一種基于自適應相位旋轉(zhuǎn)角量子蟻群的信號盲檢測方法
【專利摘要】本發(fā)明提出了一種基于自適應相位旋轉(zhuǎn)角量子蟻群的信號盲檢測方法，所述方法將量子計算理論和進化計算理論融合進蟻群算法中，使每只螞蟻攜帶一組表示螞蟻當前位置信息的量子比特，首先根據(jù)基于信息素強度和可見度構(gòu)造的選擇概率，選擇螞蟻的前進目標，然后采用量子旋轉(zhuǎn)門更新螞蟻攜帶的量子比特，完成螞蟻的移動；采用量子非門實現(xiàn)螞蟻所在位置的變異，增加位置的多樣性；將量子比特的兩個概率幅都看作螞蟻當前的位置信息，在螞蟻數(shù)目相同時，可使搜索空間加倍。本發(fā)明信號盲檢測方法的蟻群算法，能較好地解決蟻群算法在求解時易于陷入局部最優(yōu)的問題，能夠有效避免早熟現(xiàn)象，收斂速度更快，相同信噪比條件下信號盲檢測的誤碼率更低。
【專利說明】一種基于自適應相位旋轉(zhuǎn)角量子蟻群的信號盲檢測方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于無線通信【技術(shù)領(lǐng)域】，尤其涉及一種基于自適應相位旋轉(zhuǎn)角量子蟻群的信號盲檢測方法。

【背景技術(shù)】
[0002]A.Narayanan&M.Moor最早提出量子蟻群的概念，量子蟻群算法(QuantumAntColony Optimizat1n Algorithm, QAC0)是基于量子計算原理的一種蟻群算法,是量子計算與蟻群算法相結(jié)合的一種嶄新的優(yōu)化計算方法，它基于蟻群算法中模仿螞蟻覓食搜索行為的特性，引入了量子計算的優(yōu)勢，對螞蟻種群采用量子編碼以及量子旋轉(zhuǎn)門更新等操作，具有種群規(guī)模小且不影響算法性能、同時兼有開發(fā)和探索能力強、種群分散性好，并行性佳，收斂速度快，全局搜索能力強等特點，具有很強的生命力和研究價值。
[0003]2008年，李躍光等人提出了一種求解離散優(yōu)化問題的量子蟻群算法，是將量子進化計算中的態(tài)矢量和量子旋轉(zhuǎn)門引入到傳統(tǒng)的蟻群算法中，用來分別表示和更新信息素，從而加快算法的收斂速度和避免早熟收斂；2009年，李士勇等人提出了求解連續(xù)空間優(yōu)化問題的量子蟻群算法，算法中采用量子位編碼來表示螞蟻位置，通過量子門的旋轉(zhuǎn)來實現(xiàn)螞蟻的更新移動，經(jīng)過研究表明，量子蟻群算法的性能大大優(yōu)于傳統(tǒng)的蟻群算法。
[0004]優(yōu)化問題在科學研究和工程應用的各個領(lǐng)域具有重要的理論意義和實踐價值，近年來，以蟻群智能算法和量子計算等為代表的智能算法具有簡單通用，魯棒性好，計算速度快等諸多優(yōu)點，因此成為解決復雜優(yōu)化問題的有力工具。在無線通信系統(tǒng)中，盲檢測技術(shù)不依賴發(fā)送訓練序列，依靠接收序列就能對發(fā)送序列盲估計。
[0005]本發(fā)明提出了一種基于自適應相位旋轉(zhuǎn)角量子蟻群算法，該算法每只螞蟻攜帶一組表示螞蟻當前位置信息的量子比特，根據(jù)基于信息素強度和可見度構(gòu)造的選擇概率選擇螞蟻的前進目標，采用量子旋轉(zhuǎn)門來更新螞蟻攜帶的量子比特，用于螞蟻的移動；用量子非門來實現(xiàn)螞蟻所在位置的變異，增加位置的多樣性，根據(jù)移動后的位置完成蟻群信息素強度和可見度的更新。算法將量子比特的兩個概率幅看作是螞蟻當前的位置信息，在螞蟻數(shù)目相同時，可使搜索空間加倍。能較好地解決蟻群算法在求解問題時收斂速度慢和易于陷入局部最優(yōu)的問題。
[0006]綜上所述，在智能計算方法大行其道的背景下，將智能計算和盲均衡算法相結(jié)合，自然具備了研究價值。


【發(fā)明內(nèi)容】

[0007]本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有盲檢測技術(shù)的不足，提出一種基于自適應相位旋轉(zhuǎn)角量子蟻群的信號盲檢測方法。所述方法針對降低誤碼率和提高收斂性問題，將量子計算與蟻群算法相融合，利用螞蟻尋優(yōu)和量子計算原理去實現(xiàn)優(yōu)化，人工螞蟻具有了量子行為，可以有效提高算法的搜索效率，在此基礎(chǔ)上，引入量子旋轉(zhuǎn)門和量子非門，以求更好地加強種群的進化程度，旨在提供一種低誤碼率具有自適應性的盲檢測方法。
[0008]為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是:
[0009]一種基于自適應相位旋轉(zhuǎn)角量子蟻群的信號盲檢測方法，包括如下步驟:
[0010]步驟A，構(gòu)造接收數(shù)據(jù)矩陣:
[0011]接收端接收單個用戶發(fā)送信號，經(jīng)過過采樣，獲得離散時間信道的接收方程:
[0012]Xn = S τ
[0013]式中，Xn是接收數(shù)據(jù)陣，S是發(fā)送信號陣，是信道沖激響應，(.)τ表示矩陣轉(zhuǎn)置；
[0014]步驟B，接收數(shù)據(jù)矩陣奇異值分解:
[0015]

【權(quán)利要求】
1.一種基于自適應相位旋轉(zhuǎn)角量子蟻群的信號盲檢測方法，其特征在于，包括如下步驟: 步驟A，構(gòu)造接收數(shù)據(jù)矩陣: 接收端接收單個用戶發(fā)送信號，經(jīng)過過采樣，獲得離散時間信道的接收方程:
Xn = S τ 式中，Xn是接收數(shù)據(jù)陣，S是發(fā)送信號陣， 是由信道沖激響應hy構(gòu)成的塊To印Iitz矩陣；(*)7表示矩陣轉(zhuǎn)置； 其中，發(fā)送信號陣:
S — [sL+M(k),…，sL+M (k+N—I) ] — [sN (k),…，sN(k_M_L)]NX(L+M+1)， M為信道階數(shù)，L為均衡器階數(shù)，N為數(shù)據(jù)長度； SL+M(k) = [s(k)，...，s(k-L-M)]TA*，se {±1}，時刻 k 為自然數(shù)，[.]τ 為矩陣轉(zhuǎn)置；
hjj — [h0,...，hM] qX (M+1)，j j — 0, I, , M ； q是過采樣因子，取值為正整數(shù)； Xn = [xL(k),...，xL(k+N-l)mNX (L+l) q 接收數(shù)據(jù)陣，其中 xL (k) = .sL+M (k)； 步驟B，接收數(shù)據(jù)矩陣奇異值分解:
式中， (.) η表示矩陣Hermitian轉(zhuǎn)置； U是奇異值分解中的NX (L+M+1)酉基陣； O是(N- (L+M+1)) X (L+l) q 零矩陣； V 是(L+l)qX (L+l) q 酉基陣； Uc 是 NX (N-(L+M+1))酉基陣； D 是(L+M+1) X (L+l) q 奇異值陣； 步驟C，定義量子蟻群算法的評價函數(shù)為:
F = sTQs 其中，Q = UeUf ; s e {±1}N是N維向量，所屬字符集{±1}，表示原始信號； 采用基于自適應相位旋轉(zhuǎn)角量子蟻群算法進行尋優(yōu)搜索，將此評價函數(shù)作為目標函數(shù)進行尋優(yōu)，將信號盲檢測問題的求解等效為求評價函數(shù)F的最小值； 所述步驟C中基于自適應相位旋轉(zhuǎn)角量子蟻群算法，其步驟如下: 步驟C-1，參數(shù)初始化:設(shè)置螞蟻個數(shù)，并對每只螞蟻進行量子編碼，得到種群P (t)，t表示迭代次數(shù)； 步驟C-2，對種群P(t)進行觀察測量操作，得到量子個體； 步驟C-3，螞蟻根據(jù)信息素和啟發(fā)信息周游； 步驟C-4，根據(jù)螞蟻周游的路徑，計算每個螞蟻的評價函數(shù)，然后對比上一次的評價函數(shù)，保存較小的評價函數(shù)；步驟C-5，采用量子旋轉(zhuǎn)門更新信息素； 步驟C-6，采用量子非門對種群變異； 步驟C-7，若迭代次數(shù)達到設(shè)定值，蟻群不再進行周游；如果迭代次數(shù)未達到設(shè)定值，則返回步驟 C-2繼續(xù)執(zhí)行。
【文檔編號】H04L1/00GK104079379SQ201410311276
【公開日】2014年10月1日 申請日期:2014年7月1日 優(yōu)先權(quán)日:2014年7月1日
【發(fā)明者】于舒娟, 張昀, 宋嘯良 申請人:南京郵電大學