[發明專利]一種基于New-Memetic算法的波束成型方法

無效

• 申請號: 200910104560.0
• 申請日: 2009-08-07
• 公開（公告）號: CN101651982A
• 公開（公告）日: 2010-02-17
• 發明（設計）人: 李方偉;張海波;孫遜;張鑫
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04W52/42
• 分類號: H04W52/42;H04B7/06
• 代理公司: 重慶市恒信知識產權代理有限公司
• 代理人: 劉小紅

技術領域

本發明涉及無線通信技術領域，尤其涉及一種波束成型方法。

背景技術

智能天線技術研究的核心是波束成型方法，在上行MIMO-SDMA(多進多出 -空分多址)中會有許多用戶的信號同時享有相同的信道所以會產生信號間的 多址干擾和多徑干擾。通過波束成型方法可利用不同用戶信號的空間特性來 完成信號的分離和避免信號間的干擾。通過上行天線輻射方向圖權向量最優 化的方法可以實現MIMO-SDMA，而且它適用于實際的無線移動通信系統。

兩種傳統的波束成型方法是最小均方誤差算法(MMSE)和線性約束最小方 差算法(LCMV)，但是它們都是在輸入端信號已知的前提下并且都是基于梯度 法求最優權值的算法，但這種算法收斂速度受限，當輸入數據向量X(n)的自 相關矩陣R的特征值分步范圍較大時，算法收斂速度很慢。因此，對于許多要 求具有快速響應的實時場合，梯形下降型的算法是不適宜的，而且以上算法 屬于單點搜索算法，即根據一些變動準則，從解空間中的一點移動到另一點 來進行搜索。用這樣的方式搜索多峰函數時，可能會陷入局部的一個單峰的 優解。文獻(Massa?A，Monelli?M，De?Natale?F?GB.‘planar?antenna?array control?with?genetic?algorithms?and?adaptive?array?theory’[J].IEEE. Transactions?on?Antennas?and?propagation，2004，52(11)：2919-2924) 提出了一種基于遺傳算法的智能天線波束形成算法，遺傳算法具有較強的魯 棒性和較高的搜索效率，可以應用在很多領域，也可以用在智能天線中，但 是往往運行的時間比較長，運行時占用比較多的計算機資源。Memetic(混合 遺傳算法)是一種群體局部優化算法，它是在傳統遺傳算法的基礎上，通過 局部鄰域搜索使每個演化代的所有個體都達到局部最優，從而大大提高算法 的執行速度和性能。上述兩種算法結合Memetic算法，可以克服他們的不足， 但是采用遺傳算法的整體框架，再利用局部搜索技術在算法運行過程中提高 解的質量，將導致該算法在波束成型過程中收斂速度不快效率不高等。

發明內容

本發明針對現有技術中智能天線波束成型方法收斂速度不快效率不高的 缺陷，提出一種適用于上行MIMO-SDMA(多進多出-空分多址)通信系統的波 束成型方法，在Memetic(混合遺傳)算法的基礎上對其交叉和變異過程進行 改進，能夠提高算法的收斂速度和局部搜索能力，解決了現有的波束成型方 法收斂速度不快效率不高的問題。

本發明解決其技術問題所采用的技術方案是，在上行MIMO-SDMA系統天 線陣列的波束成型中，對MIMO-SDMA系統信道模型利用上行天線輻射方向圖 權向量最優化的方法實現波束成型，使期望輸出信號的功率單調的增加并且 使干擾輸出信號功率單調的減小，以提高系統的信噪比。本發明采用新的混 合遺傳算法進行上行天線輻射方向圖權向量最優化的搜索，根據遺傳算法特 性，在進化初期，染色體的差異較大，p_c大和p_m小有助于加快收斂，而在進 化中后期，p_c小和p_m大有助于跳出局部最優。按照迭代次數G動態調整交叉 概率p_c和變異概率p_m。

為實現本發明的上述目的，具體采用如下步驟：

以天線陣元的陣元激勵向量作為基因構建陣子激勵，確定包括陣元幅度 激勵和陣元相位激勵的陣元激勵向量，由此獲取天線陣列的陣列因子；以陣 子激勵作為染色體，根據天線陣列建立由一系列染色體構成的初始種群，所 以接收用戶信號的陣子激勵作為種群中的染色體、陣元激勵向量作為染色體 的基因。由此，種群由一系列包含陣元激勵向量的陣子激勵構成；算法模塊 根據期望信號功率、干擾信號功率、噪聲功率，調用公式：