一种实现移动终端多天线位置优化配置的智能优化方法

摘要

本发明公开了一种实现移动终端多天线位置优化配置的智能优化方法，以系统信道容量为系统性能优化指标，采用粒子群智能优化算法对移动终端的天线位置进行优化并得出最优解，得出的最优解即为移动终端天线最优分布位置。本发明将智能算法应用到DMIMO收发系统移动终端中，对移动终端天线位置进行优化，可以很好地改善当前通信系统性能，得到的移动终端最优天线布局能够提高当前系统的容量性能，满足通信业务需求，可为未来移动终端的天线布局提供设计参考。

主权项

一种实现移动终端多天线位置优化配置的智能优化方法，其特征在于，以系统信道容量C为系统性能优化指标，采用粒子群智能优化算法对移动终端的天线位置进行优化并得出最优解，得出的最优解即为移动终端天线最优分布位置，具体如下：步骤1，充分考虑天线之间的互耦效应对系统信道容量的影响，系统信道容量C的表达式为：C＝[log₂(det|I_n+ρH_mcH_mc^H/N|)]式中，N为发送天线的数目，n为接收天线的数目，I_n为n阶单位矩阵，ρ为信噪比，(.)^H为复共轭转置，H_mc为考虑了天线之间互耦效应的系统实际工作环境的信道模型；步骤2，对粒子群体进行随机初始化，包括随机群体的位置x_n和速度v_n；步骤3，以系统信道容量C为目标函数，将初始化的位置x_n代入目标函数中计算每个粒子的适应度Adapt_n，具体如下：Adapt_n＝log2(det|I_n+ρH_mcH_mc^H/N|)并将其作为该粒子获得的局部最优解pBest_n，将相应区域所有粒子中适应度最大的粒子作为该区域初始全局最优解gBest_n；步骤4，更新粒子的位置和速度，且对任意粒子更新后的位置和速度有如下表达式：$\left\{\begin{array}{c}{v_n}^{\prime }=\omega v_n+{\zeta }_1{\kappa }_1(p{\mathrm{Best}}_n-x_n)+{\zeta }_2{\kappa }_2({\mathrm{gBest}}_n-x_n)\\ {x_n}^{\prime }=x_n+v_n\end{array}\right.$式中，x_n′和v_n′分别表示粒子更新后的速度和位置，ω是惯性系数，ζ₁和ζ₂是学习因子，κ₁和κ₂是随机数；对粒子更新后的位置进行判断，若粒子更新后的位置还在小区内则进入下一步骤，若不在则重复进行本步骤；步骤5，计算各个粒子在新位置的适应度，若获得的新适应度比原来的pBest_n大，则令pBest_n＝x_n，更新局部最优解，否则不变；如果新的适应度比gBest_n大，则更新全局最优解；步骤6，重复步骤2至步骤5，不断进行迭代，直至不断更新的最优解趋向于同一点，则停止迭代，此时所获得的全局最优解，即为移动终端天线的最优分布位置。