CN108023842B - 大规模mimo系统的导频设计方法 - Google Patents

Abstract

本发明涉及无线通信技术，特别涉及一种大规模MIMO系统的导频设计方法，包括：采用实值编码随机生成第一导频序列群体，将群体中适应度值最大的两个个体最为第一父代和第二父代；对第一父代和第二父代进行交叉、变异操作得到第三子代和第四子代并存入第二导频序列群体；将第二导频序列群体的适应度值较大的若干个存入第三导频序列群体；第三导频序列群体中选出最优个体及适应度值最大的个体，若第三导频序列种群中最优个体的适应度值连续若干次等于第一导频序列的最优个体的适应度值，则得到最优导频位置序列；本发明建立遗传模型的同时引入了内、外循环机制来保证种群中最优个体的获取，从而在减小导频开销的同时提高了信道估计的精确度。

Description

大规模MIMO系统的导频设计方法

技术领域

本发明涉及无线通信技术领域，特别涉及一种大规模MIMO系统的导频设计方法。

背景技术

大规模MIMO系统的基本特征是在基站侧配备数十根甚至数百根的天线，相比于传统MIMO系统增加了一个量级以上。基站使用大量的天线，在相同的时频资源里同时服务多个用户。大规模MIMO相比于传统MIMO具备许多优点：更高的数据速率；更高的功率效率和频谱效率；更好的链路可靠性；可以使用相对廉价、低功率的器件等。大规模MIMO技术是未来绿色宽带无线通信最具潜力的研究方向之一。精确的信道状态信息(Channel StateInformation，CSI)的获取对于下行信道波束复用、资源分配以及信号处理等起着尤为重要的作用。实际的无线通信系统通常采用基于导频的信道估计方法来及时并准确获取CSI。

压缩感知(Compressive Sensing，CS)理论允许从非常有限的采样中有效地重建信号，若所要恢复的信号在某些变换域中可以被稀疏表示，则可以使用远小于奈奎斯特采样速率的速率对该信号进行随机采样，然后通过非线性的算法实现完全信号的重构。由于实际的无线宽带多径信道呈现稀疏性，即信道冲激响应的大部分能量集中于相对少量的抽头上，并且在一定时间内这些非零抽头的位置保持不变。将压缩感知理论应用于信道估计中可以在获得较高信道估计性能的同时大量减少导频数量，提高系统传输效率。

目前针对基于压缩感知大规模MIMO信道估计的导频优化的算法并不是很多，许多研究重点都在于稀疏信号的重建算法的改进，并没有考虑研究如何设计最佳的固定导频图案从而使信道估计性能得以改善。而且寻找最优导频设计方案往往需要耗时很久，导频也并不是很优的，然而信道的可恢复性和信道估计精度都与导频放置有关。合理设计导频放置方式不仅可以提高信道估计的可恢复性和信道估计精度，而且能够有效节省所需导频符号。因此需要有新型的导频设计算法来实现较好信道估计性能的同时大量减少导频开销，提高系统传输效率。

发明内容

针对上述问题，本发明提出一种大规模MIMO系统的导频设计方法，包括：

S1：采用实值编码随机生成第一导频序列群体X；

S2：设置第一循环参数S，令S＝0；

S3：设置第二循环参数N，令N＝1，选择第一导频序列群体X中适应度值最大的两个个体作为第一父代和第二父代；

S4：生成两个随机数a,b∈(0,1)；

S5：判断随机数a与交叉概率p_c的关系，根据第一父代和第二父代得到第一子代和第二子代；

S6：判断随机数b与变异概率p_m的关系，根据第一子代和第二子代得到第三子代和第四子代，并将第三子代和第四子代存入第二导频序列群体X₁；

S7：计算第二导频序列群体X₁的适应度值，判断第一循环参数N是否等于M_size，若不等于则令N＝N+1并返回步骤S4；若等于，则从第二导频序列群体X₁中选取适应度最强的M_size个个体作为第三导频序列群体X₂；

S8：从第三导频序列群体X₂中选出最优个体x_best及适应度值F_best最大的个体，判断第三导频序列X₂种群中最优个体的适应度值是否等于第一导频序列X的最优个体的适应度值，若是，则令S＝S+1，继续判断S是否大于等于0.4×T，如果是，得到的适应度最大的个体x_best，即最佳导频放置序列，结束循环，否则返回步骤S2；若第三导频序列X₂种群中最优个体的适应度值不等于第二导频序列的最优个体的适应度值则返回步骤S3，其中T表示遗传代数。

优选的，选择第一导频序列群体X中适应度值最大的两个个体作为第一父代和第二父代包括：

201、定义一个观测矩阵ψ_m，m＝1,2,...,M，以最小化观测矩阵的互相关为设计准则，对个体适应度F(x_i),i＝1,...,M_size进行计算，定义观测矩阵ψ_m的互相关为：

F(x_i)＝1/f(ψ_m)；

202、采用轮盘赌选择，每个个体被选为中间导频序列群体并作为双亲繁殖下一代的概率，即被选为第一父代和第二父代的概率，该概率通过适应度函数计算得到：

其中，F(x_i)表示第i个个体的适应度，第一导频序列群体中个体数量为M_size，N_CIR表示时域CIR向量的长度，(ψ_m)_i表示ψ_m的第i列，上标H表示矩阵的共轭转置。

优选的，所述判断随机数a与交叉概率p_c的关系包括：判定随机数a是否小于交叉概率p_c，如果达到条件则对第一父代和第二父代执行交叉操作，否则直接将第一父代和第二父代视为第一子代和第二子代。

优选的，所述交叉操作包括：首先生成一个长度为N_p的0-1随机序列，序列中1对应的基因需另两个个体执行基因互换操作，0对应的基因不变，从而产生两个新个体；其次，若后代新个体基因间出现重复，则用另首先生成一个长度为N_p的0-1随机序列，将随机序列中的0-1与第一父代和第二父代中相应位置的基因基因进行比较，随机序列中1对应的基因，第一父代与第二父代执行基因互换操作，随机序列中的0对应的基因不变，从而第一子代和第二子代；

其次，若第一子代基因间出现重复，则用第二父代与相应位置对应的基因替换，若第二子代基因间出现重复，则用第一父代与相应位置对应的基因替换，直至无重复；

最后对个体中基因从小到大排序。

优选的，所述随机数b与变异概率p_m的关系包括：判断随机数b否小于变异概率p_m，如果是则对第一子代和第二子代执行变异操作，否则不对第一子代和第二子代进行任何操作。

优选的，所述变异操作包括：首先随机选择一个基因变异位置；

随机产生一个在1～N_FFT范围内的除自身以外的基因，用它代替变异位置处的值，生成第三子代和第四子代；

若第三子代和第四子代的基因间出现重复，则再从1～N_FFT范围中随机选择一个元素替换非变异位置的基因，直至没有重复；

最后对个体中基因按照升序排序；

其中，N_FFT表示每个包含导频的OFDM符号的子载波数。

本发明采用非正交导频设计可以极大地减小大规模MIMO信道估计过程中产生的巨大导频开销，为减小信号重构时由导频子载波造成的干扰同时提高信道估计性能，利用该设计可以更好地进行信道状态信息的估计；并且本发明采用改进的遗传算法优化导频位置序列，可以快速的得到较低的观测矩阵相关值，从而大大减少导频的数量，同时引入了内、外循环机制来保证种群中最优个体的获取，从而提高了信道估计的精确度。

附图说明

图1为本发明大规模MIMO系统的导频设计方法的流程图；

图2为本发明所需的大规模MIMO系统模型框架。

具体实施方式

下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明考虑一个FDD单小区大规模MIMO-OFDM系统信道模型，图2为单小区大规模MIMO系统框架图。其中，基站端配备M根天线，用户配备单根天线，假设每个包含导频的OFDM符号有N_FFT个子载波，导频子载波个数为N_p。由基站端发射非正交导频信号，p_m为N_p×1维第m根发射天线的导频序列；

为导频子载波的下标集(所有发射天线完全相同)。在用户端，离散傅里叶变换(Discrete Fourier Transformation，DFT)后第n个包含导频的OFDM符号的接收序列r_n为：

其中，P_m为N_p×N_p维对角矩阵；第(k,l)项用exp(-j2πkl/N_FFT)表示；

表示F的子矩阵，F为N_FFT×N_FFT维DFT矩阵，维数为N_p×N_FFT，该子矩阵由F中行下标属于μ的行向量组成；

表示N_FFT×N_CIR维的CIR矩阵的坐标矩阵，e_i为第i个长度为N_FFT的坐标向量；z_n表示N_p×1维加性高斯白噪声向量，其服从独立同分布；g_m,n表示第m个发射天线和一个用户间的时域CIR向量，维度为N_CIR×1，其中m＝1,2,...,M，n＝1,2,...,N，

为

的等价坐标矩阵。

定义一个N_p×N_CIR维矩阵：

则接收序列r_n可以表示为：

若令ψ＝[ψ₁,ψ₂,...,ψ_M]为N_p×MN_CIR维矩阵；

为

MN_CIR×1维CIR向量，因此接收序列r_n可以表示为：

图1为本发明具体信道估计中的导频设计流程图，如图所示，本发明的基于压缩感知的大规模MIMO系统信道估计中导频设计方法，包括如下步骤：

S1：采用实值编码随机生成第一导频序列群体X，即第一导频序列群体X中的个体为导频序列，第一导频序列群体中个体数量为M_size，个体长度为导频个数N_p；

S2：设置第一循环参数S，令S＝0；

S3：设置第二循环参数N，令N＝1，选择第一导频序列群体X中适应度值最大的两个个体作为第一父代和第二父代；

以测量矩阵互相关的倒数作为个体的适应度F(x_i)，i＝{1,...,M_size}，最大适应度值F_max对应的个体为最优个体，选出适应度最强的两个体作为第一父代和第二父代。

个体适应度越大，由导频个体决定的测量矩阵的互相关值越小，越接近受限等距性，可以间接提高信道估计性能，定义矩阵ψ_m的互相关为：

F(x_i)＝1/f(ψ_m)；

其中，(ψ_m)_i表示ψ_m的第i列，上标H表示矩阵的共轭转置；将ψ_m的表达式代入f(ψ_m)中，得到：

假设发射的导频功率相同，即：

其中，P_m(c_i)表示第i个导频子载波的功率，此时，互相关函数f(ψ_m)仅与导频位置和导频功率有关，与导频位置相比，导频功率对f(ψ_m)影响较小，因此可以假设E＝1，对f(ψ_m)进一步简化，令ψ_m＝μ可得：

因此，大规模MIMO系统导频优化问题就可以转化成对下式求最小化问题，则最优导频位置表示为：

S4：生成两个随机数a,b∈(0,1)；

S5：判断随机数a与交叉概率p_c的关系和随机数b与变异概率p_m的关系，将根据随机数a与交叉概率p_c的关系和随机数b与变异概率p_m的关系对第一导频序列群体X中选出的两个最优个第一父代和第二父代进行交叉、变异的结果作为第二导频序列群体X₁；

判定随机数a是否小于交叉概率p_c，如果是则对第一父代和第二父代执行交叉操作，否则直接将第一父代、第二父代视为第一子代和第二子代。

优选的，交叉操作包括：

首先生成一个长度为N_p的0-1随机序列，将随机序列中的0-1与第一父代和第二父代中相应位置的基因基因进行比较，随机序列中的1对应的基因，第一父代与第二父代执行基因互换操作，随机序列中的0对应的基因不变，从而产生两个新个体，即第一子代和第二子代；

其次，若第一子代基因间出现重复，则用第二父代与相应位置对应的基因替换，若第二子代基因间出现重复，则用第一父代与相应位置对应的基因替换，直至无重复；

最后对个体中基因按照升序排序；优选的，交叉概率p_c的范围为0.2～0.6；

例如，第一父代的基因是12479，第二父代的基因是14678，随机序列为01001，对第二个位置和第五个位置的基因分别执行交叉操作，交换得到第一子代的基因为14478，交换得到第二子代的基因为12679，第一子代中的第二位置和第三位置有相同的基因“4”，所以第一子代的第二个位置的基因与第二父代第二位置的基因交换、第一子代的第三个位置的基因与第二父代第三位置的基因交换，最后得到的第一子代基因序列为14678，其中每个基因序列中的基因都按照升序排列。

S6：判断随机数b与变异概率p_m的关系，对第一子代和第二子代执行变异操作，将变异操作的结果分别视为第三子代和第四子代，并将第三子代和第四子代存入第二导频序列群体X₁；

继续判定随机数b是否小于变异概率p_m，如果是则对第一子代和第二子代执行变异操作，否则不对第一子代和第二子代进行任何操作，直接将第一子代和第二子代视作第三子代和第四子代，并将第三子代和第四子代存入第二导频序列群体X₁中。

优选的，变异操作包括：

首先随机选择一个基因变异位置；

随机产生一个在1～N_FFT范围内的除自身以外的基因，用它代替变异位置处的值，生成第三子代和第四子代；

若第三子代和第四子代的基因间出现重复，则再从1～N_FFT范围中随机选择一个元素替换非变异位置的基因，直至没有重复；

最后对个体中基因按照升序排序；

其中，N_FFT表示每个包含导频的OFDM符号的子载波数；优选的，变异概率p_m的范围为0.001～0.1；

例如，第一子代基因序列为14678，假设随机选取的位置是第四个位置，则对第四个位置的基因“7”进行变异操作，若随机产生的基因为“4”，原基因序列变为14648，第二位置的基因与第四位置的基因重复，需要再随机产生一个基因替换第二位置的基因，假设产生的随机基因为“5”，则得到的第三子代基因序列为14568。

S7：计计算第二导频序列群体X₁的适应度值，判断M_size是否等于第二循环参数N，若不等于则令N＝N+1并返回步骤S4；若等于，则从第二导频序列群体X₁中选取适应度最强的M_size个个体作为第三导频序列群体X₂；

S8：从第三导频序列群体X₂中选出最优个体x_best及其适应度值F_best，判断第三导频序列X₂种群中最优个体的适应度值是否等于第一导频序列X的最优个体的适应度值，若是，则令S＝S+1，继续判断第一循环参数S是否大于等于0.4×T，如果是，得到的适应度值最大的个体x_best，即最佳导频位置序列，结束循环，否则返回步骤S2；若第三导频序列X₂种群中最优个体的适应度值不等于第二导频序列的最优个体的适应度值则返回步骤S3；

其中，T为遗传代数。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

此外，术语“第一”、“第二”、“第三”、“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量，由此，限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括至少一个该特征，不能理解为对本发明的限制。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.大规模MIMO系统的导频设计方法，其特征在于：包括：

S1：采用实值编码随机生成第一导频序列群体X，将第一导频序列群体X中的个体作为导频序列，第一导频序列群体中个体数量为M_size，个体长度为导频个数N_p；

S2：设置第一循环参数S，令S＝0；

S3：设置第二循环参数N，令N＝1，选择第一导频序列群体X中适应度值最大的两个个体作为第一父代和第二父代；

S4：生成两个随机数a,b∈(0,1)；

S5：判定随机数a是否小于交叉概率p_c，如果是则对第一父代和第二父代执行交叉操作，根据第一父代和第二父代得到第一子代和第二子代；

S6：判断随机数b是否小于变异概率p_m，如果小于，则对第一子代和第二子代执行变异操作，将变异操作的结果视为第三子代和第四子代，否则直接将第一子代和第二子代视作第三子代和第四子代，将第三子代和第四子代存入第二导频序列群体X₁；

S7：计算第二导频序列群体X₁的适应度值，判断第二循环参数N是否等于M_size，若不等于则令N＝N+1并返回步骤S4；若等于则从第二导频序列群体X₁中选取适应度最强的M_size个个体作为第三导频序列群体X₂；

S8：从第三导频序列群体X₂中选出最优个体x_best及适应度值F_best最大的个体，判断第三导频序列X₂中最优个体的适应度值是否等于第一导频序列X中最优个体的适应度值，若是，则令S＝S+1，继续判断第一循环参数S是否大于等于0.4×T，如果是，得到的适应度值最大的个体x_best，即最佳导频位置序列，结束循环，否则返回步骤S2；若第三导频序列X₂种群中最优个体的适应度值不等于第二导频序列的最优个体的适应度值则返回步骤S3，其中T表示遗传代数；

其中选择第一导频序列群体中适应度值最大的两个个体作为第一父代和第二父代包括：

定义一个观测矩阵ψ_m，m＝1,2,...,M，以最小化观测矩阵的互相关为设计准则，对个体适应度F(x_i),i＝1,…,M_size进行计算，定义观测矩阵ψ_m的互相关为：

采用轮盘赌选择，个体被选为中间导频序列群体并作为双亲繁殖下一代的概率，即选择个体作为第一父代和第二父代的概率，该概率表现为：

其中，F(x_i)表示第i个个体的适应度值，第一导频序列群体的数量为M_size，N_CIR表示时域CIR向量的长度，(ψ_m)_i表示ψ_m的第i列，上标H表示矩阵的共轭转置矩阵。

2.根据权利要求1所述的大规模MIMO系统的导频设计方法，其特征在于，所述交叉操作包括：

首先生成一个长度为N_p的0-1随机序列，将随机序列中的0-1与第一父代和第二父代中相应位置的基因进行比较，随机序列中1对应的基因，第一父代与第二父代执行基因互换操作，随机序列中10对应的基因不变，从而产生第一子代和第二子代；

其次，若第一子代基因间出现重复，则用第二父代与相应位置对应的基因替换，若第二子代基因间出现重复，则用第一父代与相应位置对应的基因替换，直至无重复；

最后对个体中基因从小到大排序。

3.根据权利要求1所述的大规模MIMO系统的导频设计方法，其特征在于，变异操作包括：

首先随机选择一个基因变异位置；

随机产生一个在1～N_FFT范围内的除自身以外的基因，用它代替变异位置处的值，生成第三子代和第四子代；

若第三子代和第四子代的基因间出现重复，则再从1～N_FFT范围中随机选择一个元素替换，直至没有重复；

其中，N_FFT表示每个导频的OFDM符号的子载波数。

Images