一种基于人工鱼群算法的导频分配方法

摘要

本发明涉及一种基于人工鱼群算法的导频分配方法，先引入人工鱼的概念，每条人工鱼对应大规模天线系统中一小区的导频分配方案，通过交换编码产生不同的导频分配方案，进而计算不同导频分配方案下的系统中用户的和速率，同时采用优胜劣汰准则，保留系统和速率较大的导频分配序列；再对保留的导频分配序列进行追尾、聚群操作，并衡量相应操作后系统和速率，将速率较大者送至公告板；最后重复以上步骤，经多轮优胜劣汰和人工鱼追尾、聚群行为，得到使系统中用户和速率最大的导频分配方案。本发明突破局部最优解的限制，使用户的和速率最大，可降低大规模天线系统的导频污染影响及导频分配策略的复杂度。

主权项

一种基于人工鱼群算法的导频分配方法，用于设置有L个小区的大规模天线系统导频分配，其中每个小区中包含一个基站以及K个用户，每个用户配备单个天线，基站配备趋近于无穷多个天线，系统通信采用时分双工机制，同时考虑信道互易性，假设有K个导频在L个小区中复用，以提高系统和速率为目标，通过采用人工鱼群算法得到最优的导频分配方案，首先随机分配每个小区中的导频序列，把每个小区的导频分配方案视为一条人工鱼，整个大规模天线系统的导频分配作为人工鱼群；其次对初始人工鱼进行觅食、聚群、追尾行为操作，并根据相应行为操作所确定的导频分配方案得到小区系统和速率的优劣，来确定鱼群移动方向，从而进一步调节导频分配方案；最后经过多轮选择比较得到使系统中用户和速率最大的导频分配方案，该方法具体步骤如下：1、对各小区随机分配一组初始化导频其中$p_l^{\left(0\right)}=[p_{l1}^{\left(0\right)},p_{l2}^{\left(0\right)},p_{l3}^{\left(0\right)},...,p_{lK}^{\left(0\right)}],l\in \{1,2,...,L\}$为第l个小区的初始化导频分配方案，其序列由整数1到K的一种有序排列构成，(0)表示第0次迭代，表示第l个小区中分配了第k个导频的用户编号，因而可以唯一地确定第l个小区的初始化导频分配方案；2、初始化人工鱼群，设置鱼群中人工鱼的最大数目为FishNum，最多迭代次数n，当前迭代值num＝1，感知距离为visual，拥挤度因子为delta以及步长为Step；3、随机生成l条人工鱼X_l，l∈FishNum，每条人工鱼对应一个小区的导频分配情况，即产生l组正交导频；4、计算人工鱼的食物密度函数即系统和速率Y，其中为第l个小区的和速率，对l条人工鱼根据食物密度函数Y即l个小区的和速率的大小进行排序，算法中设定了公告板用于存放每次操作后产生的全局最优值，其中的获得依赖于导频分配方案，且由下式给出：$R_l^{sum}=\underset{l=1}{\overset{L}{\Sigma }}\underset{k=1}{\overset{K}{\Sigma }}{R}_{l,k}$上式中的R_l,k表示第l个小区中第k个用户的速率，R_l,k表示为：$R_{l,k}={\log }_2(1+\frac{{\beta }_{llk}^2}{{\Sigma }_{j=l}{\beta }_{jlk}^2})$其中，β_llk表示第l个小区中第k个用户到第l个基站的大尺度衰落，β_jlk(j≠l)表示由导频分配方案所确定的第j个小区和第l个小区中第k个使用相同导频的用户到第l个基站的大尺度衰落；5、对每一条人工鱼，也即每一个小区所对应的导频序列依次进行追尾行为、聚群行为、觅食行为操作，并进行行为选择，选择出好的行为方式，即食物密度函数(系统和速率)高的行为方向作为人工鱼的前进方向；(1)觅食行为：对于任意两条人工鱼，即两个导频序列X_i，X_j，i,j∈{1,2,…,L}分别计算它们对应的食物密度函数(即系统和速率)Y_i，Y_j，若Y_i<Y_j，则X_i按照步长Step朝X_j的方向移动一步，即X_Next＝X_i+(X_Next‑X_i)·Step，X_Next表示移动后的导频分配情况，并计算出移动后的系统的和速率Y_Next；否则，随机移动；(2)追尾行为：定义感知距离visual为范数||X_i‑X_j||，计算人工鱼X_i感知距离范围内即d_i,j<visual内的人工鱼数目，即导频序列的个数n_f，并选择该鱼群中食物密度函数Y_j最大的人工鱼X_j，如果且Y_i<Y_j成立，则表明X_j具有较高的食物密度，即系统和速率，并且周围不太拥挤，此时X_i按照步长Step朝X_j的方向移动一步，即X_Next＝X_i+(X_Next‑X_i)·Step，并计算移动后的食物密度函数Y_Next；否则，执行觅食行为；(3)聚群行为：对于任意两条人工鱼X_i，X_j，计算人工鱼X_i的感知距离范围内即d_i,j<visual内的人工鱼的数目n_f以及聚集的鱼群中心值Y_c即：$Y_c=ave(\frac{\underset{i=1}{\overset{L}{\Sigma }}{x}_{i,1}^{\left(0\right)}}{L},\frac{\underset{i=1}{\overset{L}{\Sigma }}{x}_{i,2}^{\left(0\right)}}{L},...,\frac{\underset{i=1}{\overset{L}{\Sigma }}{x}_{i,j}^{\left(0\right)}}{L},...,\frac{\underset{i=1}{\overset{L}{\Sigma }}{x}_{i,j}^{\left(0\right)}}{L})$其中，ave表示L个人工鱼X₁,X₂,…,X_L所对应的导频序列中相应导频的平均值，x_i,j表示第i个导频序列的第j个导频的值，如果且Y_i<Y_j成立，则表明鱼群中心有较多的食物并且不太拥挤，则X_i按照步长Step朝X_j的方向移动一步，即移动之后的导频分配情况X_Next＝X_i+(X_Next‑X_i)·Step，并计算移动后的系统的和速率Y_Next；否则，执行觅食行为；(4)行为选择：比较追尾行为以及觅食行为中Y_Next的大小，选择Y_Next大的行为作为人工鱼的前进方向；否则，执行觅食行为；6、移动结束，计算此时每条人工鱼对应的食物浓度，即系统和速率选择较大值与算法预设公告板中的值进行比较，将二者中的较大值暂存入公告板；7、更新迭代次数使num＝num+1；若迭代次数num<n，则转向步骤5；若迭代次数num＝n，则结束迭代；公告板中的值即为全局路径优化后的最优值，其对应的路径则是全局最优路径；8、最终导频分配方案由给出。