫苗将替换疫苗库中与之相似度最高的疫苗。此外，根据疫苗成功接种次数(标记为SIT)，长时间没有实施有效接种的疫苗表明其已经不适合当前的信道环境，将从疫苗库中去除。

注射疫苗在疫苗注射机制中起着至关重要的部分，并直接决定了方法的收敛速度，具体为：

(a)从疫苗库V(＝30)中任意选取M＝5个疫苗构成V_a，V_a＝{V₁，V₂，V₃...V_M}；

(b)对V_a进行复制和变异操作，得到V_a′；

(c)实施疫苗注射操作：从V_a′中选择一个疫苗，从当前种群中选择一个免疫网络均衡器，用该疫苗替换免疫网络均衡器中与之最相似的隐层节点；

(d)计算疫苗注射之后得到的免疫网络均衡器的抗原亲和度，如果性能提高则证明疫苗注射成功，并更新疫苗成功接种次数SIT，否则说明免疫注射失效，维持原有的免疫网络均衡器不变；

(e)重复步骤c)和d)直至V_a′中所有的疫苗都参与了疫苗注射。

免疫操作的终止条件有两类：第一是免疫网络均衡器达到了预期的抗原亲和度。第二是达到了系统预设的最大运行时间。

步骤五，选择性能最好(即抗原亲和度最高)的免疫网络均衡器作为调整结果，实现对OFDM无线信道的均衡。之后返回步骤一的系统监测状态。

本实施例以IEEE 802.11a WLAN(无线局域网)标准为基础。数据的组帧情况为：每个周期发送的信源数据经过调制后拆分为48×20比特的20组小帧，插入5帧1×20比特的导频后形成53×20比特的帧格式；在装帧时加入53×4比特的训练数据，构成53×20的帧格式。经过补零和加入循环前缀后得到80×24比特的数据，并打包发送。无线通信信道为瑞利多径衰落信道。

仿真实验结果如图5和图6所示。仿真中将免疫网络均衡器与其他4种均衡器，即采用MIGA(记忆迁移遗传方法)的RBF网络均衡器、采用MEGA(记忆强化遗传方法)的RBF网络均衡器、采用高斯梯度法的RBF网络均衡器和模糊自适应滤波均衡器进行了比较。

图5比较了在时变、快衰落的OFDM信道中，各种网络均衡器在不同信噪比情况下的误比特率变化曲线。图5的仿真采用了100次的蒙特卡罗(Monte Carlo)仿真。从图5可以看出，采用免疫网络均衡器的OFDM系统在信噪比超过17dB时，误码率已经低于1％，性能超过其他均衡器、尤其是采用高斯梯度法的自适应RBF网络均衡器。

图6比较了在时变、快衰落的OFDM信道中，各种均衡器的动态调整曲线。其中动态信道模型的参数每隔50代发生一次跳变，导致各种均衡器性能的急剧下降。从图6可以看出，免疫网络均衡器能够很快适应OFDM信道环境的动态变化，只需要几次迭代就达到了很高的精度。

从本实施例可以看出，本发明提出的基于免疫网络的OFDM动态信道均衡方法对信道变化具有很强的鲁棒性，在衰落信道中达到了很好的性能。

Claims (3)

1.一种基于免疫网络的正交频分复用系统的动态信道均衡方法，其特征在于，包括如下步骤：

步骤一，在发射部分发送的信源数据包前的固定位置加入已知训练数据，在接收部分，监测当前免疫网络均衡器，判断信道环境是否发生改变；

步骤二，若步骤一判断当前信道环境发生变化，采用初始免疫应答机制对免疫网络均衡器进行初步调整，从当前训练样本中寻找实际输出和期望输出之间的误差大的样本点，根据这些样本点产生新的隐层节点，用新的隐层节点替代当前免疫网络均衡器中贡献度较低的隐层节点；

所述免疫应答机制包括克隆扩增和克隆选择操作：

步骤三，对步骤二中的免疫网络均衡器进行克隆扩增操作，得到免疫网络均衡器的初始种群；

所述克隆扩增操作，是指以免疫网络均衡器为个体复制，在复制的过程中对均衡器的参数进行变异；

步骤四，对步骤三中的初始种群进行基于免疫应答机制和疫苗注射机制的免疫操作，调整免疫网络均衡器的参数和结构，直到对训练样本的误差满足预设要求或达到预设的运算时间为止；

所述疫苗注射机制，包括提取疫苗、更新疫苗库和注射疫苗三部分，操作对象是免疫网络均衡器的隐层节点，其中：提取疫苗是指在免疫应答操作之后进行，从当前种群中选择免疫网络均衡器并提取其隐层节点，作为备选疫苗；更新疫苗库操作是指提取疫苗之后，用备选疫苗对当前疫苗库进行更新；注射疫苗操作是指从疫苗库中提取一部分隐层节点疫苗，取代当前种群中部分免疫网络均衡器的隐层节点；

步骤五，选择训练样本误差最小的免疫网络均衡器作为动态调整的最终结果，将发送的信源数据通过该免疫网络均衡器，实现对OFDM无线信道的均衡，之后返回步骤一的监测状态。

2.根据权利要求1所述的基于免疫网络的正交频分复用系统的动态信道均衡方法，其特征是，所述判断信道环境是否发生改变，是指：计算免疫网络均衡器对应训练数据的实际输出和训练数据之间的误差，当误差超过预先设定的阈值时，说明信道环境发生了较大变化，免疫网络均衡器的参数需要调整，进入步骤二；否则直接将接收的信源数据通过免疫网络均衡器，实现对OFDM无线信道的均衡。

3.根据权利要求1所述的基于免疫网络的正交频分复用系统的动态信道均衡方法，其特征是，所述免疫应答操作，具体为：首先从当前种群中选择一部分免疫网络均衡器进行克隆扩增操作，然后对克隆扩增操作的结果进行克隆选择操作，即根据免疫网络均衡器的性能，从群体中选择一部分免疫网络均衡器进行下一步的操作。

Images