CN110912848A - 一种基于二进制粒子群优化的导频模式搜索方法及系统 - Google Patents

一种基于二进制粒子群优化的导频模式搜索方法及系统 Download PDF

Info

Publication number
CN110912848A
CN110912848A CN201911113952.3A CN201911113952A CN110912848A CN 110912848 A CN110912848 A CN 110912848A CN 201911113952 A CN201911113952 A CN 201911113952A CN 110912848 A CN110912848 A CN 110912848A
Authority
CN
China
Prior art keywords
particle
particle swarm
total number
single particle
swarm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911113952.3A
Other languages
English (en)
Other versions
CN110912848B (zh
Inventor
马楠
陈建侨
刘斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING STARPOINT TECHNOLOGY Co Ltd
Original Assignee
BEIJING STARPOINT TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING STARPOINT TECHNOLOGY Co Ltd filed Critical BEIJING STARPOINT TECHNOLOGY Co Ltd
Priority to CN201911113952.3A priority Critical patent/CN110912848B/zh
Publication of CN110912848A publication Critical patent/CN110912848A/zh
Application granted granted Critical
Publication of CN110912848B publication Critical patent/CN110912848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • H04L27/2668—Details of algorithms
    • H04L27/2681—Details of algorithms characterised by constraints
    • H04L27/2684—Complexity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2602—Signal structure
    • H04L27/261—Details of reference signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • H04L27/2668—Details of algorithms
    • H04L27/2673—Details of algorithms characterised by synchronisation parameters
    • H04L27/2675—Pilot or known symbols
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • H04L27/2668—Details of algorithms
    • H04L27/2681—Details of algorithms characterised by constraints
    • H04L27/2685—Speed of convergence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
    • H04L27/2695—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation with channel estimation, e.g. determination of delay spread, derivative or peak tracking

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种基于二进制粒子群优化的导频模式搜索方法及系统。该方法包括：获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；初始化所述粒子群，若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。本发明实施例通过利用二进制粒子群优化方法，具有复杂度低、收敛速度快的特点，与基于遗传算法的搜索算法相比，本方法不易陷入局部最优解，更利于实现全局最优解。

Description

一种基于二进制粒子群优化的导频模式搜索方法及系统
技术领域
本发明涉及无线通信技术领域，尤其涉及一种基于二进制粒子群优化的导频模式搜索方法及系统。
背景技术
正交频分复用(Orthogonal Frequency Division Multiplexing，以下简称OFDM)可以视为多载波传输的一个特例，具备高速率资料传输的能力，加上能有效对抗频率选择性衰减通道，而逐渐获得重视与采用。
利用正交频分复用系统固有的信道稀疏性，可以以更少的导频开销获得相同或更高的信道状态信息(CSI)。近年来，基于互不相干特性(MIP)标准的导频模式设计成为研究热点，以用于OFDM系统中的稀疏信道估计。现有技术证明，理论上满足循环不同集(CDS)或几乎差集(ADS)的导频模式是最优的。但是，不能保证在实际的OFDM系统中存在基于ADS或CDS的导频位置。因此提出了两种随机搜索方案，即，通用随机搜索和逐行搜索方案。将导频模式设计的问题映射到遗传算法(GA)框架中，利用自然选择过程，可以加快对最佳导频模式的搜索。
而上述方案存在如下缺陷：(1)所提出的搜索方案具有复杂度高和收敛慢的缺点；(2)所提出的遗传算法容易陷入局部最优解，不易达到全局最优。
因此，需要提出一种新的用于导频模式设计的搜索方法。
发明内容
本发明实施例提供一种基于二进制粒子群优化的导频模式搜索方法及系统，用以解决现有技术中使用的搜索方案具有复杂度高和收敛慢的缺点，并且容易陷入局部最优解，不易达到全局最优。
第一方面，本发明实施例提供一种基于二进制粒子群优化的导频模式搜索方法，包括：
获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；
初始化所述粒子群，定义粒子群总数、粒子群最大迭代次数、单个粒子维度、单个粒子最佳位置、粒子群最佳位置、单个粒子位置矢量和单个粒子速度矢量；
若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；
基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；
依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。
优选地，该方法还包括：
若所述粒子群总数达不到所述预设总数，以及所述单个粒子维度达不到预设维度，获取补偿函数；
更新所述补偿函数，得到新的补偿函数；
基于所述新的补偿函数，更新所述单个粒子最佳位置和所述粒子群最佳位置；
重复进行更新，使所述单个粒子维度数量增加；
若所述单个粒子维度达到所述预设维度，令所述单个粒子维度为零，并使所述粒子群总数增加，直至所述粒子群总数达到所述预设总数；
执行所述基于更新的单个粒子位置矢量和更新的单个粒子速度矢量的迭代。
优选地，所述初始化所述粒子群，具体包括：
将所述子载波编码为若干二进制数据，采用1表示导频子载波，0表示数据子载波；
基于第一均匀分布变量，将所述粒子群中的任意一个粒子的位置初始化为向量，以所述导频子载波数量为间隔随机生成1；
将所述单个粒子最佳位置和所述粒子群最佳位置初始化为所述粒子群中第一个粒子的当前信息；
基于第二均匀分布变量，所述任意一个粒子的初始化速度矢量在粒子最小速度和粒子最大速度之间随机生成。
优选地，所述获取补偿函数，具体包括：
基于互不相干特性获取初始补偿函数；
对所述互不相干特性进行改进，得到改进的互不相干特性；
基于所述改进的互不相干特性、第一导频系数和第二导频系数，对所述初始补偿函数进行更新，得到更新的补偿函数。
优选地，所述若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量，具体包括：
基于自适应惯性权重因子、第三均匀分布变量和第四均匀分布变量，更新所述单个粒子位置矢量；
基于第五均匀分布变量，更新所述单个粒子速度矢量；
获取第一加速度系数和第二加速度系数，通过所述自适应惯性权重因子的余弦函数，对所述第一加速度系数和所述第二加速度系数进行更新。
优选地，所述预设正交频分复用系统包括采用梳状导频结构辅助信道估计的正交频分复用系统。
第二方面，本发明实施例提供一种基于二进制粒子群优化的导频模式搜索系统，包括：
获取模块，用于获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；
初始化模块，用于初始化所述粒子群，定义粒子群总数、粒子群最大迭代次数、单个粒子维度、单个粒子最佳位置、粒子群最佳位置、单个粒子位置矢量和单个粒子速度矢量；
第一判断模块，用于若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；
第一处理模块，用于基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；
第一迭代模块，用于依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。
优选地，该系统还包括：
第二判断模块，用于若所述粒子群总数达不到所述预设总数，以及所述单个粒子维度达不到预设维度，获取补偿函数；
第一更新模块，用于更新所述补偿函数，得到新的补偿函数；
第二更新模块，用于基于所述新的补偿函数，更新所述单个粒子最佳位置和所述粒子群最佳位置；
重复模块，用于重复进行更新，使所述单个粒子维度数量增加；
处理模块，用于若所述单个粒子维度达到所述预设维度，令所述单个粒子维度为零，并使所述粒子群总数增加，直至所述粒子群总数达到所述预设总数；
第二迭代模块，用于执行所述基于更新的单个粒子位置矢量和更新的单个粒子速度矢量的迭代。
第三方面，本发明实施例提供一种电子设备，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述基于二进制粒子群优化的导频模式搜索方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述基于二进制粒子群优化的导频模式搜索方法的步骤。
本发明实施例提供的基于二进制粒子群优化的导频模式搜索方法及系统，通过利用二进制粒子群优化方法，具有复杂度低、收敛速度快的特点，与基于遗传算法的搜索算法相比，本方法不易陷入局部最优解，更利于实现全局最优解。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于二进制粒子群优化的导频模式搜索方法流程图；
图2为本发明实施例提供的整体算法流程图；
图3为本发明实施例提供的一种基于二进制粒子群优化的导频模式搜索系统结构图；
图4为本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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。
为了克服现有技术的缺陷，引进了基于改进的二进制粒子群(Binary ParticleSwarm Optimization，以下简称BPSO)算法导频模式设计方法。
BPSO的原理简单描述为：粒子群优化算法起源于对鸟群捕食行为的研究，当一群鸟在搜寻食物时，假设这个区域里只有一块食物，那么找到这块食物最简单有效的办法就是搜寻目前离食物最近的鸟的周围区域。粒子群优化算法就是由此得到启示而产生的，并应用于优化问题的求解。粒子群优化算法求解优化问题时，问题的一个解就对应于搜索空间中一只鸟的位置，而这些鸟即被称为“粒子”。每个粒子在飞行的任何时刻都有自己的位置和速度决定飞行的方向和距离，以及对应于此时位置的优化目标的适应值。粒子不断根据当前的最优粒子的位置和记忆自己遇到过的最优解的位置，来改变自己的速度和位置，以此来完成在解空间中进行搜索。
粒子群优化算法最初提出是用于解决连续空间的优化问题，而许多实际问题是组合优化问题，因此提出了二进制粒子群优化算法。
在二进制粒子群优化算法中，粒子的位置编码采用二进制方式，即粒子位置的每一维分量被限制为0或1。粒子的速度被理解为位置变化的概率，即粒子速度的每一维分量代表对应的位置维分量选择0或1的概率，粒子的速度通过Sigmoid函数约束到区间[0,1]上。
在二进制粒子群优化导频模式设计中，初始化后，所有粒子并行移动以在搜索空间中找到最佳解。每个粒子的移动方向取决于其位置和速度，并且迭代更新搜索过程，直到达到最大迭代次数为止。
在此基础上，基于改进的BPSO算法导频模式设计方法为：假设采用梳状导频结构辅助信道估计的OFDM系统中，每个OFDM符号具有N个子载波，其中Np个子载波用于导频传输。令导频子载波集合
Figure BDA0002273531970000061
其中
Figure BDA0002273531970000062
则该系统的接收信号可表示为
Figure BDA0002273531970000063
其中
Figure BDA0002273531970000064
表示在位置
Figure BDA0002273531970000065
上传输的导频值的对角矩阵，
Figure BDA0002273531970000066
是离散傅里叶变换(DFT)子矩阵，其中
Figure BDA0002273531970000067
定义为
Figure BDA0002273531970000068
h∈CL×1是长度为L的复信道冲激响应。
Figure BDA0002273531970000069
是0均值加性高斯白噪声。
图1为本发明实施例提供的一种基于二进制粒子群优化的导频模式搜索方法流程图，如图1所示，包括：
S1，获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；
S2，初始化所述粒子群，定义粒子群总数、粒子群最大迭代次数、单个粒子维度、单个粒子最佳位置、粒子群最佳位置、单个粒子位置矢量和单个粒子速度矢量；
S3，若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；
S4，基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；
S5，依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。
具体地，步骤S1中，将OFDM系统中的子载波映射到粒子群的位置空间，首先将子载波编码为一串二进制数据，其中1表示导频子载波，0表示数据子载波；
步骤S2中，将OFDM系统中子载波的粒子群进行初始化，其中，涉及如下变量：粒子群总数M、粒子群最大迭代次数K、单个粒子维度D、单个粒子最佳位置Pbestm、粒子群最佳位置Gbest、单个粒子位置矢量和单个粒子速度矢量；假设粒子群的大小为M，即预设总数，最大迭代次数为K，每个粒子的维数为D(等于子载波的总数N)；
步骤S3中，如果粒子群总数达到预设总数M，将单个粒子位置矢量Xm和单个粒子速度矢量Vm进行更新；
步骤S4中，基于步骤S3中更新的Xm和Vm，在获得第m个更新的粒子之后，将其对应的空间维度上值1的数量累积，定义为Nm，即得到第m个粒子的导频子载波数；
步骤S5中，依次搜索空间的维数D，和粒子群的大小M，进行迭代，直至迭代次数达到K次。
本发明实施例通过利用二进制粒子群优化方法，具有复杂度低、收敛速度快的特点，与基于遗传算法的搜索算法相比，本方法不易陷入局部最优解，更利于实现全局最优解。
基于上述实施例，该方法还包括：
若所述粒子群总数达不到所述预设总数，以及所述单个粒子维度达不到预设维度，获取补偿函数；
更新所述补偿函数，得到新的补偿函数；
基于所述新的补偿函数，更新所述单个粒子最佳位置和所述粒子群最佳位置；
重复进行更新，使所述单个粒子维度数量增加；
若所述单个粒子维度达到所述预设维度，令所述单个粒子维度为零，并使所述粒子群总数增加，直至所述粒子群总数达到所述预设总数；
执行所述基于更新的单个粒子位置矢量和更新的单个粒子速度矢量的迭代。
具体地，图2为本发明实施例提供的整体算法流程图，如图2所示，若粒子群总数达不到预设总数M，以及单个粒子维度达不到预设维度D，获取补偿函数，并对该补偿函数进行更新，基于更新的补偿函数，对单个粒子最佳位置和粒子群最佳位置进行更新，然后重复执行上述步骤，使得单个粒子维度的数量增加，直到单个粒子维度达到预设维度D，再令单个粒子维度为0，并使粒子群总数增加，达到M，然后回到进行基于更新的单个粒子位置矢量和更新的单个粒子速度矢量的迭代。
本发明实施例通过引入补偿函数对不满足维度要求的粒子进行补偿更新，使得对应的粒子满足迭代要求，进行最后的导频子载波求解。
基于上述任一实施例，所述初始化所述粒子群，具体包括：
将所述子载波编码为若干二进制数据，采用1表示导频子载波，0表示数据子载波；
基于第一均匀分布变量，将所述粒子群中的任意一个粒子的位置初始化为向量，以所述导频子载波数量为间隔随机生成1；
将所述单个粒子最佳位置和所述粒子群最佳位置初始化为所述粒子群中第一个粒子的当前信息；
基于第二均匀分布变量，所述任意一个粒子的初始化速度矢量在粒子最小速度和粒子最大速度之间随机生成。
具体地，首先将子载波编码为一串二进制数据，其中1表示导频子载波，0表示数据子载波，可以将OFDM系统中的子载波映射到粒子群的位置空间，假设粒子群的大小为M，最大迭代次数为K，每个粒子的维数为D(等于子载波的总数N)，为了使粒子的初始位置均匀分布在搜索空间中，首先将第m个粒子的位置初始化为1×N零向量，然后以Np为间隔随机生成1，如下所示：
Figure BDA0002273531970000091
其中，r1为服从U(0,1)均匀分布变量，即第一均匀分布变量，
Figure BDA0002273531970000097
运算代表向下取整。
每个粒子的最佳位置Pbestm＝[pbestm1,pbestm2,…,pbestmD]和粒子群最佳位置Gbest＝[gbest1,gbest2,…,gbestD]被初始化为第一个粒子的当前信息，第m个粒子的初始化速度矢量在vmin，即粒子最小速度和vmax，即粒子最大速度，之间随机生成：
vmd＝vmin+(vmax-vmin)·r2
r2为服从U(0,1)均匀分布变量，即第二均匀分布变量。
基于上述任一实施例，所述获取补偿函数，具体包括：
基于互不相干特性获取初始补偿函数；
对所述互不相干特性进行改进，得到改进的互不相干特性；
基于所述改进的互不相干特性、第一导频系数和第二导频系数，对所述初始补偿函数进行更新，得到更新的补偿函数。
具体地，首先令
Figure BDA0002273531970000092
目前几乎所有的关于最优导频图案设计的几乎所有研究都是基于MIP准则，即最小化
Figure BDA0002273531970000093
为Φ的两个不同列之间的内积最大绝对值。在设计最佳导频模式时，考虑Φ不同列之间的所有内积在比仅考虑
Figure BDA0002273531970000094
更为合理，因此为了获得最佳的导频模式，通过如下修改MIP准则来提出新的补偿函数Ωopt：
Figure BDA0002273531970000095
s.t.
Figure BDA0002273531970000096
通过设置不同的a，b值，即第一导频系数和第二导频系数，可以得到不同的导频模式。
Figure BDA0002273531970000102
为pn位置上的发送信号。
根据新的补偿函数Ωopt计算每个粒子的最佳位置Pbestm和粒子群的最佳位置Gbest：
如果Ωopt(xmd(k))≤Ωopt(pbestmd)，则pbestmd＝xmd(k)；
如果Ωopt(xmd(k))≤Ωopt(gbestd)，则gbestd＝xmd(k)；
本发明实施例通过引入更新的补偿函数，及设置不同的导频系数，得到不同的导频模式，从而进一步获得最佳的导频模式。
基于上述任一实施例，所述若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量，具体包括：
基于自适应惯性权重因子、第三均匀分布变量和第四均匀分布变量，更新所述单个粒子位置矢量；
基于第五均匀分布变量，更新所述单个粒子速度矢量；
获取第一加速度系数和第二加速度系数，通过所述自适应惯性权重因子的余弦函数，对所述第一加速度系数和所述第二加速度系数进行更新。
具体地，在前述实施例的基础上，已知搜索空间的维数为D，粒子群的大小为M，第m个粒子的位置矢量和速度矢量可以分别表示为Xm＝[xm1,xm2,…,xmD]和Vm＝[vm1,vm2,…,vmD]，其中xmd∈[0，1]，m＝1，2，...，M，d＝1，2，...，D。第k+1次迭代，每个粒子按如下规则更新其自己的速度和位置：
xmd(k+1)＝ω(k)vmd(k)+r3c1(k)(pbestmd(j)-xmd(k))+r4c2(k)(gbestd-xmd(k))
Figure BDA0002273531970000101
其中惯性因子ω是平衡粒子整体和局部探索能力关键，c1和c2是加速因子，即第一加速度系数和第二加速度系数，反映了粒子的自身经验与社会经验在其运动中所起的作用，r3，即第三均匀分布变量，r4，即第四均匀分布变量和r5，即第五均匀分布变量，是服从U(0,1)均匀分布的随机变量，pbestmd表示第d个搜索空间中第m个粒子的最佳单个位置，gbestd表示所有粒子的全局最佳位置，Sigmoid(·)用于将速度限制在[0，1]区间内。
BPSO的性能很大程度上取决于ω，c1和c2的值。因此，提出一种通过综合考虑粒子群的当前状态和迭代次数来自适应地调整惯性权重ω的新方案：
将第k次迭代中粒子群的当前状态表示为D(k)，它定义为最佳个体位置和全局最佳位置之间的二进制字符串中位数的平均差，即
Figure BDA0002273531970000111
xor表示两个向量之间的异或，‖·‖0表示矩阵的零范数。
在第k次迭代中的自适应惯性权重ω(k)可以表示为：
Figure BDA0002273531970000112
其中，ωmin和ωmax分别代表惯性权重的最小值和最大值。K代表最大迭代次数，
Figure BDA0002273531970000113
表示归一化状态因子。加速度系数c1和c2，它们通过惯性因子的余弦函数进行更新：
Figure BDA0002273531970000114
该方案通过非线性减小惯性权重逐渐由全局向局部转移。然后，通过ω的余弦函数计算出c1和c2的值。
在获得第m个更新的粒子之后，将其空间维度上值1的数量累积，定义为Nm，即第m个粒子的导频子载波数。如果Nm大于Np，从其空间中随机选择Nm-Np个位置，将其值由1设置为0。
如果Nm小于Np，随机选择Np-Nm个位置，其位置值由0设置为1，因此保证导频的数量为Np。
依次搜索搜索空间的维数D，和粒子群的大小M，进行迭代，直至迭代次数达到K次。
本发明实施例通过综合考虑粒子群的当前状态和迭代次数来自适应地调整惯性权重ω的新方案，实现了通过非线性减小惯性权重逐渐由全局向局部转移。
基于上述任一实施例，所述预设正交频分复用系统包括采用梳状导频结构辅助信道估计的正交频分复用系统。
图3为本发明实施例提供的一种基于二进制粒子群优化的导频模式搜索系统结构图，如图3所示，包括：获取模块301、初始化模块302、第一判断模块303、第一处理模块304和第一迭代模块305；其中：
获取模块301用于获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；初始化模块302用于初始化所述粒子群，定义粒子群总数、粒子群最大迭代次数、单个粒子维度、单个粒子最佳位置、粒子群最佳位置、单个粒子位置矢量和单个粒子速度矢量；第一判断模块303用于若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；第一处理模块304用于基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；第一迭代模块305用于依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。
本发明实施例提供的系统用于执行上述对应的方法，其具体的实施方式与方法的实施方式一致，涉及的算法流程与对应的方法算法流程相同，此处不再赘述。
本发明实施例通过利用二进制粒子群优化方法，具有复杂度低、收敛速度快的特点，与基于遗传算法的搜索算法相比，本方法不易陷入局部最优解，更利于实现全局最优解。
基于上述任一实施例，所述系统还包括：第二判断模块306、第一更新模块307、第二更新模块308、重复模块309、处理模块310和第二迭代模块311；其中：
第二判断模块306用于若所述粒子群总数达不到所述预设总数，以及所述单个粒子维度达不到预设维度，获取补偿函数；第一更新模块307用于更新所述补偿函数，得到新的补偿函数；第二更新模块308用于基于所述新的补偿函数，更新所述单个粒子最佳位置和所述粒子群最佳位置；重复模块309用于重复进行更新，使所述单个粒子维度数量增加；处理模块310用于若所述单个粒子维度达到所述预设维度，令所述单个粒子维度为零，并使所述粒子群总数增加，直至所述粒子群总数达到所述预设总数；第二迭代模块311用于执行所述基于更新的单个粒子位置矢量和更新的单个粒子速度矢量的迭代。
本发明实施例通过引入补偿函数对不满足维度要求的粒子进行补偿更新，使得对应的粒子满足迭代要求，进行最后的导频子载波求解。
基于上述任一实施例，所述初始化模块302包括：编码子模块3021、第一生成子模块3022、初始化子模块3023和第二生成子模块3024；其中：
编码子模块3021用于将所述子载波编码为若干二进制数据，采用1表示导频子载波，0表示数据子载波；第一生成子模块3022用于基于第一均匀分布变量，将所述粒子群中的任意一个粒子的位置初始化为向量，以所述导频子载波数量为间隔随机生成1；初始化子模块3023用于将所述单个粒子最佳位置和所述粒子群最佳位置初始化为所述粒子群中第一个粒子的当前信息；第二生成子模块3024用于基于第二均匀分布变量，所述任意一个粒子的初始化速度矢量在粒子最小速度和粒子最大速度之间随机生成。
基于上述任一实施例，所述第二判断模块306包括：初始函数获取子模块3061、改进子模块3062和第一更新子模块3063；其中：
初始函数获取子模块3061用于基于互不相干特性获取初始补偿函数；改进子模块3062用于对所述互不相干特性进行改进，得到改进的互不相干特性；第一更新子模块3063用于基于所述改进的互不相干特性、第一导频系数和第二导频系数，对所述初始补偿函数进行更新，得到更新的补偿函数。
本发明实施例通过引入更新的补偿函数，及设置不同的导频系数，得到不同的导频模式，从而进一步获得最佳的导频模式。
基于上述任一实施例，所述第一判断模块303包括：第二更新子模块3031、第三更新子模块3032和第四更新子模块3033；其中：
第二更新子模块3031用于基于自适应惯性权重因子、第三均匀分布变量和第四均匀分布变量，更新所述单个粒子位置矢量；第三更新子模块3032用于基于第五均匀分布变量，更新所述单个粒子速度矢量；第四更新子模块3033用于获取第一加速度系数和第二加速度系数，通过所述自适应惯性权重因子的余弦函数，对所述第一加速度系数和所述第二加速度系数进行更新。
本发明实施例通过综合考虑粒子群的当前状态和迭代次数来自适应地调整惯性权重ω的新方案，实现了通过非线性减小惯性权重逐渐由全局向局部转移。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；初始化所述粒子群，定义粒子群总数、粒子群最大迭代次数、单个粒子维度、单个粒子最佳位置、粒子群最佳位置、单个粒子位置矢量和单个粒子速度矢量；若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；初始化所述粒子群，定义粒子群总数、粒子群最大迭代次数、单个粒子维度、单个粒子最佳位置、粒子群最佳位置、单个粒子位置矢量和单个粒子速度矢量；若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有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ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于二进制粒子群优化的导频模式搜索方法，其特征在于，包括：
获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；
初始化所述粒子群，定义粒子群总数、粒子群最大迭代次数、单个粒子维度、单个粒子最佳位置、粒子群最佳位置、单个粒子位置矢量和单个粒子速度矢量；
若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；
基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；
依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。
2.根据权利要求1所述的基于二进制粒子群优化的导频模式搜索方法，其特征在于，该方法还包括：
若所述粒子群总数达不到所述预设总数，以及所述单个粒子维度达不到预设维度，获取补偿函数；
更新所述补偿函数，得到新的补偿函数；
基于所述新的补偿函数，更新所述单个粒子最佳位置和所述粒子群最佳位置；
重复进行更新，使所述单个粒子维度数量增加；
若所述单个粒子维度达到所述预设维度，令所述单个粒子维度为零，并使所述粒子群总数增加，直至所述粒子群总数达到所述预设总数；
执行所述基于更新的单个粒子位置矢量和更新的单个粒子速度矢量的迭代。
3.根据权利要求1或2所述的基于二进制粒子群优化的导频模式搜索方法，其特征在于，所述初始化所述粒子群，具体包括：
将所述子载波编码为若干二进制数据，采用1表示导频子载波，0表示数据子载波；
基于第一均匀分布变量，将所述粒子群中的任意一个粒子的位置初始化为向量，以所述导频子载波数量为间隔随机生成1；
将所述单个粒子最佳位置和所述粒子群最佳位置初始化为所述粒子群中第一个粒子的当前信息；
基于第二均匀分布变量，所述任意一个粒子的初始化速度矢量在粒子最小速度和粒子最大速度之间随机生成。
4.根据权利要求2所述的基于二进制粒子群优化的导频模式搜索方法，其特征在于，所述获取补偿函数，具体包括：
基于互不相干特性获取初始补偿函数；
对所述互不相干特性进行改进，得到改进的互不相干特性；
基于所述改进的互不相干特性、第一导频系数和第二导频系数，对所述初始补偿函数进行更新，得到更新的补偿函数。
5.根据权利要求1或2所述的基于二进制粒子群优化的导频模式搜索方法，其特征在于，所述若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量，具体包括：
基于自适应惯性权重因子、第三均匀分布变量和第四均匀分布变量，更新所述单个粒子位置矢量；
基于第五均匀分布变量，更新所述单个粒子速度矢量；
获取第一加速度系数和第二加速度系数，通过所述自适应惯性权重因子的余弦函数，对所述第一加速度系数和所述第二加速度系数进行更新。
6.根据权利要求1所述的基于二进制粒子群优化的导频模式搜索方法，其特征在于，所述预设正交频分复用系统包括采用梳状导频结构辅助信道估计的正交频分复用系统。
7.一种基于二进制粒子群优化的导频模式搜索系统，其特征在于，包括：
获取模块，用于获取预设正交频分复用系统中的子载波，将所述子载波映射至粒子群；
初始化模块，用于初始化所述粒子群，定义粒子群总数、粒子群最大迭代次数、单个粒子维度、单个粒子最佳位置、粒子群最佳位置、单个粒子位置矢量和单个粒子速度矢量；
第一判断模块，用于若所述粒子群总数达到预设总数，则更新所述单个粒子位置矢量和所述单个粒子速度矢量；
第一处理模块，用于基于更新的单个粒子位置矢量和更新的单个粒子速度矢量，对所述粒子群进行随机变异，得到单个粒子的导频子载波数；
第一迭代模块，用于依次搜索所述粒子群的空间维度，以及所述粒子群总数，进行迭代，直至达到所述粒子群最大迭代次数。
8.根据权利要求1所述的基于二进制粒子群优化的导频模式搜索系统，其特征在于，该系统还包括：
第二判断模块，用于若所述粒子群总数达不到所述预设总数，以及所述单个粒子维度达不到预设维度，获取补偿函数；
第一更新模块，用于更新所述补偿函数，得到新的补偿函数；
第二更新模块，用于基于所述新的补偿函数，更新所述单个粒子最佳位置和所述粒子群最佳位置；
重复模块，用于重复进行更新，使所述单个粒子维度数量增加；
处理模块，用于若所述单个粒子维度达到所述预设维度，令所述单个粒子维度为零，并使所述粒子群总数增加，直至所述粒子群总数达到所述预设总数；
第二迭代模块，用于执行所述基于更新的单个粒子位置矢量和更新的单个粒子速度矢量的迭代。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于二进制粒子群优化的导频模式搜索方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述基于二进制粒子群优化的导频模式搜索方法的步骤。
CN201911113952.3A 2019-11-14 2019-11-14 一种基于二进制粒子群优化的导频模式搜索方法及系统 Active CN110912848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911113952.3A CN110912848B (zh) 2019-11-14 2019-11-14 一种基于二进制粒子群优化的导频模式搜索方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911113952.3A CN110912848B (zh) 2019-11-14 2019-11-14 一种基于二进制粒子群优化的导频模式搜索方法及系统

Publications (2)

Publication Number Publication Date
CN110912848A true CN110912848A (zh) 2020-03-24
CN110912848B CN110912848B (zh) 2022-08-05

Family

ID=69817699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911113952.3A Active CN110912848B (zh) 2019-11-14 2019-11-14 一种基于二进制粒子群优化的导频模式搜索方法及系统

Country Status (1)

Country Link
CN (1) CN110912848B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113919473A (zh) * 2021-08-31 2022-01-11 建科环能科技有限公司 将粒子群算法和虎克捷夫算法融合的方法及装置、优化虎克捷夫算法的方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106059732A (zh) * 2016-05-26 2016-10-26 重庆邮电大学 一种基于压缩感知的ofdm稀疏信道估计中的导频优化方法
CN110113286A (zh) * 2019-05-06 2019-08-09 厦门大学 一种基于正交匹配追踪的低复杂度水声信道估计算法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106059732A (zh) * 2016-05-26 2016-10-26 重庆邮电大学 一种基于压缩感知的ofdm稀疏信道估计中的导频优化方法
CN110113286A (zh) * 2019-05-06 2019-08-09 厦门大学 一种基于正交匹配追踪的低复杂度水声信道估计算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HUAIJUN WANG: "A correlation-based binary particle swarm optimization method for feature selection in human activity recognition", 《INTERNATIONALJOURNAL OFDISTRIBUTED SENSOR NETWORKS》 *
孙慧: "NC-OFDM系统导频设计的离散粒子群算法", 《通信与网络》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113919473A (zh) * 2021-08-31 2022-01-11 建科环能科技有限公司 将粒子群算法和虎克捷夫算法融合的方法及装置、优化虎克捷夫算法的方法及装置

Also Published As

Publication number Publication date
CN110912848B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
US10380479B2 (en) Acceleration of convolutional neural network training using stochastic perforation
CN107358293B (zh) 一种神经网络训练方法及装置
US11606233B2 (en) Distributed radio system
Saha et al. Efficient and accurate optimal linear phase FIR filter design using opposition‐based harmony search algorithm
CN111566673B (zh) 通信系统中的端到端学习
CN109756432B (zh) Ofdm信道估计方法和装置
CN110912848B (zh) 一种基于二进制粒子群优化的导频模式搜索方法及系统
CN108710109A (zh) 一种车载雷达频段分配方法及系统
Hung Using evolutionary computation technique for trade-off between performance peak-to average power ration reduction and computational complexity in OFDM systems
WO2022040575A1 (en) Tabular convolution and acceleration
CN112364989A (zh) 一种基于快速傅里叶变换的卷积神经网络加速设计方法
CN115115021A (zh) 基于模型参数异步更新的个性化联邦学习方法
CN114641006A (zh) 一种基于二进制蜻蜓优化算法的认知无线电网络的频谱分配方法
CN106059730A (zh) 一种基于稀疏信道估计的自适应导频结构优化设计方法
CN116055261B (zh) 一种基于模型驱动深度学习的otfs信道估计方法
CN111382837B (zh) 一种基于深度乘积量化的对抗样本生成方法
CN117454330A (zh) 一种对抗模型中毒攻击的个性化联邦学习方法
Wong et al. Deep Learning for Channel Estimation and Signal Detection in OFDM-Based Communication Systems
CN110288604A (zh) 基于K-means的图像分割方法和装置
CN111602145A (zh) 卷积神经网络的优化方法及相关产品
de Abreu de Sousa et al. OFDM symbol identification by an unsupervised learning system under dynamically changing channel effects
CN111245751B (zh) 用于稀疏贝叶斯学习信道估计的分区矩阵迭代方法及系统
Henri Quantization-aware pruning for a CNN-based radio receiver model
CN117893766B (zh) 物体检测分割方案
CN113824802B (zh) 一种去中心化分布式训练拓扑结构、训练系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant