基于布谷鸟搜索及蚁群优化的波束选择方法及装置制造方法及图纸

本发明专利技术公开了一种基于布谷鸟搜索及蚁群优化的波束选择方法及装置，涉及移动通信技术技术领域，其中方法包括以下步骤：S1：获取备选波束方向集合B＝{B1,B2,...,B

【技术实现步骤摘要】
基于布谷鸟搜索及蚁群优化的波束选择方法及装置


[0001]本专利技术涉及移动通信技术
，更具体的说是涉及一种基于布谷鸟搜索及蚁群优化的波束选择方法及装置。

技术介绍

[0002]目前，毫米波大规模MIMO系统具有大带宽、高数据传输速率、强频谱扩展能力和抗干扰能力等优势，成为5G中的一项极具潜力的关键技术。然而传统的MIMO系统需要为每根天线配备一条专用射频(Radio Frequency,RF)链，这导致毫米波大规模MIMO系统具有较高的硬件成本和能源消耗。为了减小所需RF链的数量，提出了基于离散透镜阵列(Discrete Lens Array,DLA)的波束空间MIMO系统，利用DLA将传统空间信道转换成波束空间信道，而波束空间信道具有稀疏性，只有少量主导波束对系统性能有较大贡献，因此有效的波束选择对于减少RF链数量和提高系统性能至关重要。
[0003]但是，现有技术中通常采用蚁群优化算法实现毫米波大规模MIMO系统的波束选择，首先为各用户分配一个备选波束集，然后在每次迭代中计算当前用户备选波束集中各波束被选择的概率，找出被选概率最大的波束分配给当前用户，然而ACO算法中存在的正反馈机制会使次优解占据优势，从而易使得算法陷入局部最优，从而较难寻求到全局最优解。
[0004]因此，如何提供一种能够解决上述问题的波束选择方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于布谷鸟搜索及蚁群优化的波束选择方法及装置，提出一种布谷鸟搜索(Cuckoo Search,CS)算法和ACO算法相结合的波束选择方案CSACO，首先基于全局搜索能力强的CS算法构建波束选择系统，然后引入局部搜索能力强的ACO算法对CS算法的随机解进行局部寻优，从而加快CS算法的收敛速度，同时CS算法中解的随机性也可防止ACO算法陷入局部最优，CS算法和ACO算法联合优化可使可行解朝向全局最优的方向进化，最终达到接近最优的系统和速率性能。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于布谷鸟搜索及蚁群优化的波束选择方法，应用于毫米波大规模MIMO系统，所述毫米波大规模MIMO系统包括多个用户，包括以下步骤：
[0008]S1：获取备选波束方向集合B＝{B1,B2,...,B
K
}∈R
K*C
，其中B表示所有用户的备选波束方向集合，B
k
表示用户k的备选波束方向集合，K表示总的用户数量，C表示各用户备选波束方向集合中波束的数量；
[0009]S2：引入位置索引集合X
i
＝{x
i,1
,x
i,2
,...,x
i,k
,...,x
i,K
}∈R
K*1
(i＝1,2,...,M)，其中x
i,k
表示个体i给用户k分配的波束为B
k
中的第x
i,k
个元素，M表示一个种群内的个体数量；
[0010]S3：对所述位置索引集合进行多次更新，通过获取x
i,k
与B
k
之间的对应关系，从所
述备选波束方向集合中寻找出为所述用户分配的波束方向；
[0011]S4：通过波束选择方法对个体进行迭代求解出全局最优解，完成波束选择。
[0012]优选的，所述S4具体包括：
[0013]S41：初始化种群个体，并通过Levy飞行生成随机解；
[0014]S42：通过蚁群优化方法对所述随机解进行局部寻优，比较所有个体适应度，保留质量高的个体为第一个体；
[0015]S43：对所述第一个体进行舍弃并随机生成新个体；
[0016]S44：比较所述新个体以及所述第一个体的适应度，并保留质量高的个体为第二个体；
[0017]S45：对所述第二个体判断是否满足迭代停止条件，若满足则计算所述第二个体的适应度，并保留质量最高的个体，即为全局最优解。
[0018]优选的，所述S45：对第二个体判断是否满足迭代停止条件，若满足则计算第二个体的，所述S45中还包括：若不满足则返回至所述步骤S41。
[0019]优选的，所述步骤S41中，生成随机解的具体公式为：
[0020][0021]式中，式中，L(β)是Levy飞行的随机寻优路线，μ、v均是服从正态分布的随机数，β是参数偏度。
[0022]进一步，本专利技术还提供一种根据上述任一项所述的一种基于布谷鸟搜索及蚁群优化的波束选择方法的装置，包括：
[0023]获取模块，用于获取备选波束方向集合B＝{B1,B2,...,B
K
}∈R
K*C
，其中B表示所有用户的备选波束方向集合，B
k
表示用户k的备选波束方向集合，K表示总的用户数量，C表示各用户备选波束方向集合中波束的数量；以及引入位置索引集合X
i
＝{x
i,1
,x
i,2
,...,x
i,k
,...,x
i,K
}∈R
K*1
(i＝1,2,...,M)，其中x
i,k
表示个体i给用户k分配的波束为B
k
中的第x
i,k
个元素，M表示一个种群内的个体数量；
[0024]更新模块，用于对所述位置索引集合进行多次更新，通过获取x
i,k
与B
k
之间的对应关系，从所述备选波束方向集合中寻找出为所述用户分配的波束方向；
[0025]选择模块，用于通过波束选择方法对个体进行迭代求解出全局最优解，完成波束选择。
[0026]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于布谷鸟搜索及蚁群优化的波束选择方法及装置，将所有分配给用户的波束组合起来构成种群中的个体，而对所有个体进行优化可同时考虑到各用户间的干扰并直接以最大化系统和速率为优化目标进行寻优。CS算法依据Levy飞行机制可搜索到较好的全局可行解，但其强随机性可能使CS算法在最优解附近震荡从而导致算法收敛速度慢；而ACO算法依据其较强的局部寻优能力可搜索到CS算法随机解附近的最优解，从而加快算法的收敛速度，同时全局可行解的强随机性也可防止ACO算法陷入局部最优。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0028]图1为本专利技术提供的一种基于布谷鸟搜索及蚁群优化的波束选择方法的整体流程图；
[0029]图2为本专利技术实施例提供的步骤S4的具体执行流程图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于布谷鸟搜索及蚁群优化的波束选择方法，应用于毫米波大规模MIMO系统，所述毫米波大规模MIMO系统包括多个用户，其特征在于，包括以下步骤：S1：获取备选波束方向集合B＝{B1,B2,...,B
k
,B
k+1
,...,B
K
}∈R
K*C
，其中B表示所有用户的备选波束方向集合，B
k
表示用户k的备选波束方向集合，K表示总的用户数量，C表示每个用户的备选波束方向集合中波束的数量；S2：引入位置索引集合X
i
＝{x
i,1
,x
i,2
,...,x
i,k
,...,x
i,K
}∈R
K*1
(i＝1,2,...,M)，其中x
i,k
表示个体i给用户k分配的波束为B
k
中的第x
i,k
个元素，M表示一个种群内的个体数量；S3：对所述位置索引集合进行多次更新，通过获取x
i,k
与B
k
之间的对应关系，从所述备选波束方向集合中寻找出为所述用户分配的波束方向；S4：通过波束选择方法对个体进行迭代求解出全局最优解，完成波束选择。2.根据权利要求1所述的一种基于布谷鸟搜索及蚁群优化的波束选择方法，其特征在于，所述S4具体包括：S41：初始化种群个体，并通过Levy飞行生成随机解；S42：通过蚁群优化方法对所述随机解进行局部寻优，比较所有个体适应度，保留质量高的个体为第一个体；S43：对所述第一个体进行舍弃并随机生成新个体；S44：比较所述新个体以及所述第一个体的适应度，并保留质量高的个体为第二个体；S45：对...

【专利技术属性】
技术研发人员：朱春华，纪勤文，郭歆莹，杨靖雅，周飞，李培，王丽红，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：