專利名稱：多入多出檢測方法
技術領域：
本發明涉及多天線無線通信系統中的信號檢測技術，具體涉及一種基于歐氏距離變異的遺傳局部搜索多入多出檢測方法。
背景技術：
多入多出(MIMO)技術是無線移動通信領域技術的重大突破。MIMO技術指的是數據的發送和接收都采用了多根天線。研究表明，利用MIMO技術可以提高信道的容量，同時也可以提高信道的可靠性，降低誤碼率。MIMO系統的最大容量或容量上限隨最小天線數的增加而線性增加。而在同樣條件下，在接收端或發射端采用多天線或天線陣列的普通智能天線系統，其容量僅隨天線數的對數增加而增加。相對而言，MIMO技術對于提高無線通信系統的容量具有極大的潛力，是新一代移動通信系統采用的關鍵技術。
圖1所示為通常的采用的MIMO系統結構示意圖。在該結構中，發端和收端分別采用nT和nR個天線進行信號的發送和接收。在發送端，待發送的數據首先經過串并變換模塊101進行串并轉換處理，分成nT個數據流，每個數據流對應一個發送天線。在接收端，首先由nR個接收天線103將信號接收下來，然后由信道估計模塊104根據該接收信號進行信道估計，估計出當前的信道特性矩陣H。MIMO檢測模塊，即檢測器105利用該信道特性矩陣H對接收信號進行檢測，解調出發端發送的信息比特。
傳統的檢測器a.最大似然檢測最大似然檢測方法可以通過充分統計向量的噪聲方差直接推導出來，但是最大似然檢測的復雜度是隨呈指數增長的，難以實現。
b.ZF(迫零)和MMSE(最小均方誤差)檢測器迫零檢測器的特點是完全消除了各個發送天線之間的干擾，其代價是增強了背景噪聲。MMSE檢測器的基本思想是使估計的數據與真正的數據之間的均方誤差最小化。它考慮了背景噪聲的影響，在消除各個天線之間和增強背景噪聲之間得到一個折衷，性能要優于迫零檢測器。
c.BLAST檢測器(ZF-BLAST和MMSE-BLAST)。
BLAST檢測器包括兩部分一個線性變換和一個串行干擾消除器。首先通過線性變換得到信噪比最強的第I根發送天線上的數據判決，通過此數據，重建第I個天線的發送數據。然后再從接收信號中減去此符號的影響。接著計算余下的數據中信噪比最強的天線上的數據估計進行干擾消除。然后一直重復此過程直到得到所有數據的估計。
d.基于求二次函數極小值的檢測器對MIMO的檢測問題也可以轉化為求如下二次函數極小值的問題s=argmins∈S0.5sTRs-yTs---(1)]]>對此問題，有許多方法可以求解，比如高斯迭代法，牛頓法，最速下降法等等。但由于有噪聲的影響，最速下降法等等這些方法容易落入局部極小點，造成檢測錯誤。
發明內容
本發明的目的在于，提供了一種基于歐氏距變異的遺傳局部搜索MIMO檢測的方法，提高誤碼性能。
為了提高傳統檢測器的性能，本發明專利申請里將給出一種新的基于歐氏距變異的遺傳局部搜索MIMO檢測的方法，提高誤碼性能。該方法根據需要設置初始種群(種群數目為n，一階線性檢測器的解及其變異的解也在其中)，利用局部搜索的方法得到一些局部極小點。在這些局部極小點中，選出m好的點進行基于歐氏距里的變異，變異后互相交叉，得到新的m個點，并隨機生成n-m個點。這n個點就是下一次迭代的初始點。當達到指定的迭代次數時，迭代結束，輸出結果。
根據本發明的一個方面，提出了一種多入多出檢測的方法，包括步驟a)輸入信道矩陣H、接收信號r、種群數n和k、最大迭代次數M以及預定檢測器的一個解S1，并設置歐氏距離變異門限；b)根據信道矩陣H和接收信號r計算解S1的代價函數值；c)根據解S1計算解調之前和之后的歐氏距離，然后根據歐氏距離門限計算k-1個變異解S2，...Sk；d)生成n-k個初始化點Sk+1，...Sn；e)將S1，...Sn作為初始點，執行局部搜索，以獲得n個局部極小值，并計算使n個局部最小點的代價函數值取最小值的解；f)從n個局部極小值中選擇m個最小值，執行變異過程，以獲得變異后的m個點；g)用m個點進行隨機交叉，得到交叉后的m個點，并且隨機生成n-m個點，得到新的點S1，...，Sn；h)判斷迭代次數是否達到最大迭代次數，如果達到最大迭代次數M，則輸出所述使代價函數取最小值的解。
此外，如果迭代次數沒有達到最大迭代次數M，則返回到步驟e)。
此外，所述代價函數是0.5*SiTRSi-yTSj，其中R＝H_rT*H_r，y＝H_rT*r2，其中，H_r=R(H)-I(H)I(H)R(H)r2=R(r)I(r),]]>R(…)代表實部，I(…)代表虛部。
此外，所述m個點是n個點中解調之前和解調之后歐氏距離最短的m個點。
此外，所述預定的檢測器包括迫零檢測器或者最小均方誤差檢測器或者迫零排序干擾消除檢測器。
采用本發明的方法，能夠避免傳統的檢測方法容易落入局部極小點，造成檢測錯誤的問題。
圖1為MIMO系統結構示意圖；圖2為QPSK星座圖；
圖3為本發明所采用的檢測方法的流程圖；圖4為發明中的方法(種群數為3，迭代數為3)與其他方法的比較；圖5為發明中的方法在不同種群數目下的比較(迭代次數為3)；圖6為發明中的方法與傳統的遺傳局部搜索的比較；圖7和圖8為發明中的方法與以MMSE的解作為初始種群之一的傳統遺傳局部搜索的比較；圖9為基本的遺傳算法的流程圖；以及圖10為傳統的遺傳局部搜索的流程圖。
具體實施例方式
下面結合附圖詳細說明本發明的具體實施方式
。
初始條件假設采用圖1所示的MIMO系統結構。其中，發端和收端分別采用nT和nR個天線進行信號的發送和接收。在發送端，待發送的數據首先在串并變換模塊101經過串并轉換，分成nT個數據流，每個數據流對應一個發送天線102。在接收端，首先由nR個接收天線103將信號接收下來，然后由信道估計模塊104根據該接收信號進行信道估計，估計出當前的信道特性矩陣H。
圖3示出了根據本發明的檢測方法的流程圖。
以下結合圖3描述本發明的基于歐氏距變異的遺傳局部搜索MIMO檢測的方法。
在步驟S301，信道估計模塊104根據接收信號r估計出信道特性矩陣H，并設置“變異”的歐氏距離門限，設置初始種群數目n，k，設置最大世代數(迭代次數)M其中M、n和k是自然數，且n＞k。
在步驟S302，預定的檢測器(比如MMSE)105作為第一階，根據信道特性矩陣H，接收信號r，得到信號估計S1，并將S1作為候選解Sout。并計算a1＝-yTS1+0.5*S1TRS1，其中R＝H_rT*H_r(上標T表示轉置)，y＝H_rT*r2。其中，H_r=R(H)-I(H)I(H)R(H)r2=R(r)I(r).]]>R(…)代表實部，I(…)代表虛部。
在步驟S303，根據一階檢測器的解S1，計算其在解調前與解調后的歐氏距離。并根據歐氏距離門限，得到k-1個一階檢測器“變異”的解，即S2，…，Sk。以下以具體的實例來說明步驟S303執行的過程設調制信號為QPSK調制，星座圖見圖2，nT＝nR＝4，k＝2，即只有變異一個解。假設經過線性檢測器的解調前信號為S1＝(-0.0914-0.3090i，0.6893-0.7078i，-0.5065-0.5264i，-0.0544+0.1978i)，解調后的信號為(-1-1i，1-1i，-1-1i，-1+1i)。實部和虛部分別處理，如果令S1′′=Re(S1)Im(S1)---(2)]]>其中Re代表實部，Im代表虛部。則S1″＝(-0.0914，0.6893，-0.5065，-0.0544，-0.3090，-0.7078，-0.5264，0.1978)T。其相應的判決為(-1，1，-1，-1，-1，-1，-1，1)T。解調前與解調后的距離為(0.9086，0.3107，0.4935，0.9456，0.6910，0.2922，0.4736，0.8022)T。由于有噪聲的影響，很顯然，解調前與解調后的距離越近，可靠性越高。假設距離門限為0.6，且變異概率為1，即只要超過距離門限，就變異到相反的值上去。則判決位置(1，4，5，8)的點需要“變異”，由于是QPSK調制，實部或虛部的取值只有±1，所以經過變異后的值為(1，1，-1，1，1，-1，-1，-1)。如果調制方式不是QPSK這樣實部或虛部的取值只有±1的，根據解調前與解調后星座點的歐氏距離作為變異的根據，可以根據某種概率準則來選擇變異后的星座點。
在上面的例子中，如果設定k＝3，則需要變異兩個解。為此，可以將變異概率設定為小于1的值，例如0.8就可以變異出兩個解，或者對于調制階數大于2的調制方式，即使在變異概率等于1的情況下，也可以得到兩個變異的解。
在步驟S304，生成其余的n-k個初始化點，從而得到S1，...，Sn，并且將迭代計數值I設置為1。對于這n-k個初始化點，它們可以是在解空間隨機選擇，也可以是按照某種規則生成。舉例如下假設n＝7，k＝2，其他假設條件與步驟S303中相同，已經生成了兩個初始點(-1，1，-1，.1，-1，-1，-1，1)T，(1，1，-1，1，1，-1，-1，-1)。這些初始點中前半部分表示實部，后半部分表示虛部。還有5個初始點需要選擇，在這5個點中全0做為一個初始點，余下的4個隨機在解空間中選擇，分別為(1，1，-1，-1，-1，-1，-1，-1)，(1，-1，-1，1，1，1，-1，1)，(-1，1，1，-1，-1，1，1，1)，(1，1，-1，1，1，1，-1，1)。
接下來在步驟S305，判斷I是否小于等于設定的世代數M，即最大迭代次數。
如果在步驟S305的判斷結果是否定的，則輸出結果Sout。
如果在步驟S305的判斷是肯定的，則在步驟S306，執行局部搜索過程，即以這n個點S1，…，Sn為初始點，選擇一種預定的局部搜索方法，得到n個公式(1)的局部極小點S1′，…Sn′。并根據公式(1)計算與這n個局部極小值點相應的函數值a1′，…an′，找出其中的最小值ai′及相應的Si′。
然后，在步驟S307判斷在這n個局部極小點中是否有比候選解Sout更好的，如果有，則在步驟S308令候選解Sout為此局部極小點Si′。也就是，令a1＝-yTSout+0.5*SoutTRSout，如果某個Si′滿足ai′＜a1(ai′＝-yTSi′+0.5*Si′TRSi′)，則Sout＝Si′，a1＝ai′。
如果在步驟S307的判斷是否定的，則流程直接轉到步驟S309。
在步驟S309，根據在步驟S306得到的n個函數值a1′，…an′，選取其中m個最小的值，將與這m個最小值相對應的點作為父代，保留下來，然后根據解調前與解調后的歐氏距離進行變異，得到變異后的m個點。
在步驟S310，在這m變異后的點之間進行隨機交叉，舉例如下假設兩個估計點(1，-1，-1，-1，-1，-1，1，1)T，(-1，-1，1，-1，-1，-1，-1，1)T。假設這兩個估計點的第一個位置進行交叉，則交叉后的點為(-1，-1，-1，-1，-1，-1，1，1)T，(1，-1，1，-1，-1，-1，-1，1)T。分別對應符號(-1-1i，-1-1i，-1+1i，-1+1i)和(1-1i，-1-1i，1-1i，-1+1i)這兩個符號向量。
此外，在步驟S310還隨機生成其余的n-m個點，它們與交叉后的m個點一起作為下一次迭代的初始點。然后，在步驟S311，將迭代計數值I加1，流程轉回步驟S305，重復執行上述過程，直到預定的世代數M，然后輸出得到的最佳的局部極小點，即Sout。
與傳統遺傳算法和傳統的遺傳局部搜索的比較遺傳算法借用了生物遺傳學的觀點，通過自然選擇、遺傳、變異等作用機制，實現了個體適應性的提高。它提供了一種求解復雜系統優化問題的通用框架，可以解決各類的優化問題。參照圖9，其基本過程如下首先采用某種編碼方式將解空間映射到編碼空間，每個編碼對應問題的一個解，稱為染色體或個體。一般通過隨機方法確定起始的一群個體，稱為種群，在種群中根據適應值或某種競爭機制選擇個體，使用各種遺傳操作算子產生下一代如此進化下去，直到滿足期望的終止條件。
將遺傳算法用于求解大規模的NP完全問題非常有效，但是，如果得到非常精確的解，需要如下兩個條件1.種群數要很大2.產生的世代數很多。這樣才能模仿生物進化過程，得到和精確的最優解。這樣，將基本遺傳算法用于MIMO檢測，就無法實時實現。
為了提高遺傳算法的搜索速度，人們又將遺傳算法與局部搜索相結合，如圖10所示，來解決優化問題。雖然這種混合的方法要優于基本的遺傳算法，但是同樣需要較大的種群和很多的世代數。這是由于傳統的遺傳算法與局部搜索相結合的方法只是機械的將局部搜索與遺傳的思想相結合，沒有利用到優化問題本身所據有的一些特性。
而本發明的基于歐氏距變異的遺傳局部搜索MIMO檢測的方法利用檢測器的信息，設置更好的初始化種群，并利用檢測器的信息進行變異(變異和交叉的位置與方法傳統的遺傳局部搜索不同)，大大提高了檢測器的性能。
此外，在仿真中，nT＝nR＝4，信道矩陣H的各個元素獨立。噪聲為均值為零方差為σ2的復白高斯噪聲分布。調制方式為QPSK，一階檢測器使用MMSE，k＝2。局部搜索方法使用Hopfield神經網絡。當得到了n個局部極小點并變異之后，選擇 進行隨機交叉，剩下的隨機生成。圖4給出了本發明的方法與MMSE、ZF-BLAST與最大似然的比較。在圖4中，種群數為3，迭代次數為3。初始種群的設置和變異規則與具體實施方式
中一樣。從圖中可以看出本發明的方法比傳統方法有很大提高。圖5給出了迭代次數為3，不同的種群數目下與最大似然的比較。
圖6給出了發明的方法與傳統的遺傳局部搜索的方法的比較，其中，種群數為7，迭代次數為3，傳統的遺傳局部搜索的變異概率為0.1。在傳統的方法中，種群的初始化為隨機初始化。從圖中可以看出，發明的方法要好很多。
圖7和圖8給出了發明的方法與以MMSE的解作為初始種群之一的傳統遺傳局部搜索的方法的比較，其中傳統的遺傳局部搜索的變異概率為0.1。在圖7中，種群數為3，迭代次數為3。而在圖8中，種群數為3，迭代次數為5。在同樣已知MMSE解的情況下，同樣的復雜度的情況下，發明的方法要比傳統的遺傳局部搜索方法好很多。
以上所述，僅為本發明中的一種具體實施方式
，但本發明的保護范圍并不局限于此，任何熟悉該技術的人在本發明所揭露的技術范圍內，可輕易想到的變換或替換，都應涵蓋在本發明的包含范圍之內。因此，本發明的保護范圍應該以權利要求書的保護范圍為準。
權利要求
1.一種多入多出檢測的方法，包括步驟a)輸入信道矩陣H、接收信號r、種群數n和k、最大迭代次數M以及預定檢測器的一個解S1，并設置歐氏距離變異門限；b)根據信道矩陣H和接收信號r計算解S1的代價函數值a1；c)根據解S1計算解調之前和之后的歐氏距離，然后根據歐氏距離門限計算k-1個變異解S2，...Sk；d)生成n-k個初始化點Sk+1，...Sn；e)將S1，...Sn作為初始點，執行局部搜索，以獲得n個局部極小值，并計算使n個局部最小點的代價函數值取最小值的解；f)從n個局部極小值中選擇m個最小值，執行變異過程，以獲得變異后的m個點；g)用m個點進行隨機交叉，得到交叉后的m個點，并且隨機生成n-m個點，得到新的點S1，...，Sn；h)判斷迭代次數是否達到最大迭代次數，如果達到最大迭代次數M，則輸出所述使代價函數取最小值的解。
2.根據權利要求1所述的方法，其特征在于，還包括步驟i)如果迭代次數沒有達到最大迭代次數M，則返回到步驟e)。
3.根據權利要求2所述的方法，其特征在于，所述代價函數是0.5*SiTRSi-yTSi，其中R＝H_rT*H_r，y＝H_rT*r2，H_r=R(H)-I(H)I(H)R(H),r2=R(r)I(r),R(···)]]>代表實部，I(...)代表虛部。
4.根據權利要求2所述的方法，其特征在于，所述m個點是n個點中解調之前和解調之后歐氏距離最短的m個點。
5.根據權利要求2所述的方法，其特征在于，所述預定的檢測器包括迫零檢測器或者最小均方誤差檢測器或者迫零排序干擾消除檢測器。
全文摘要
公開了一種MIMO檢測技術。目的在于為了提高MIMO系統中誤碼性能。該方法包括以下幾個步驟a)輸入信道矩陣、接收信號r、種群數n和k、最大迭代次數M以及預定檢測器的一個解S
文檔編號H04L1/06GK1805327SQ20051000436
公開日2006年7月19日 申請日期2005年1月13日 優先權日2005年1月13日
發明者吳強, 李繼峰 申請人:松下電器產業株式會社