文獻標識碼: A
文章編號: 0258-7998(2015)03-0093-04
0 引言
隨著無線通信技術(shù)的發(fā)展,,寬帶數(shù)據(jù)業(yè)務(wù)量急增,用戶對數(shù)據(jù)傳輸率和通信容量要求越來越高,,然而無線通信系統(tǒng)的頻譜和發(fā)射功率十分有限,,如何充分利用有限的資源來滿足用戶成為當(dāng)前一個重要研究課題[1]。多輸入多輸出(Multiple Input Multiple Output,,MIMO)可以在不損傷頻帶和不增加發(fā)射功率條件下,,成倍提高系統(tǒng)的通信容量,較好地解決了頻帶資源緊缺難題,,因此多輸入多輸出技術(shù)成為當(dāng)前無線通信領(lǐng)域的研究熱點,,受到人們越來越多的關(guān)注[2]。
在多輸入多輸出系統(tǒng)通信過程中,,由于受到多用戶,、多天線造成的信道干擾,嚴重影響了通信質(zhì)量,,成為多輸入多輸出系統(tǒng)應(yīng)用中的瓶頸問題[3],。為了解決該難題,需要采用一定的技術(shù)對接收機和發(fā)射機兩端信號進行處理,,預(yù)編碼技術(shù)在這種背景下應(yīng)運而生[4],。預(yù)編碼的基本思想為:首先采集發(fā)射端的信道狀態(tài)信息,然后采用預(yù)編碼矩陣對信號進行預(yù)處理,,消除用戶之間的干擾,,提高系統(tǒng)吞吐率,降低系統(tǒng)誤碼率,。預(yù)編碼算法分為兩類:線性和非線性預(yù)編碼,,其中線性預(yù)編碼算法主要有基于迫零(zero forcing,,ZF)和最小均方誤差(minimum mean square error,MMSE)兩種準則[5,,6],,它們具有成本低、復(fù)雜度低等優(yōu)點,,在理想條件下可以降低用戶干擾,,但是通信性能比較差;非線性的預(yù)編碼算法主要有模代數(shù)預(yù)編碼THP(Tomlinson-Harashima Precoding)等,,THP算法融合了取模操作和串行干擾消除技術(shù),,可以更好地抑制噪聲,、誤碼率,。然而,當(dāng)信道狀態(tài)矩陣發(fā)生根本性變化,,THP算法的誤碼率急劇上升,,為此有學(xué)者提出了基于格基約減算法(Lattice Reduction,LR),,利用減格技術(shù)改良發(fā)射端信道狀態(tài)矩陣,,可以有效抑制噪聲,提高統(tǒng)性能[7],。LR算法是從一組給定的基出發(fā),,對其進行不斷變換,然后找到一組長度更短的向量,,由于初始基不同,,LR算法得到新基長度也不同,因此LR算法的效率和輸出基質(zhì)量與初始基選擇密切相關(guān)[8],。粒子群算法(Particle Swarm Optimization,,PSO)是一種模擬鳥群覓食行為的群智能算法,其將問題的可行解看作粒子群索,,然后每一個粒子根據(jù)自身和群全的飛行經(jīng)驗在解的空間飛行,,找到最優(yōu)解,為LR算法初始基的確定提供了一種新的研究思路[9],。
通過上面的分析,,為了提高多輸入多輸出系統(tǒng)的通信質(zhì)量,降低數(shù)據(jù)傳輸?shù)恼`碼率,,本文提出一種粒子群算法優(yōu)化LR的MIMO系統(tǒng)預(yù)編碼方案(PSO-LR),,最后通過仿真實驗驗證了其有效性和優(yōu)越性。
1 MIMO系統(tǒng)預(yù)編碼模型
多輸入多輸出通信系統(tǒng)的發(fā)送端和接收端包含多個天線,,其工作原理為:首先信號數(shù)據(jù)流通過發(fā)送端輸入到處理模塊中,,進行編碼,、調(diào)制和加權(quán),然后將處理后的數(shù)據(jù)送到發(fā)射天線,,天線對信號進行解調(diào),、匹配濾波、譯碼等處理,,最后接收端輸出信號,。設(shè)多輸入多輸出通信系統(tǒng)的接收端有K個移動用戶,每個移動用戶擁有Nrk根天線,,預(yù)編碼技術(shù)是對多輸入多輸出通信系統(tǒng)發(fā)射端的信號進行預(yù)處理,,使發(fā)射信號更好的適應(yīng)信道狀況,提升系統(tǒng)性能,,預(yù)編模型結(jié)構(gòu)具體如圖1所示[10],。
設(shè)wk表示用戶k的預(yù)編碼矩陣,那么用戶k接收到的信號向量可以表示為:
其中,,Hk表示用戶k的信道矩陣,, sk表示發(fā)射信號的矢量, nk表示高斯噪聲,。
式(1)可以簡化為:
yk=Hk WS+ nk(2)
其中,,W=[w1,w2,,…,,wK],S=[s1,,s2,,…,SK]T,。
預(yù)編碼技術(shù)主要是消除多用戶之間干擾,,預(yù)編碼矩陣可以采用如下公式計算得到。
式中,, w是功率控制因子,。
LR算法的核心是將H進行分解,得到正交性更強的矩陣Hreal和一個幺模交換模矩陣U,,可以表示為:
H=Hreal U(4)
LR算法的關(guān)鍵點是找到最優(yōu)的矩陣Hreal,,其與H可構(gòu)成相同的格空間,因此本文將搜索能力強的粒子群算法引入到LR算法中找到得更優(yōu)的矩陣H,,以提高多輸入多輸出系統(tǒng)的通信質(zhì)量[11],。
2 MIMO系統(tǒng)預(yù)編碼方案
2.1 THP預(yù)編碼方案
THP預(yù)編碼是一種性能較優(yōu)的非線性預(yù)編碼方案,融合了算術(shù)取模和串行干擾消除技術(shù),,在判決反饋均衡器端進行取模操作,,取輸入信號在星座圖上的邊界作為模,,然后把均衡器的輸出映射到輸入端信號的星座圖上,有效降低信號發(fā)射功率,,抑制傳輸過程中噪聲增強,,其系統(tǒng)框架如圖2所示,其中,,Mod表示取模操作,,n表示加性噪聲,B為對角線元素為1的上三角矩陣,,G是補償矩陣,,主要用于消除取模操作的影響[12]。
由于當(dāng)信道狀態(tài)矩陣發(fā)生根本性變化,,THP預(yù)編碼算法的誤碼率將急劇上升,,為此有學(xué)者將LR算法與THP預(yù)編碼算法結(jié)合,產(chǎn)生LR-THP預(yù)編碼算法,。采用LR算法將信道狀態(tài)矩陣H轉(zhuǎn)換成為更好的新基,,然后據(jù)QR分解理論產(chǎn)生兩個矩陣,,這樣低級的子信道就會對高一級的子信道造成干擾,。因此,可以通過串行干擾消除技術(shù)消除子信道間干擾,,并采用THP取模操作將發(fā)射信號重新限制在輸入信號的范圍之內(nèi),。
LR算法只能在多項式時間內(nèi)找到一個長度不超過格中最短向量長度2(n-1)/2倍的向量,為了獲得更優(yōu)的格基,,所以本文提出采用粒子群算法對LR算法的格基進行優(yōu)化,,以獲得更加理想的傳輸信息。
2.2 LR算法
2004年,,LENSTRA A K等提出了一種性能優(yōu)異的格基約減算法(LR),,設(shè)存在一個矩陣B,對B做QR分解得到B+QR,,如果三角矩陣R滿足下列條件:
則可稱B是格基約減的,。
經(jīng)過LR算法約減之后能得到近似于最短向量的短向量,而且經(jīng)過LR算法約減之后得到的新基的正交偏離度得到了極大的改善,,即正交性更強[13],。
2.3 粒子群算法
在標準粒子群算法中,每個粒子均具有自己的位置和速度,,n維解空間中每個粒子的位置代表優(yōu)化問題的一個可能解,。每個粒子根據(jù)自身的經(jīng)驗和群體的經(jīng)驗調(diào)整速度和位置,具體如下:
式中,,稱為慣性權(quán)重,,c1,、c2為學(xué)習(xí)因子,pbest表示粒子本身經(jīng)歷過的最好位置,,gbest表示種群經(jīng)歷過的歷史最好位置,。
2.4 PSO-LR預(yù)編碼方案流程
初始格基的排列順序不同,LR算法找到的新格基也不相同,,因此,,可以通過置亂初始格基,得到多組新的格基,,以這些格基作為候選解,,然后采用粒子群算法找到最優(yōu)的格基。
(1)粒子群的初始化,。對于格基約減算法而言,,初始格基只有一個,即只有一個初始解,,只有通過對這一組格基進行變換來生成其它的候選格基,,構(gòu)成初始粒子群,具體方式為,。
根據(jù)Bi=UiB就產(chǎn)生了m組基,,便完成初始種群產(chǎn)生。
(2)適應(yīng)度函數(shù)設(shè)計,。適應(yīng)度值越差表示該個體的生存能力越弱,,越易被淘汰;反之表示該個體的生存能力很強,。個體適應(yīng)能力優(yōu)劣通常采用適應(yīng)度函數(shù)進行描述,,因此,在粒子飛行過程中,,適應(yīng)度函數(shù)指導(dǎo)種群進化的方向,,也是指引最優(yōu)解的搜索空間。設(shè)基格L的其中一組約減基b,,其約減基首向量長度為y1(b),,約減基的平均向量長度為y2(b),那么適應(yīng)度函數(shù)定義為:
式中,,w1,、w2表示權(quán)值,A表示種群的集合,。
本文的粒子群算法優(yōu)化LR算法的流程如圖3所示,,工作步驟如下:
步驟1:將一組格基b1,b2,…,,bn進行置亂,,產(chǎn)生包含m個體的初始粒子群。
步驟2:將每一個粒子的適應(yīng)度值與個體歷史最優(yōu)值進行比較,,如果更優(yōu),,則用當(dāng)前粒子位置替換自身歷史最優(yōu)位置。
步驟3:將每一個粒子的適應(yīng)度值與群體歷史最優(yōu)值進行比較,,如果更優(yōu),,則用當(dāng)前粒子位置替換種群歷史最優(yōu)位置。
步驟4:根據(jù)式(4)和式(6)更新粒子的速度,、位置,。
步驟5:如果滿足算法終止要求,則輸出適應(yīng)度最高的一組格基,,否則返回步驟2繼續(xù)進行優(yōu)化,。
3 仿真實驗
3.1 仿真環(huán)境
為了測試本文預(yù)編碼算法的性能,在AMD Athlon (tm) II X2 250 3.00 GHz CPU,、4G RAM的Windows XP系統(tǒng)平臺上,,采用MATLAB 2009b進行仿真實驗,以測試算法在4×4多輸入多輸出系統(tǒng),,4QAM和16QAM調(diào)制方式下的性能,。信道模型采用靜態(tài)瑞利平坦衰落信道,每個用戶的發(fā)射功率相等,,仿真次數(shù)為2 000,,在相同配置條件下,,與采用LR-THP,、MMSE-THP算法進行對比實驗。
3.2 結(jié)果與分析
LR-THP,、MMSE-THP以及PSO-LR算法的仿真結(jié)果如圖4,、圖5所示。
對圖4,、圖5進行對比和分析,,可以得到如下結(jié)論:
(1)當(dāng)信噪比較小時,LR-THP,、MMSE-THP以及PSO-LR算法的性能相差不大,,隨著信噪比增加,3種算法的誤碼率(BER)不斷下降,,相對于MMSE-THP算法,,LR-THP、PSO-LR算法的性能具有明顯的優(yōu)勢,這主要是由于LR-THP,、PSO-LR算法采用了基于格基約減的THP預(yù)編碼方案,,通信質(zhì)量得以明顯改善,對比結(jié)果驗證了采用基于格基約減預(yù)編碼方案的有效性和優(yōu)越性,。
(2)相對于LR-THP算法,,PSO-LR算法的誤碼率更低,這主要是因為采用粒子群算法對初始格基進行優(yōu)化和選擇,,可以得到長度更短的向量和質(zhì)量更高的一組新基,,從而提高了格基約減算法的運行效率,一定程度保證了傳輸數(shù)據(jù)的可靠性,。
4 結(jié)束語
本文針對當(dāng)前格基約減算法存在的不足,,充分利用粒子群算法的優(yōu)點,提出了一種基于粒子群算法優(yōu)化格基約減的預(yù)編碼機制,,并通過仿真實驗測試算法的性能,。仿真結(jié)果表明相對于傳統(tǒng)預(yù)編碼方案,在相同條件下,,PSO-LR預(yù)編碼機制有效降低了誤碼率,,提高了通信質(zhì)量。然而在現(xiàn)代移動通信中,,不僅要考慮通信質(zhì)量,,同時還考慮算法的復(fù)雜度,因此如何更好的平衡性能和復(fù)雜度之間的關(guān)系是我們將來研究的重點,。
參考文獻
[1] 范文兵,,趙龍賀,王綠靜.單環(huán)模型下三維多極化天線MIMO信道建模[J].電視技術(shù),,2013,,37(23):179-182.
[2] 周圍,吳敏子.基于分組的ML-SIC的MIMO聯(lián)合檢測算法[J].電視技術(shù),,2013,,37(15):16-128.
[3] GAN Y H,LING C.Complex lattice reduction algorithm for low-complexity full diversity MIMO detection[C].IEEE Transactions on signal processing,,2009,,57(7):2701-2710.
[4] WESEL R D,CIOFFI J M.Precoding and the MMSE-DFE.Signals[J].Systems and Computers,,2013(2):1144-1148.
[5] MA G D,,WU M Q,XU C X,,et al.Lattice-reduction-aided Tomlinson-Harashima precoding based on MMSE criteria in multi-user MIMO downlink system[J].Communi-cation Technology and Application,,2011,,12:98-102.
[6] WINDPASSINGER C,F(xiàn)ISCHER R,,HUBER J B.Lattice-reduction-aided broadcast precoding[J].Communications[J].IEEE Transactions,,2004,52(12):2057-2060.
[7] DAMEN M O,,CAIRE G.On Maximum likelihood detection and the Search for the closest Lattice Point[J].IEEE Trans-actions on information theory,,2003,49(10):2389-2402.
[8] 劉向輝,,韓文報,,權(quán)建校.基于遺傳策略的格基約化算法[J].電子與信息學(xué)報,2013,,35(8):1940-1945.
[9] 方旺盛,,曾苑,岳崇倫.基于粒子群優(yōu)化和小波變換的視頻水印算法[J].電視技術(shù),,2013,,37(1):122-125.
[10] 張慶榮,王剛.LR算法在MIMO_LAS_CDMA系統(tǒng)中的應(yīng)用[J].吉林大學(xué)學(xué)報:信息科學(xué)版,,2006(1):12-17.
[11] 趙曉群,,章惜珍,屈非,,等.MIMO系統(tǒng)LLL格基約減檢測技術(shù)研究[J].大連民族學(xué)院學(xué)報,,2011,13(1):19-23.
[12] ARBERO Lg,,RATNARAJAH T,,COWAN C.A comparison of complex lattice reduction algorithms for MIMO detection[J].IEEE International conferences on Acoustics,2008,,4(1):2705-2708.
[13] ZHANG W,,QIAO S Z,WEI Y M.HKZ and Minkowski reduction algorithms for lattice-reduction-aided MIMO detection[J].Signal Processing,,IEEE,,2012,60(11):5963-5976.