没有合适的资源?快使用搜索试试~ 我知道了~
一种新型低复杂度双层分组天线选择算法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 51 浏览量
2022-06-02
09:31:12
上传
评论
收藏 203KB DOCX 举报
温馨提示
试读
13页
一种新型低复杂度双层分组天线选择算法.docx
资源推荐
资源详情
资源评论
1 引言
作为 移动通信系统的关 键 技 术之一, 大 规 模 (
,多输入多输出)无线通信技术因其能够在不增加带宽的情况下
成倍地提高通信系统的容量和频谱利用率而受到广泛关注
。然而,在大规模
系统中,所有天线始终处于激活状态,每根天线对应的信息流需要单独
使用一条射频链路,天线数量的增加直接带来射频链路数量的增加。特别是在
未来 ,甚至 通信系统中,为满足通信巨流量()、巨连接(千万
级)需求,基站天线阵列规模预计将十倍于现有 大规模 系统,这无
疑极大地加剧了 系统复杂度
。
( ,天线选择)作为一种能够有效控制 系统复
杂度和硬件成本的技术,能够在有限的射频链路数量情况下,在 通信系
统的发射端和接收端基于一定的准则选择得到信道质量较优的天线用于发射信
号和接收信号。这样既降低了射频链路成本和系统功率消耗,同时又能最大限
度地发挥 通信技术的优势。通常,有 !("#
, 基 于 范 数 的 天 线 选 择 ) 和 $ ( %#
,基于容量的天线选择)两种优化准则。其中,!是通过选择具
有最高信道增益的天线子集以获得最大等效信噪比
&
;而 $ 是选择具有最
高信道容量特性的天线子集
'
。在实际应用场景中,由于 终端设备物理
尺寸往往是有限的,所以天线之间的相关性不可避免。在信道相关的条件下 ,
! 通常会经历严重的性能损失,这是因为基于范数选择的具有高信道增益
的天线之间往往具有较高的信道相关性,从而导致相应的 性能损失;与
! 方案相比,$ 方法以优化所选的天线子集的容量性能为目的,并且受
信道相关性的影响较低
(
)
。因此,在信道相关的 系统中,特别是在信道
相关的大规模 系统中, $方法通常更具优势。然而,最优的 $
的实现方式是遍历搜索的方式,其运算复杂度随着天线阵列规模扩大而急剧升
高,这将显著增加系统的计算复杂度。因此,研究计算复杂度较低的次优
$方案更具有实际意义。参考文献
提出增量逐次选择算法来寻找
发射天线和接收天线的最佳集合。该算法首先从一组空的选择天线集合开始,
然后在每个步骤中,将对系统容量贡献最大的天线添加到选择天线集合中,并
重复此过程,直到选定所需的天线数量。参考文献&
研究了一种基于迭代的天
线选择算法,该算法是在容量减少较少的情况下,降低了天线选择的复杂性。
另外,参考文献
提出了更加有效的基于分支定界的 算法,其选择速度比
基于遍历搜索算法要快很多。然而,上述这些算法都是基于独立信道这个前提
条件的,都不太适合信道高度相关的大规模 系统,因为在大规模
系统中,它们可能导致非常高的计算复杂度和明显的性能损失。
$( *" +,布谷鸟搜索)算法作为一种新颖的启发式优化算法,
由 ,-等
于 )). 年提出,该算法通过模仿布谷鸟的寄生育种过程来解决优
化问题。相对于经典的群智能优化算法如鱼群优化
'
和粒子群优化
(
,$ 算法
具有显著的高效性。$ 算法的高效性主要来源于两个关键的搜索策略:全局随
机搜索策略和局部随机搜索策略。鉴于 $ 算法能够简单高效地解决优化问题,
众多学者对其进行了研究,提出了多种改进的 $ 算法,并应用于多种工程优化
问题。参考文献.
为了进一步提高算法的适应性,将反馈引入算法框架,建立
了 $算法参数的闭环控制系统。将 / +"- 的 法则作为进化的评价指
标引入学习因子平衡种群的多样性和集中性,提出动态适应布谷鸟搜索算法。
参考文献)
针对当前智能算法对股票市场预测精度不高的问题,提出使用布谷
鸟算法优化神经网络的方法,对股票市场进行有效预测。参考文献
为解决当
前图像分割算法对噪声鲁棒性差的缺陷,改善图像分割的效果,设计基于改进
$ 算法的图像分割方法,使分割精度和速度均能满足实际应用需求。参考文献
提出了改进的 $ 算法,将其应用于某梯级水库优化调度问题中,并通过实
例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性。但到目前为止,
鲜有将布谷鸟搜索算法用于 方面的研究。
在上述背景下,本文在平坦相关瑞利衰落信道环境下创新性地提出了一种
适用于大规模 系统的基于 0$(# " *" + ,离散布谷鸟
搜索)算法的低复杂度双层分组 算法。该 系统包含天线相关性分组、天
线初级选择、天线高级选择 个部分。其中,该算法首先基于天线相关性对大
规模天线阵列进行分组处理;其次,天线初级选择部分是利用 0$ 算法从分组
的天线集合选择多个天线;最后,天线高级选择部分再利用 0$ 算法从初级部
分选出的天线集合中选择最终需要的多个天线。相应的仿真结果表明,在平坦
相关瑞利衰落信道环境下的大规模 系统中,提出的 系统能够以较低的
选择复杂度获得接近最优的容量性能和较优的 1/("""",误码率)
性能。
2 系统模型
本文考虑一个处于平坦相关瑞利衰落信道环境中的端到端大规模 系
统。在此系统中,发射端配备 !
根发射天线和 2
(Lt≤NT23!)条射频链路,
接收端配备 !
/
4根接收天线和 2
"
4(Lr≤NR2"3!/)条射频链路。此外,笔者考
虑了系统发射端的信道相关性并假设接收端拥有充足的散射条件。该系统的平
坦相关瑞利衰落信道模型 H∈CNR×NT5∈$!/6!4如下:
H=GR12/T (1)57/ 89
其中,G∈CNR×NT∈$!/6!4表示平坦瑞利衰落信道矩阵,其元素均为
独立同分布且服从 $!8)9的复高斯随机分布;RT∈CNT×NT/∈$!6!4表示
发射端的信道相关系数矩阵,采用了其对应的指数模型
:
RT(l1,l2)=ρ|l1−l2|t∈(0,1] (2)/897:;<;∈8)
89
其中,l1,l2∈{1,2,⋯,NT}∈=⋯!>4,:
表示发射端天线信道相
关系数。在上述条件下,接收信号向量 y∈CNR×1%∈$!/64可以表示为
&
:
y=Hx+v (3)%75?@A 89
其中, x∈CNT×1?∈$!64为 发射信号向量 , v∈CNR×1A∈$!/64是加
性高斯白噪声向量且元素服从 CN(0,σ2n)$!8)B94。
3 AS 优化问题和 AS 算法
C 优化问题
前面已经说明在信道相关的大规模 系统中,$算法由于受信道
相关性影响较小,其性能通常优于 !算法。因此,本文选择基于容量最大
化作为优化准则。对于一个配备了 !
根发射天线和 !
/
根接收天线的 系统
来说,其系统的信道容量可以由式(&)计算得到
:
C=lb[det(INR+PNTσ2nHHH)] (4)$7#8!/@D!B5559
8&9
其 中 , D 表 示 发 射 总 功 率 , 而 HH55 代 表 信 道 矩 阵
H∈CNR×NT5∈$!/6!4的共轭转置。INR!/4表示 NR×NR!/6!/ 单位矩阵。
在已知信道状态信息的情况下,发射端可以通过遍历搜索的方式从 !
根发射天
线中选择 2
根发射天线得到信道矩阵 H∈CNR×NT5∈$!/6!4的具有最优容量
的信道子集 Hmax5?4:
Hmax=argmaxsτ∈S{lb[det(INR+PNTσ2nHsτ(Hsτ)H)]}
(5)5?7"-?E∈=#8!/@D!B5E85E959> 89
其中,Hsτ∈CNR×Lt5E∈$!/624是信道矩阵 H∈CNR×NT5∈$!/6! 的
一个子集,S={s1,s2,⋯,sτ,⋯,sλ}7=⋯E⋯F>代表 !
根发射天线中
所有可能选择的 2
4根发射天线的索引组合(λ=NT!/[Lt!(NT−Lt)!]F7!G2G
8!<29G),且 sτ∈C1×LtE∈$624。通过上述遍历搜索方式虽然可以得到容
量最优的信道子集,但是其对应的选择复杂度相对较高,尤其是随着天线规模
的不断增大,遍历搜索的复杂度急剧升高。因此,基于遍历搜索的 方案在
大规模 系统中可行性较低。针对此问题,本文在平坦相关瑞利衰落信道
环境下创新性地提出了一种适用于大规模 系统的基于 0$算法的快速
分组 系统,从而实现以较低的容量损失为代价来明显地降低 的复杂度的
目的。
剩余12页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3543
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功