CN105024793B - 一种大规模天线***中基于遗传算法的导频分配方法 - Google Patents

Abstract

一种大规模天线***中基于遗传算法的导频分配方法，以提高***中用户的和速率为目标，采用遗传算法，得到最优的导频分配方案。首先，引入基因编码的概念，通过交换编码产生不同的导频分配方案，进而计算不同导频分配方案下的***中用户的和速率，同时采用优胜劣汰的准则，保留对应的基因编码；其次，对保留的基因编码进行复制、交叉和变异操作，产生新的基因编码；最后，重复以上步骤，经过多轮的优胜劣汰和基因的交叉变异，得到使得***中用户和速率最大的导频分配方案。本发明采用遗传算法，突破局部最优解的限制，从而缓解大规模天线***的导频污染影响，并降低导频分配策略的复杂度。

Description

一种大规模天线***中基于遗传算法的导频分配方法

技术领域

本发明涉及一种大规模天线***中基于遗传算法的导频分配方法，属于无线通信技术领域。

背景技术

大规模天线无线通信***，即在基站端使用大量天线，利用同一时频资源服务于多个终端用户。理论分析表明，这种架构可以大大提高***的频谱效率和能量效率，且当天线数目足够多时，可以消除小区内部干扰，并降低噪声对***性能的影响。在获得上述优势的同时，大规模天线***还存在一定的问题，即当多终端用户之间采用导频复用方案时，其性能将受限于导频污染。

当多小区所服务的终端用户数目较多，将会导致所需导频数超过可用导频数的情况，此时如果小区间采用导频复用，则其复用策略的不同会对用户平均速率产生至关重要的影响。对所有导频分配策略进行穷举的复杂度过高，仅考虑低复杂度的适用于小区和用户数目都较小情况下的导频分配策略在实际应用中具有明显的局限性。因此在小区用户和天线数目比较多的情况下，设计低复杂度的导频分配策略显得尤为重要。文献“Pilotscheduling schemes for multi-cell massive multiple-input–multiple-outputtransmission”[S.Jin,M.Li,Y.Huang,Y.Du,X.Gao,《IET Communications》vol.9,issue5,pp.689–700,2015.]涉及到以提高小区中用户和速率为目标，研究了具有低复杂度的导频分配策略，主要有贪婪算法、禁忌搜索算法以及两者的联合算法，但是上述算法其搜索特性往往受限于局部最优解。

遗传算法是计算机科学中人工智能领域里用于解决最优化问题的一种搜索启发式算法，属于进化算法中的一种。这种启发式算法通常被用来生成有效的解决方案来优化和搜索问题。本发明采用遗传搜索算法，利用算法的本身特性，突破局部最优解的限制，同时以较低的算法复杂度实现各小区用户和速率最大的导频分配策略,缓解大规模天线***的导频污染影响。

发明内容

为了克服现有技术存在的缺陷和不足，本发明提供了一种大规模天线***中基于遗传算法的导频分配方法，采用人工智能领域中的遗传算法，突破局部最优解的限制，使得***中各小区用户的和速率最大，从而缓解无线通信领域中大规模天线***的导频污染影响，降低导频分配策略的复杂度。

本发明的技术方案如下：

一种大规模天线***中基于遗传算法的导频分配方法，用于在L个小区中所设置的大规模天线***，其中每个小区含有一个基站和K个单天线终端用户，基站天线数目为理想情况，即其趋近于无穷大，通信过程采用时分双工机制，并考虑信道间的互易性，同时，考虑有K个正交导频在L个小区中复用，以提高***中各小区用户和速率为目标，通过采用遗传算法得到最优的导频分配方案，首先，通过引入基因编码的概念，利用交换编码产生不同的导频分配方案，进而计算不同导频分配方案下的***中的用户和速率，同时采用优胜劣汰的准则，保留对应的基因编码；其次，对保留的基因编码进行复制、交叉和变异操作，产生新的基因编码；最后，重复对新产生的基因编码进行复制、交叉和变异操作，经过多轮的优胜劣汰，得到使***中用户和速率最大的导频分配方案，该方法具体步骤如下：

1、随机初始化一组导频分配方案为且将其用于初始化第l个小区导频分配方案；复制导频分配方案为任意一组导频分配方案，记为M组，即第l个小区的导频分配方案为其序列由整数1到K的一种有序排列构成，且表示第l个小区中分配第k个导频的用户编号，因而可以唯一确定第l个小区的导频分配方案；

2、随机初始化C组基因编码为这里每组基因编码有L条染色体组成，其中第c组基因编码中的第l条染色体为其中表示染色体的第n个基因，N表示该染色体上的基因个数，并且满足以下约束条件，这里设置C＝M，基因编码与导频分配方案一一对应，具体地，第c组基因编码用于第c组导频分配方案的遗传；

3、初始化遗传代数t＝0，并设置最大遗传代数为t_max；

4、分别根据C组基因编码对C组导频分配方案进行交换编码，其中第c组基因编码中的染色体用做第l个小区用户的导频分配方案的交换编码，可得到C组新的导频分配方案对于交换编码即是指根据对进行交换编码，其中表示第c组导频分配方案中第l个小区被分配第K个导频的用户编号，其具体操作如下：

(1)把保存到临时变量p_tmp中；

(2)对于依次将赋值给

(3)把p_tmp赋值给

这里对于 表示的第个元素值；

5、计算C个适应值，即分别采用C组导频分配方案时，来得到***中用户的和速率用户的和速率的获得，依赖于导频分配方案且由下式给出：

其中，R_l,k表示第l个小区中第k个用户的速率，并由下式给出，

其中，β_llk表示第l个小区中第k个用户到第l个基站的大尺度衰落，β_jlk(j≠l)表示由导频分配方案确定的第j个小区和第l个小区中第k个使用相同导频的用户到第l个基站的大尺度衰落；

6、选择操作，对适应值进行排序，采用蒙特卡洛选择方法，保留J组基因编码所述蒙特卡洛选择方法具体步骤如下：

(1)首先归一化适应值得到对应的归一化值{p_c},c∈{1,2,...,C}其中p_c∈[0,1]作为第c组基因编码能保留到下一代的概率，即适应度；

(2)第t代C组基因编码分别按照适应度{p_c},c∈{1,2,...,C}保留到下一代，表示为这里集合J包含了被保留下的基因编码组；

7、对保留下来的J组基因编码依次进行复制、交叉和变异操作，生成新的C组基因编码

(1)复制操作：第t+1代的基因编码复制第t代保留下来的J组基因编码并扩充至C组基因编码

(2)交叉操作：第t+1代的C组基因编码之间进行交叉，即随机交换不同组基因编码中相同位置的某个基因，例如，将和进行交换，这里c≠c'；

(3)变异操作：第t+1代的某一组基因编码中某一条染色体上的某一个基因随机选择变异，例如，随机变异为1到K中的一个值；

8、判断t是否达到最大遗传代数t_max，如果t＝t_max，执行步骤9；否则，遗传代数增加1，即t＝t+1，转入步骤4；

9、最终导频分配方案由给出。

本发明的有益效果：针对现有导频分配方案的不足，本发明采用遗传算法，突破局部最优解的限制，使得***中用户的平均速率最大，从而显著缓解大规模天线***的导频污染影响，并且降低导频分配策略的复杂度。

附图说明

图1为本发明方法的流程示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明，但不限于此。

实施例：

本发明方法实施例如图1所示,一种大规模天线***中基于遗传算法的导频分配方法，用于在L个小区中所设置的大规模天线***，其中每个小区含有一个基站和K个单天线终端用户，基站天线数目为理想情况，即其趋近于无穷大，通信过程采用时分双工机制，并考虑信道间的互易性，同时，考虑有K个正交导频在L个小区中复用，以提高***中各小区用户和速率为目标，通过采用遗传算法得到最优的导频分配方案，首先，通过引入基因编码的概念，利用交换编码产生不同的导频分配方案，进而计算不同导频分配方案下的***中的用户和速率，同时采用优胜劣汰的准则，保留对应的基因编码；其次，对保留的基因编码进行复制、交叉和变异操作，产生新的基因编码；最后，重复对新产生的基因编码进行复制、交叉和变异操作，经过多轮的优胜劣汰，得到使***中用户和速率最大的导频分配方案，该方法具体步骤如下：

1、随机初始化一组导频分配方案为且将其用于初始化第l个小区导频分配方案；复制导频分配方案为任意一组导频分配方案，记为M组，即第l个小区的导频分配方案为其序列由整数1到K的一种有序排列构成，且表示第l个小区中分配第k个导频的用户编号，因而可以唯一确定第l个小区的导频分配方案；

2、随机初始化C组基因编码为这里每组基因编码有L条染色体组成，其中第c组基因编码中的第l条染色体为其中表示染色体的第n个基因，N表示该染色体上的基因个数，并且满足以下约束条件，这里设置C＝M，基因编码与导频分配方案一一对应，具体地，第c组基因编码用于第c组导频分配方案的遗传；

3、初始化遗传代数t＝0，并设置最大遗传代数为t_max；

4、分别根据C组基因编码对C组导频分配方案进行交换编码，其中第c组基因编码中的染色体用做第l个小区用户的导频分配方案的交换编码，可得到C组新的导频分配方案对于交换编码即是指根据对进行交换编码，其中表示第c组导频分配方案中第l个小区被分配第K个导频的用户编号，其具体操作如下：

(1)把保存到临时变量p_tmp中；

(2)对于依次将赋值给

(3)把p_tmp赋值给

这里对于 表示的第个元素值；

5、计算C个适应值，即分别采用C组导频分配方案时，来得到***中用户的和速率用户的和速率的获得，依赖于导频分配方案且由下式给出：

其中，R_l,k表示第l个小区中第k个用户的速率，并由下式给出，

其中，β_llk表示第l个小区中第k个用户到第l个基站的大尺度衰落，β_jlk(j≠l)表示由导频分配方案确定的第j个小区和第l个小区中第k个使用相同导频的用户到第l个基站的大尺度衰落；

6、选择操作，对适应值进行排序，采用蒙特卡洛选择方法，保留J组基因编码所述蒙特卡洛选择方法具体步骤如下：

(1)首先归一化适应值得到对应的归一化值{p_c},c∈{1,2,...,C}其中p_c∈[0,1]作为第c组基因编码能保留到下一代的概率，即适应度；

(2)第t代C组基因编码分别按照适应度{p_c},c∈{1,2,...,C}保留到下一代，表示为这里集合J包含了被保留下的基因编码组；

7、对保留下来的J组基因编码依次进行复制、交叉和变异操作，生成新的C组基因编码

(1)复制操作：第t+1代的基因编码复制第t代保留下来的J组基因编码并扩充至C组基因编码

(2)交叉操作：第t+1代的C组基因编码之间进行交叉，即随机交换不同组基因编码中相同位置的某个基因，例如，将和进行交换，这里c≠c'；

(3)变异操作：第t+1代的某一组基因编码中某一条染色体上的某一个基因随机选择变异，例如，随机变异为1到K中的一个值；

8、判断t是否达到最大遗传代数t_max，如果t＝t_max，执行步骤9；否则，遗传代数增加1，即t＝t+1，转入步骤4；

9、最终导频分配方案由给出。

Claims (1)

1.一种大规模天线***中基于遗传算法的导频分配方法，用于在L个小区中所设置的大规模天线***，其中每个小区含有一个基站和K个单天线终端用户，基站天线数目为理想情况，即其趋近于无穷大，通信过程采用时分双工机制，并考虑信道间的互易性，同时，考虑有K个正交导频在L个小区中复用，以提高***中各小区用户和速率为目标，通过采用遗传算法得到最优的导频分配方案，首先，通过引入基因编码的概念，利用交换编码产生不同的导频分配方案，进而计算不同导频分配方案下的***中的用户和速率，同时采用优胜劣汰的准则，保留对应的基因编码；其次，对保留的基因编码进行复制、交叉和变异操作，产生新的基因编码；最后，重复对新产生的基因编码进行复制、交叉和变异操作，经过多轮的优胜劣汰，得到使***中用户和速率最大的导频分配方案，该方法具体步骤如下：

1)随机初始化一组导频分配方案为且将其用于初始化第l个小区导频分配方案；复制导频分配方案为任意一组导频分配方案，记为M组，即第l个小区的导频分配方案为其序列由整数1到K的一种有序排列构成，且表示第l个小区中分配第k个导频的用户编号，因而可以唯一确定第l个小区的导频分配方案；

2)随机初始化C组基因编码为这里每组基因编码有L条染色体组成，其中第c组基因编码中的第l条染色体为其中表示染色体的第n个基因，N表示该染色体上的基因个数，并且满足以下约束条件，这里设置C＝M，基因编码与导频分配方案一一对应，具体地，第c组基因编码用于第c组导频分配方案的遗传；

3)初始化遗传代数t＝0，并设置最大遗传代数为t_max；

4)分别根据C组基因编码对C组导频分配方案进行交换编码，其中第c组基因编码中的染色体用做第l个小区用户的导频分配方案的交换编码，可得到C组新的导频分配方案对于交换编码即是指根据对进行交换编码，其中表示第c组导频分配方案中第l个小区被分配第K个导频的用户编号，其具体操作如下：

(1)把保存到临时变量p_tmp中；

(2)对于依次将赋值给

(3)把p_tmp赋值给

这里对于 表示的第个元素值；

5)计算C个适应值，即分别采用C组导频分配方案时，来得到***中用户的和速率用户的和速率的获得，依赖于导频分配方案且由下式给出：

<mrow> <msubsup> <mi>R</mi> <mi>c</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <msub> <mi>R</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow>

其中，R_l,k表表示第l个小区中第k个用户的速率，并由下式给出，

<mrow> <msub> <mi>R</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>log</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <mfrac> <msubsup> <mi>&amp;beta;</mi> <mrow> <mi>l</mi> <mi>l</mi> <mi>k</mi> </mrow> <mn>2</mn> </msubsup> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>&amp;NotEqual;</mo> <mi>k</mi> </mrow> </msub> <msubsup> <mi>&amp;beta;</mi> <mrow> <mi>j</mi> <mi>l</mi> <mi>k</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mfrac> <mo>)</mo> </mrow> </mrow>

其中，β_llk表示第l个小区中第k个用户到第l个基站的大尺度衰落，β_jlk(j≠l)表示由导频分配方案确定的第j个小区和第l个小区中第k个使用相同导频的用户到第l个基站的大尺度衰落；

6)选择操作，对适应值进行排序，采用蒙特卡洛选择方法，保留J组基因编码所述蒙特卡洛选择方法具体步骤如下：

(1)首先归一化适应值得到对应的归一化值{p_c},c∈{1,2,...,C}其中p_c∈[0,1]作为第c组基因编码能保留到下一代的概率，即适应度；

(2)第t代C组基因编码分别按照适应度{p_c},c∈{1,2,...,C}保留到下一代，表示为这里集合J包含了被保留下的基因编码组；

7)对保留下来的J组基因编码依次进行复制、交叉和变异操作，生成新的C组基因编码

(1)复制操作：第t+1代的基因编码复制第t代保留下来的J组基因编码并扩充至C组基因编码

(2)交叉操作：第t+1代的C组基因编码之间进行交叉，即随机交换不同组基因编码中相同位置的某个基因；

(3)变异操作：第t+1代的某一组基因编码中某一条染色体上的某一个基因随机选择变异，例如，随机变异为1到K中的一个值；

8)判断t是否达到最大遗传代数t_max，如果t＝t_max，执行步骤9)；否则，遗传代数增加1，即t＝t+1，转入步骤4)；

9)最终导频分配方案由给出。