ml也是相同的。即，子矩陣__ [P^，Pz+zWpf+.(i%-i)z,]的每一列都是相同的， 所以我們可以將其改寫為f^i=Iipi，Pi，…，Pi]。因此有：
[0054]
[0055] 其中表示NtXNt的全1陣。于是我們得到了半正定矩陣R lkHRlk的表達式：
[0056]
[0057] 所以矩陣Rlk的譜范數(shù)可以表示為：
[0058]
[0059]回到導頻位置優(yōu)化討論中，我們的目標是最小化互相關?？紤]到DFT矩陣的單位 性質(zhì)和上面公式中對譜范數(shù)的簡化，我們可以將互相關化簡為：
[0060]
[0061]其中，A是相同的導頻幅度，是矩陣Fa)的第1列。為了使討論更清晰，可以將 矩陣Fa)寫開如下：
[0062]
[0063]因為DFT矩陣具有周期性，所以If1YkI的值只依賴于r=k-1。然后，塊相關能夠 被進一步化簡為：
[0064]
[0065] 所以，能夠最小化塊相關的最優(yōu)導頻位置集合r_可以表示成：
[0066]
[0067] 接下來，對上面的公式進行化簡：
[0068]
[0069] 定義集合r的CDS為Cr= {(P k-PjmodN|1彡1乒k彡J}，定義;Td表示C「中 元素d的重復次數(shù)，其中0彡d彡N-1。有：
[0070]
[0071] 根據(jù)復指數(shù)序列的疊加性質(zhì)：
[0072]
[0073] 我們可以將上面的公式按照r= 1，2…N-I疊加N-I次，得到：
[0077] 而且，取得等號的條件是：
[0078] T1=r2 = ---=rNJ
[0079] S2 :提出遺傳算法，在實際系統(tǒng)中優(yōu)化導頻幅度，具體為：
[0080] 在所有發(fā)射天線共享相同的導頻位置、幅度的假設下，本發(fā)明推導出了最優(yōu)的導 頻位置分配方案。但是，對于一般的OFDM子載波數(shù)N和導頻數(shù)J，最優(yōu)的條件并不能夠滿 足。即，最優(yōu)CDS只在特定的（N，J)對中存在。對于最優(yōu)CDS不存在的情況，即任意的OFDM 子載波數(shù)N和導頻數(shù)J，本發(fā)明提出一個遺傳算法來獲得次優(yōu)的導頻位置分配方案。遺傳算 法是計算機科學人工智能領域中用于解決最優(yōu)化的一種搜索啟發(fā)式算法，非常適合解決組 合優(yōu)化問題。本發(fā)明提出的算法適用性很強，不受OFDM子載波數(shù)、導頻數(shù)和CIR長度的影 響。簡單地說，在下面的算法中，個體的適應度函數(shù)被定義為=yB(〇)。與傳統(tǒng)的 遺傳算法不同，下面的算法選擇具有較小適應度的后代，以最小化塊相關。算法簡要介紹如 下：
[0081 ] 輸入：OFDM子載波數(shù)N，導頻數(shù)J。
[0082] 輸出：次優(yōu)的導頻位置集合rsubcipt。
[0083] 初始化：種群數(shù)量Ps= 100 ;
[0084] 個體向量的長度Jv =J;
[0085] 最大遺傳代數(shù)G。
[0086] 步驟1 :隨機生成一個PsXJ的種群矩陣C。C的每一行代表一個個體，即一個導 頻位置集合。計算C中每個個體的適應度。
[0087]步驟2 :按照選擇概率Pselectlcin= 0? 95、交叉概率P_ss= 0? 5、變異概率P^utatlcin = 〇. 1進行隨機選擇、交叉組合和變異。
[0088] 步驟3 :計算新產(chǎn)生的后代的適應度。按照適應度將新產(chǎn)生的后代放到種群矩陣C中。
[0089] 步驟4 :如果當前已經(jīng)達到預設的最大遺傳代數(shù)G，停止算法，獲得適應度最小的 個體，即Fsubcipt;否則，跳轉到步驟2。
[0090] S3:提出類似的遺傳算法，在導頻幅度已知的情況下優(yōu)化導頻位置提出類似的遺 傳算法，在導頻幅度已知的情況下優(yōu)化導頻位置，具體為：
[0091] 如圖3所示，在傳統(tǒng)的正交導頻設計中，不同發(fā)射天線的導頻位置必須是非交疊 的。于是不得不添加空導頻來防止不同發(fā)射天線導頻的相互干擾。隨著MMO系統(tǒng)的天線 個數(shù)不斷增加，空導頻的數(shù)量必須不斷增多，這造成了頻譜資源的大量浪費。近來，有學者 提出了疊加導頻的設計方案。在疊加導頻設計中，不同發(fā)射天線的導頻共享相同的位置，所 以那些用作占位的空導頻可以被移除掉。為了分辨不同發(fā)射天線的信道，導頻幅度必須有 足夠大的差異。根據(jù)文獻，不同的導頻幅度可以通過隨機產(chǎn)生獨立同分布的Bernoulli分 布序列獲得。
[0092] 為了最小化觀測矩陣的塊相關，本發(fā)明提出一個類似的遺傳算法來優(yōu)化Nt個發(fā)射 天線的導頻幅度集合。同樣，個體的適應度函數(shù)被定義為f(40 =yB(〇)，而且算法選擇 具有較小適應度的后代，以最小化塊相關。算法簡要介紹如下：
[0093] 輸入：0FDM子載波數(shù)N，導頻數(shù)J，導頻位置集合r。
[0094] 輸出：Nt個由±1組成的向量，代表Nt根發(fā)射天線的導頻幅度。
[0095] 初始化：種群數(shù)量Ps= 100 ;
[0096] 個體向量的長度Jv=NJ;
[0097] 最大遺傳代數(shù)G。
[0098] 步驟1:隨機生成一個由±1組成的、PsXNtJ的種群矩陣C。C的每一行代表一個 個體，即隊個導頻幅度向量重排成的一個行向量。計算C中每個個體的適應度。
[0099]步驟2 :按照選擇概率Pselectlcin= 0? 95、交叉概率P_ss= 0? 5、變異概率P^utatlcin = 〇. 1進行隨機選擇、交叉組合和變異。
[0100] 步驟3 :計算新產(chǎn)生的后代的適應度。按照適應度將新產(chǎn)生的后代放到種群矩陣C 中。
[0101] 步驟4:如果當前已經(jīng)達到預設的最大遺傳代數(shù)G，停止算法，獲得適應度最小的 個體，將其重排成隊個向量；否則，跳轉到步驟2。
[0102] S4 :在導頻幅度和導頻位置已知的情況下，引入BOMP算法，做MMO-OFDM系統(tǒng)的信 道估計，BOMP算法具體為：
[0103] 輸入：接收端疊加頻域導頻序列Y;觀測矩陣〇，信道長度L，發(fā)射天線數(shù)Nt，閾值 Jo20
[0104] 輸出：重排后的聚合CIR向量b。
[0105] 初始化：迭代變量i= 0 ;
[0106] 初始的CIR向量b=0 ;
[0107] 初始的殘差向量r=Y ;
[0108] 初始的b的支持向量集合
[0109]
[0110] 步驟1 :對于所有滿足.?二和IG{〇, 1，…，L-1}的1，計算最小平方估計
[0111] 步驟2 :找到最小的殘差G"，令Sto =
[0112] 步驟3 :根據(jù)當前的支持向量集合s計算出部分CIR向量1^= (〇sH〇s) 1OshY,其 中Os是通過支持向量集合s提取的〇的子矩陣。
[0113] 步驟4:根據(jù)當前的支持向量集合s更新聚合CIR向量b，即b(s) =bs。
[0114] 步驟5:更新殘差向量r=Y-氣b。
[0115] 步驟6 :如果IlrlliS/tr2，停止迭代；否則，令i=i+1，轉到步驟1。
[0116] 另外，本發(fā)明實施例的一種MMO-OFDM系統(tǒng)信道估計的導頻優(yōu)化方法的其它構成 以及作用對于本領域的技術人員而言都是已知的，為了減少冗余，不做贅述。
[0117] 在本說明書的描述中，參考術語"一個實施例"、"一些實施例"、"示例"、"具體示 例"、或"一些示例"等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特 點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不 一定指的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任何 的一個或多個實施例或示例中以合適的方式結合。
[0118] 盡管已經(jīng)示出和描述了本發(fā)明的實施例，本領域的普通技術人員可以理解：在不 脫離本發(fā)明的原理和宗旨的情況下可以對這些實施例進行多種變化、修改、替換和變型，本 發(fā)明的范圍由權利要求及其等同限定。
【主權項】
1. 一種MIMO-OFDM系統(tǒng)信道估計的導頻優(yōu)化方法，其特征在于，包括以下步驟： 51 :設定MIMO系統(tǒng)不同發(fā)射天線共享導頻位置和共享導頻幅度，推導所述導頻位置的 優(yōu)化方法； 52 :給定遺傳算法，根據(jù)所述遺傳算法和所述導頻位置的優(yōu)化方法優(yōu)化導頻位置； 53 :根據(jù)所述遺傳算法和所述優(yōu)化導頻位置優(yōu)化導頻幅度； 54 :根據(jù)所述優(yōu)化導頻幅度和所述優(yōu)化導頻位置，采用BOMP算法對MMO-OFDM系統(tǒng)的 信道進行估計。2. 根據(jù)權利要求1所述的方法，其特征在于，在所述步驟Sl中，所述推導所述導頻位置 的優(yōu)化方法是通過疊加導頻實現(xiàn)的。3. 根據(jù)權利要求1或2所述的方法，其特征在于，在所述步驟Sl中，在推導所述導頻位 置的優(yōu)化方法中，導頻位置集合的循環(huán)差分集中所有元素的重復次數(shù)均相同。4. 根據(jù)權利要求1所述方法，其特征在于，在所述步驟S2和S3中，根據(jù)所述MMO系統(tǒng) 觀測矩陣定義所述遺傳算法的個體適應度，根據(jù)最小化塊選擇所述遺傳算法的最小適應度 的后代。5. 根據(jù)權利要求4所述的方法，其特征在于，在所述步驟S2中，所述的遺傳算法進一步 包括： 5201 :初始化種群數(shù)量、個體向量的長度和最大遺傳代數(shù)； 5202 :隨機生成種群矩陣，所述種群矩陣的每一行代表一個導頻位置集合； 5203 :計算種群矩陣中每個所述導頻位置集合的適應度； 5204 :按照給定的選擇概率、交叉概率和變異概率進行隨機選擇、交叉組合和變異； 5205 :計算新產(chǎn)生的后代的適應度，按照適應度將新產(chǎn)生的后代放到所述種群矩陣 中； 5206 :如果當前已經(jīng)達到預設的最大遺傳代數(shù)，則停止算法，獲得適應度最小的個體， 否則遺傳代數(shù)加1并返回步驟S204。6. 根據(jù)權利要求4所述的方法，其特征在于，在所述步驟S3中，所述的遺傳算法包括以 下步驟： 5301 :初始化種群數(shù)量、個體向量的長度和最大遺傳代數(shù)； 5302 :隨機生成一個由±1組成的種群矩陣，所述種群矩陣的每一行代表一個行向量； 5303 :計算種群矩陣中每個所述行向量的適應度； 5304 :按照給定的選擇概率、交叉概率和變異概率進行隨機選擇、交叉組合和變異； 5305 :計算新產(chǎn)生的后代的適應度，按照適應度將新產(chǎn)生的后代放到所述種群矩陣 中； 5306 :如果當前已經(jīng)達到預設的最大遺傳代數(shù)，則停止算法，獲得適應度最小的個體， 否則遺傳代數(shù)加1并返回步驟S304。7. 根據(jù)權利要求1所述的方法，其特征在于，在所述步驟S4中，所述的BOMP算法操作 單位為一個子矩陣，每次更新一個所述子矩陣到支持向量集合中。
【專利摘要】本發(fā)明公開了一種MIMO-OFDM系統(tǒng)信道估計的導頻優(yōu)化方法，包括以下步驟：S1：設定MIMO系統(tǒng)不同發(fā)射天線共享導頻位置和共享導頻幅度，推導所述導頻位置的優(yōu)化方法；S2：給定遺傳算法，根據(jù)所述遺傳算法和所述導頻位置的優(yōu)化方法優(yōu)化導頻位置；S3：根據(jù)所述遺傳算法和所述優(yōu)化導頻位置優(yōu)化導頻幅度；S4：根據(jù)所述優(yōu)化導頻幅度和所述優(yōu)化導頻位置，采用BOMP算法對MIMO-OFDM系統(tǒng)的信道進行估計。本發(fā)明具有如下優(yōu)點：能夠在較低信噪比的環(huán)境中提升MIMO-OFDM系統(tǒng)的信道估計性能，且不會有額外頻譜資源和發(fā)射功率的要求。
【IPC分類】H04L27/26, H04L25/02
【公開號】CN105162736
【申請?zhí)枴緾N201510574378
【發(fā)明人】王勁濤, 汪學思, 潘長勇, 宋健, 郭文秀
【申請人】清華大學, 深圳清華大學研究院
【公開日】2015年12月16日
【申請日】2015年9月10日