分布式压缩感知信道估计中的导频分配方法

摘要

本发明公开了一种分布式压缩感知信道估计中的导频分配方法，首先以最小化信道估计误差为出发点将导频位置的优化问题建模为组合优化问题,然后利用提出来的遗传算法求解组合优化问题，获得能使信道估计误差最小的最优导频位置集合。使用此最优导频位置集合能够确保基于分布式压缩感知的MIMO-OFDM信道估计获得比传统的最小二乘信道估计和基于压缩感知的MIMO-OFDM信道估计更低的估计误差和更高的频谱有效性。

主权项

分布式压缩感知信道估计中的导频分配方法，其特征在于包含如下步骤：步骤1)，将最优导频的设计问题建模为以下的组合优化问题：其中，L为信道长度、N_T为MIMO‑OFDM系统发送天线数、P为导频数、Λ_i为第i个发送天线对应的导频位置集合、表示空集、表示集合中的第a个元素、N为每个发送天线上总子载波的个数、Ω＝{1,2,...,N}为子载波集合、表示集合中元素的个数、i_T为发送天线序号、l和r表示抽头延时线信道模型中两个不同的抽头序号；步骤2)，初始化遗传算法参数：种群尺寸Ps，个体长度Len＝PN_T，遗传代数g＝1,最大遗传代数Mg，定义个体的一般表达式为：并随机生成一个包含Ps个个体的初始种群{Φ_i,i＝1,2,...,Ps}；步骤3)，对初始种群中每个个体根据下式计算来自所有发送天线上的导频位置集合步骤4)，计算导频位置集合对应的适应值：其中，${\mu }_{B\_\mathrm{DCS}}^t=\underset{i_T=1}{\overset{N_T}{\Sigma }}\underset{l=1}{\overset{L}{\Sigma }}\underset{1\le r\le L}{\underset{l\ne r}{\Sigma }}{\left|\frac{1}{P}{\Sigma }_{k_{i_T,a}\in {\Lambda }_{i_T}}{e}^{j2\pi k_{i_T,a}(l-r)/N}\right|}^2;$步骤5)，执行随机通用采样选择操作，个体被选择的概率为Sprob，即选择当前种群中适应值最高的Ps×Sprob个个体；步骤6)，对步骤5)得到的Ps×Sprob个个体执行概率为Cprob的离散重组操作，即以概率Cprob从群体中选择多个个体，每两个一组，随机交换两个个体的若干位产生两个新的个体，从而产生新的Ps×Sprob个个体；步骤7)，对步骤6)得到的Ps×Sprob个个体进行概率为Mprob的基因变异操作，基因的边界为1≤φ_i≤N，即以概率Mprob从个体编码串上随机选择出若干个基因位，并对该位上的值进行改变；步骤8)，采用步骤3)和步骤4)中的公式计算步骤7)得到的种群数量为Ps×Sprob的新一代个体的适应值，并用他们取代原有种群中适应值最低的Ps×Sprob个个体，从而获得新的种群；步骤9)，对步骤8)获得的种群执行完善操作去获取具有更高适应值的个体；步骤10)，遗传代数g增加1；步骤11)，反复执行步骤5)至步骤10)，直到遗传代数g达到最大遗传代数Mg；步骤12)，采用步骤3)中的公式、根据现有种群中具有最大适应值的个体Φ^best计算出最优的导频位置集合1≤i_T≤N_T。