CN105207761B - 一种基于遗传算法的tdd系统导频调度方法 - Google Patents

Abstract

一种基于遗传算法的TDD系统导频调度方法，以大规模MIMO多小区TDD系统为模型，以降低导频污染为目标，以导频分配为主线，将遗传算法在解决组合优化问题中的高效性应用于大规模MIMO多小区TDD系统的导频调度问题。该方法将系统可达和速率作为遗传算法的适应度函数，将导频分配方案作为种群个体参与种群进化，种群进化的过程也就是导频分配方案趋于最优解的过程。旨在降低导频污染、最大化系统可达和速率的同时，实现导频快速分配，降低导频分配时延。

Description

一种基于遗传算法的TDD系统导频调度方法

技术领域

本发明涉及一种基于遗传算法的TDD系统导频调度方法，属于TDD系统技术领域。

背景技术

大规模MIMO系统以其独有的优势得到了广泛的关注和研究，但是上行导频污染成为了大规模MIMO多小区TDD系统的主要性能瓶颈。在TDD模式下，上、下行链路的信道具有互易性，基站根据上行链路传输的导频序列估计下行链路信道状态信息。与单个小区不同，在多小区系统中上行链路导频序列对信道状态信息的估计有很大影响。以C个小区为例，假设每个小区配有根天线、存在U个单天线用户，如果所有用户全部采用完全正交的导频序列，则至少需要符号长为U×C的导频。实际通信系统为C很大的系统，用户移动性导致信道相干时间短，不允许使用这么长的导频，通常的做法是：单个小区采用正交的导频，相邻小区复用同一套导频序列。导频复用对多小区产生干扰，并且干扰不会随着天线数目的增加而降低或消除，在很大程度上限制了系统性能，这就是导频污染问题。

多个小区复用同一套正交的导频序列导致了导频污染的产生，小区将这一套导频序列分配给本小区用户时，多个小区之间通过协作分配找出最佳的组合方案，以求最小化导频污染的影响，这就是导频调度的过程。传统的枚举法调度策略存在性能上的不足，遗传算法在解决组合优化问题时的高效性为TDD系统的导频调度提供了一个新的思路。

发明内容

技术问题：本发明设计出一种大规模MIMO多小区TDD系统导频调度方法，以降低导频污染为目标，以导频分配为主线，结合遗传算法在解决组合优化问题时的高效性，提出了基于遗传算法的导频调度方法，实现快速高效的导频分配、降低导频污染。

技术方案：本发明以大规模MIMO多小区TDD系统为模型，系统模型如图1所示，将遗传算法在解决组合优化问题中的高效性应用于导频调度过程，将系统可达和速率作为适应度函数，将导频分配方案作为种群个体参与进化，种群个体不断向适应度高的方向进化，也即是分配方案不断向系统可达和速率大的方向进化，遗传算法流程如图2所示。种群进化的过程，也就是导频分配方案最优化的过程。算法优化过程如图3所示，包括以下几个部分：

1：确定导频方案集

2：导频分配方案编码；

3：计算系统可达和速率

4：种群进化；

5：确定最优解；

所述确定导频方案集为：相邻小区采用同一套导频集，同一小区中不同用户采用不同的导频，依据当前可用导频集，给出所有可能地导频分配的方案集Ωn＝{s₁,s₂,...s_n}，其中s_i为第i中分配方案，i＝{1,2,...n}。

所述导频分配方案编码为：对Ωn＝{s₁,s₂,...s_n}中的每一个分配方案进行二进制编码得到编码集B_n＝{b₁,b₂,...b_n}。其中s_i与b_i一一对应，都称为种群个体，参与种群进化，s_i为个体的表现型，b_i为个体的基因型。流程如图4所示。

所述计算系统可达和速率为：小区通信过程分为两个阶段，即上行导频传输和下行数据传输。上行链路阶段，用户向基站发送导频序列，基站根据接收到的数据以及TDD系统的信号互易性得到下行信道估计下行链路阶段，基站进行预编码，向用户发送调制后的数据，用户端进行解调并计算下行可达速率R_iu＝log₂(1+θ)，其中θ为信噪比。流程如图5所示。

所述种群进化为：将个体的下行可达速率作为个体适应度，种群个体之间进行选择、交叉、变异，得到下一代种群。其中选择操作进行优胜劣汰，根据每个个体适应度大小进行选择，适应度高的个体被遗传到下一代种群的概率大，适应度低的个体被遗传到下一代种群的概率小。交叉操作进行基因重组，按照某种方式交换部分基因，形成两个新的个体。变异操作进行基因突变，以较小的概率将某些位置上的基因进行0和1的互换，形成新的个体。流程如图6所示。

所述确定最优解为：设定种群进化的终止条件，若满足终止条件则停止进化过程，当前种群个体的表现型即为导频分配方案的最优解，否则当前种群继续进化过程。

有益效果

本发明以大规模MIMO多小区TDD系统为模型，以导频分配为主线，提出了基于遗传算法的TDD系统导频调度方法，在降低导频污染、最大化系统可达和速率的同时，实现了导频的快速分配，降低了导频分配时延。

附图说明

图1是大规模MIMO多小区TDD系统模型图。

图2是遗传算法流程图。

图3是导频分配策略流程图。

图4是导频分配方案编码图。

图5是计算系统可达和速率流程图。

图6是种群进化流程图。

具体实施方式

本发明以大规模MIMO多小区TDD系统为模型，以降低导频污染为目标，将遗传算法在解决组合优化问题中的高效性应用于导频调度过程，以系统可达和速率作为适应度函数，以导频分配方案作为种群个体参与种群进化，种群进化的过程也就是导频分配方案趋于最优解的过程。以小区数为2，单个小区4用户为例进行说明。

确定导频方案集：从当前可用导频集中为4个用户分配4中不同的导频，相邻的第二小区采用同一套导频序列，则导频方案集Ωn＝{s₁,s₂,...s_n}有576个元素，对应576种不同的导频分配方案。

导频分配方案编码：Ωn有576个元素，也即是有576种基因型个体，对所有个体进行二进制编码。为覆盖所有的基因型需要对单个个体进行10位二进制编码。流程如图4所示。

计算系统可达和速率：上行链路阶段，用户向基站发送导频序列，基站根据接收到的数据进行MMSE信道估计。基站接收到的数据可以表征为：其中第一项为有用信号项，第二项为噪声项，进一步根据估计理论中的标准结果可知基站对信道的MMSE估计值可表征为：下行链路阶段，基站进行预编码，向用户发送调制后的数据，用户端进行解调并计算下行可达速率。i小区u用户的下行可达速率可以表示为

其中i＝1,2,u＝1,2,3,4。流程如图5所示。

种群进化：将系统可达和速率作为种群个体的适应度函数不同个体之间进行选择、交叉、变异，其中选择操作进行优胜劣汰，交叉操作进行基因重组，变异操作进行基因突变。其中的选择操作根据每个分配方案的系统可达和速率大小进行选择，可达和速率高的分配方案被遗传到下一代种群的概率大，相反达和速率低的个体被遗传到下一代种群的概率小。流程如图6所示。

确定最优解：以最大进化代数N_max作为种群进化的终止条件，将第N_max代种群中适应度最高的个体作为最佳个体，也即是将第N_max代种群中系统可达和速率最高的分配方案作为该TDD系统的最佳导频分配方案。

Claims (1)

1.一种基于遗传算法的TDD系统导频分配方法，其特征在于，以系统可达和速率作为适应度函数，以不同的导频分配方案作为种群个体参与种群进化，种群进化的过程也就是导频分配方案趋于最优解的过程，包括以下几个步骤：

1).确定导频方案集；

2).导频分配方案编码；

3).计算系统可达和速率；

4).种群进化；

5).确定最优解；

所述1)确定导频方案集为：相邻小区采用同一套导频集，同一小区中不同用户采用不同的导频，依据当前可用导频集，给出所有可能地导频分配的方案集Ωn＝{s₁,s₂,...s_n}，其中s_i为第i种分配方案，i＝{1,2,...n}；

所述2)导频分配方案编码为：对Ωn＝{s₁,s₂,...s_n}中的每一个分配方案进行二进制编码得到编码集Bn＝{b₁,b₂,...b_n}，其中s_i与b_i一一对应，都称为种群中个体，参与种群进化，s_i为个体的表现型，b_i为个体的基因型；

所述3)计算系统可达和速率为：小区通信过程分为两个阶段，即上行导频传输和下行数据传输，上行导频传输阶段，用户向基站发送导频序列，基站根据接收到的数据以及TDD系统的信号互易性得到下行信道估计下行数据传输阶段，基站进行预编码，向用户发送调制后的数据，用户端进行解调并计算下行可达速率R_iu＝log₂(1+θ)，其中θ为信噪比；

所述4)种群进化为：将个体的下行可达速率作为个体适应度，种群个体之间进行选择、交叉、变异，得到下一代种群；其中选择操作进行优胜劣汰，根据每个个体适应度大小选择，适应度高的个体被遗传到下一代种群的概率大，相反适应度低的个体被遗传到下一代种群的概率小；交叉操作进行基因重组，按照某种方式交换部分基因，形成两个新的个体；变异操作进行基因突变，以较小的概率将某些位置上的基因进行0和1的互换，形成新的个体；

所述5)确定最优解为：设定种群进化的终止条件，若满足终止条件则停止进化过程，当前种群个体的表现型即为导频分配方案的最优解，否则当前种群继续进化过程。