一种基于自适应相位旋转角量子蚁群的信号盲检测方法技术

本发明专利技术提出了一种基于自适应相位旋转角量子蚁群的信号盲检测方法，所述方法将量子计算理论和进化计算理论融合进蚁群算法中，使每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特，首先根据基于信息素强度和可见度构造的选择概率，选择蚂蚁的前进目标，然后采用量子旋转门更新蚂蚁携带的量子比特，完成蚂蚁的移动；采用量子非门实现蚂蚁所在位置的变异，增加位置的多样性；将量子比特的两个概率幅都看作蚂蚁当前的位置信息，在蚂蚁数目相同时，可使搜索空间加倍。本发明专利技术信号盲检测方法的蚁群算法，能较好地解决蚁群算法在求解时易于陷入局部最优的问题，能够有效避免早熟现象，收敛速度更快，相同信噪比条件下信号盲检测的误码率更低。

【技术实现步骤摘要】
一种基于自适应相位旋转角量子蚁群的信号盲检测方法
本专利技术属于无线通信
，尤其涉及一种基于自适应相位旋转角量子蚁群的信号盲检测方法。
技术介绍
A.Narayanan&M.Moor最早提出量子蚁群的概念，量子蚁群算法(QuantumAntColonyOptimizationAlgorithm,QACO)是基于量子计算原理的一种蚁群算法，是量子计算与蚁群算法相结合的一种崭新的优化计算方法，它基于蚁群算法中模仿蚂蚁觅食搜索行为的特性，引入了量子计算的优势，对蚂蚁种群采用量子编码以及量子旋转门更新等操作，具有种群规模小且不影响算法性能、同时兼有开发和探索能力强、种群分散性好，并行性佳，收敛速度快，全局搜索能力强等特点，具有很强的生命力和研究价值。2008年，李跃光等人提出了一种求解离散优化问题的量子蚁群算法，是将量子进化计算中的态矢量和量子旋转门引入到传统的蚁群算法中，用来分别表示和更新信息素，从而加快算法的收敛速度和避免早熟收敛；2009年，李士勇等人提出了求解连续空间优化问题的量子蚁群算法，算法中采用量子位编码来表示蚂蚁位置，通过量子门的旋转来实现蚂蚁的更新移动，经过研究表明，量子蚁群算法的性能大大优于传统的蚁群算法。优化问题在科学研究和工程应用的各个领域具有重要的理论意义和实践价值，近年来，以蚁群智能算法和量子计算等为代表的智能算法具有简单通用，鲁棒性好，计算速度快等诸多优点，因此成为解决复杂优化问题的有力工具。在无线通信系统中，盲检测技术不依赖发送训练序列，依靠接收序列就能对发送序列盲估计。本专利技术提出了一种基于自适应相位旋转角量子蚁群算法，该算法每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特，根据基于信息素强度和可见度构造的选择概率选择蚂蚁的前进目标，采用量子旋转门来更新蚂蚁携带的量子比特，用于蚂蚁的移动；用量子非门来实现蚂蚁所在位置的变异，增加位置的多样性，根据移动后的位置完成蚁群信息素强度和可见度的更新。算法将量子比特的两个概率幅看作是蚂蚁当前的位置信息，在蚂蚁数目相同时，可使搜索空间加倍。能较好地解决蚁群算法在求解问题时收敛速度慢和易于陷入局部最优的问题。综上所述，在智能计算方法大行其道的背景下，将智能计算和盲均衡算法相结合，自然具备了研究价值。
技术实现思路
本专利技术所要解决的技术问题在于克服现有盲检测技术的不足,提出一种基于自适应相位旋转角量子蚁群的信号盲检测方法。所述方法针对降低误码率和提高收敛性问题，将量子计算与蚁群算法相融合，利用蚂蚁寻优和量子计算原理去实现优化，人工蚂蚁具有了量子行为，可以有效提高算法的搜索效率，在此基础上，引入量子旋转门和量子非门，以求更好地加强种群的进化程度，旨在提供一种低误码率具有自适应性的盲检测方法。为解决上述技术问题，本专利技术所采用的技术方案是：一种基于自适应相位旋转角量子蚁群的信号盲检测方法，包括如下步骤：步骤A，构造接收数据矩阵：接收端接收单个用户发送信号，经过过采样，获得离散时间信道的接收方程：XN＝SΓT式中，XN是接收数据阵，S是发送信号阵，Γ是信道冲激响应，(·)T表示矩阵转置；步骤B，接收数据矩阵奇异值分解：式中，(·)H表示矩阵Hermitian转置；U是奇异值分解中的N×(L+M+1)酉基阵；0是(N-(L+M+1))×(L+1)q零矩阵；V是(L+1)q×(L+1)q酉基阵；Uc是N×(N-(L+M+1))酉基阵；D是(L+M+1)×(L+1)q奇异值阵；步骤C，定义量子蚁群算法的评价函数为：F＝αTQα其中，α∈{±1}N是N维向量，所属字符集{±1}，表示原始信号；采用基于自适应相位旋转角量子蚁群算法进行寻优搜索，将评价函数F作为目标函数，将信号盲检测问题的求解等效为求评价函数F的最小值，其具体步骤如下：步骤C-1，参数初始化：设置蚂蚁个数，并对每只蚂蚁进行量子编码，得到种群P(t)，t表示迭代次数；步骤C-2，对种群P(t)进行观察测量操作，得到量子个体；步骤C-3，蚂蚁根据信息素和启发信息周游；步骤C-4，根据蚂蚁周游的路径，计算每个蚂蚁的评价函数，然后对比上一次的评价函数，保存较小的评价函数；步骤C-5，采用量子旋转门更新信息素；步骤C-6，采用量子非门对种群变异；步骤C-7，若迭代次数达到设定值，蚁群不再进行周游；如果迭代次数未达到设定值，则返回步骤C-2继续执行。本专利技术的有益效果是：本专利技术提出了一种基于自适应相位旋转角量子蚁群的信号盲检测方法，所述方法将量子计算理论和进化计算理论融合进蚁群算法中，使每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特，首先根据基于信息素强度和可见度构造的选择概率，选择蚂蚁的前进目标，然后采用量子旋转门更新蚂蚁携带的量子比特，完成蚂蚁的移动；采用量子非门实现蚂蚁所在位置的变异,增加位置的多样性；将量子比特的两个概率幅都看作蚂蚁当前的位置信息，在蚂蚁数目相同时，可使搜索空间加倍。本专利技术信号盲检测方法的蚁群算法，能较好地解决蚁群算法在求解时易于陷入局部最优的问题，能够有效避免早熟现象，收敛速度更快，相同信噪比条件下信号盲检测的误码率更低。附图说明图1是本专利技术基于自适应相位旋转角量子蚁群算法流程图图2是优化算法局部最优和全局最优说明图图3是本专利技术基于自适应相位旋转角量子蚁群算法与量子遗传算法以及蚁群算法误码率曲线图。具体实施方式下面结合附图，对本专利技术提出的一种基于自适应相位旋转角量子蚁群的信号盲检测方法进行详细说明：图1是本专利技术基于自适应相位旋转角量子蚁群算法流程图。其实施过程如下：忽略噪声时，离散时间信道的接收方程定义如下XN＝SΓT(1)式中，XN是接收数据阵，S是发送信号阵，Γ是由信道冲激响应hjj构成的块Toeplitz矩阵；(·)T表示矩阵转置；其中，发送信号阵：，M为信道阶数，L为均衡器阶数，N为数据长度；定义矩阵S的第一列为CN(k)，以此类推，第L+M+1列为CN(k-M-L)。EL+M(k)＝[s(k),…,s(k-L-M)]T；其中，s∈{±1}，时刻k为自然数，[·]T为矩阵转置；hjj＝[h0,…,hM]q×(M+1)，jj＝0,1,…,M；q是过采样因子，取值为正整数；XN＝[xL(k),…,xL(k+N-1)]T是N×(L+1)q接收数据阵，其中xL(k)＝Γ·EL+M(k)；对于式(1)，Γ满列秩时，一定有满足QCN(k-d)＝0，Uc是N×(N-(L+M+1))酉基阵，由奇异值分解中得到；其中(·)H表示矩阵Hermitian转置；U是奇异值分解中的N×(L+M+1)酉基阵；0是(N-(L+M+1))×(L+1)q零矩阵；V是(L+1)q×(L+1)q酉基阵；D是(L+M+1)×(L+1)q奇异值阵；据此构造评价函数及优化问题其中，s∈{±1}N是N维向量，所属字符集{±1}，表示原始信号，d为延时因子，d＝0,…,M+L。本专利技术就是利用基于自适应相位旋转角量子蚁群算法来解决这一问题。本文专利技术定义量子蚁群算法的评价函数为：F＝αTQα，令(2)式的s＝α。将此评价函数作为目标函数进行寻优，将盲检测问题的求解等效为求评价函数F的最小值；其步骤如下：步骤一，参数初始化：设置蚂蚁个数，并对每只蚂蚁进行量子编码，得到种群P(t)，t表示迭代次数；步骤二，对种群P本文档来自技高网...

【技术保护点】
一种基于自适应相位旋转角量子蚁群的信号盲检测方法，其特征在于，包括如下步骤：步骤A，构造接收数据矩阵：接收端接收单个用户发送信号，经过过采样，获得离散时间信道的接收方程：XN＝SΓT式中，XN是接收数据阵，S是发送信号阵，Γ是由信道冲激响应hjj构成的块Toeplitz矩阵；(·)T表示矩阵转置；其中，发送信号阵：S＝[sL+M(k),…,sL+M(k+N‑1)]T＝[sN(k),…,sN(k‑M‑L)]N×(L+M+1)，M为信道阶数，L为均衡器阶数，N为数据长度；sL+M(k)＝[s(k),…,s(k‑L‑M)]T；其中，s∈{±1}，时刻k为自然数，[·]T为矩阵转置；hjj＝[h0,…,hM]q×(M+1)，jj＝0,1,…,M；q是过采样因子，取值为正整数；XN＝[xL(k),…,xL(k+N‑1)]T是N×(L+1)q接收数据阵，其中xL(k)＝Γ·sL+M(k)；步骤B，接收数据矩阵奇异值分解：XN=[U,Uc]·D0·VH]]>式中，(·)H表示矩阵Hermitian转置；U是奇异值分解中的N×(L+M+1)酉基阵；0是(N‑(L+M+1))×(L+1)q零矩阵；V是(L+1)q×(L+1)q酉基阵；Uc是N×(N‑(L+M+1))酉基阵；D是(L+M+1)×(L+1)q奇异值阵；步骤C，定义量子蚁群算法的评价函数为：F＝sTQs其中，s∈{±1}N是N维向量，所属字符集{±1}，表示原始信号；采用基于自适应相位旋转角量子蚁群算法进行寻优搜索，将此评价函数作为目标函数进行寻优，将信号盲检测问题的求解等效为求评价函数F的最小值；所述步骤C中基于自适应相位旋转角量子蚁群算法，其步骤如下：步骤C‑1，参数初始化：设置蚂蚁个数，并对每只蚂蚁进行量子编码，得到种群P(t)，t表示迭代次数；步骤C‑2，对种群P(t)进行观察测量操作，得到量子个体；步骤C‑3，蚂蚁根据信息素和启发信息周游；步骤C‑4，根据蚂蚁周游的路径，计算每个蚂蚁的评价函数，然后对比上一次的评价函数，保存较小的评价函数；步骤C‑5，采用量子旋转门更新信息素；步骤C‑6，采用量子非门对种群变异；步骤C‑7，若迭代次数达到设定值，蚁群不再进行周游；如果迭代次数未达到设定值，则返回步骤C‑2继续执行。...

【技术特征摘要】
1.一种基于自适应相位旋转角量子蚁群的信号盲检测方法，其特征在于，包括如下步骤：步骤A，构造接收数据矩阵：接收端接收单个用户发送信号，经过过采样，获得离散时间信道的接收方程：XN＝SΓT式中，XN是接收数据阵，S是发送信号阵，Γ是由信道冲激响应hjj构成的块Toeplitz矩阵；(·)T表示矩阵转置；其中，发送信号阵：其中，M为信道阶数，L为均衡器阶数，N为数据长度；定义矩阵S的第一列为CN(k)，以此类推，第L+M+1列为CN(k-M-L)；EL+M(k)＝[s(k),…,s(k-L-M)]T；其中，s∈{±1}，时刻k为自然数，[·]T为矩阵转置；hjj＝[h0,…,hM]q×(M+1)，jj＝0,1,…,M；q是过采样因子，取值为正整数；XN＝[xL(k),…,xL(k+N-1)]T是N×(L+1)q接收数据阵，其中xL(k)＝Γ·EL+M(k)；步骤B，接收数据矩阵奇异值分解：

【专利技术属性】
技术研发人员：于舒娟，张昀，宋啸良，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32