资源描述
第34卷第4期
计算机应用研究
Vol 34 Na. 4
2017年4月
Application Rcscarch of Computers
Apr.2017
基于增强蚁群优化的海量规模
MIMO系统快速检测算法
陈永建,周艳,崔海宁
(1.肇庆学院电子信息与机电エ程学院,广东学庆526061;2.吉林大学物理学院,长春130012
摘要:大规摸MIMO( multiple- input multiple- output,多输入多输出)系统的符号向量检测算法计算复杂度较高,
对此结合粒子群优化与蚁群倪化提出一种低计算复杂度的海量规模MIMO系统快遠检測算法。首先,推导出一
种漸的概率搜索模型,将蒸于距离的蚁群披索与基于速度的粒子披索結合;然后,将ACO( ant (lony optimization
人工蚁群优化)距高指标与PSO( particle swarm optimization,粒子群化)的方向、速度指标结合生成一种新的概
率指标,将ACO的信息素更新步骤変为PSO速度的更新;最终,将MIMO检测问题建模为路径寻找问题,寻找
MIMO符寻检测问题的次优解。对比仿真实验结果表明,本算法的裣测性能优于部分传统算法以及其他新颖的
MIMO检测算法,在获得与最大似然估计检测法接近的误码碑性能下,具有极快的计算速度,适用于海璗规模的
MIMO系统。
关鍵词:多输入多输出;蚁群优化算法;粒子群优化算法;路径寻找问题;误码卒
中图分类号:TN919.72文献标志码:A文章编号:1001-3695(2017)04-1208-05
oi:10.39%69/j.isn.1001-3695.2017.04.057
E
ony optimization based fast detection
algorithm of massive MIMO system
dhen Yongjian, Zhou Yan Cui H:
(1. acuity f ectronic infm on &h E n ng, hging e it h ing dong 526061, Ch; 2. ege f
Physics, lin Uniuersity, Changchun 130012, China
detection algorithme of symo! vectors in large MIMO
posed an ant colony optimization based fast detection algorithm of massive MIMO systemn wilh
low computational complexity combined with partiele swarm opt
nhzanlol
Finstly, it derived a new probability search model
the distance based ant colony search was combincd with the vclocity based PSO search. Then. the distane metric was com-
ined with the direction and veloity metrics to output a new proba lity metric and the step of pheromone update in ACO was
rplaced with the velocity uplate of P$O. I slly, the algorithm modeled the MIMO detection problem as path finding problem
to search the
timal solution of the MIMO detection problem. Compared sima ation experimental results show that the de-
tection perormance of the proposal oute omms some trai ional al rithms and other new MIMO detection algorithms. It shows
a good computational efficiency on the basis that it realizes similar hit emor e performane with maximum likelihood detection
algorithm. and it
sive MIMO s
Key words: multi-input multi-output; ant colony optimization algurithm; particle swarm optimization; path finding problem
案。文献[3]采用固定复杂度的搜索树成功降低了复杂度球
0引言
译码(FSD)检测算法的性能,结釈显示该方法的复杂度仅为
多输入多輪出(MO)系统通过在收发两端配置多根独FSD的1.23%;文献[4则争对MMSE,SIC(最小均方误差)?
立天线创造出并行的空间信道,在不増加带宽与发射功率的前于大规模MMO天线陈整体性能较差的问题,采用基于整数规
提下极大地提高了系统容量与可靠性日。最大似然检测方法划的高斯算法对其进行改进,该算法对于相关性较高的信道
是MIMO系统最优的接收端检测算法,但其复杂度随天线数量在牲少墐计算复杂度的前提ド提高了信道的信噪比性能;文
与调制阶数呈指数级增长,因而难以应用于大规模天线阵的献[5了提出了结合时域信号的循环移位和等效SFBC编码来
MIMO系统
产生更多有不同峰均功率比( peak to average power ratio,PA-
许多研究针肘最大似然检方法的不足,提了改进的方PR)的备选序列的方法,该方法明昂降低了传统SIM(选择性
收稿日期:2016-02-27;修回日期:2016-04-06基金项目:国家自科学基金助项目(6179055);广东省科技计划资助项目
(2012BG40303007);庆学院校级自然科学资助项目(201423
作者简介:陈永建(1980
庆人、讲师,颋士,主要研究方向为计算机控制、人工智能等法:周抱
德人,讲师
士,主.要研究方向为系统控制、人エ智能算法、计算机网络;海宁(1960-),男,辽宁沈旧人,教授,博士,主要研究方向为先进納米光也子薄廙材
料、技术与器件,无机、有机与生物蒋膜衬料的人工组及其光谱学等
万方数据
展开阅读全文
免费区 