本发明专利技术公开了超宽带系统中基于遗传算法的差分多用户检测方法，将基于互不误差函数变异的遗传算法CEFM-GA与差分算法DA相结合，在室内UWB环境中，该方法不仅克服传统遗传算法GA采用一致变异的缺点，有效提高多用户检测系统的误码率BER性能，而且大大降低系统的计算复杂度，使得系统更加简单、实用。
【技术实现步骤摘要】
本专利技术涉及超宽带(UWB)系统中信号检测技术，具体涉及一种基于遗传算法(GA) 的具有较低复杂度的多用户检测方法。
技术介绍
随着无线通信技术的高速发展，以及数据业务的推动，短距离无线通信呈现出巨大的发展潜力。近些年来，短距离无线通信技术得到迅猛发展，无线传感器网络、无线个域网(WPAN)以及无线身体域网(WBAN)等概念被提出并受到广泛的关注，掀起了短距离无线通信的热潮。可以说，短距离无线通已成为未来无线通信的一个重要的发展应用方向。UffB技术具有高传输速率、低功耗、抗干扰能力强等特点，它已经成为目前无线通信领域研究和开发的热点之一，并被视为下一代无线通信的关键技术。多用户的UWB系统是近来UWB技术研究的一个重要课题。多用户UWB系统中，引入了多址技术。它可以使多个用户的发射信号共享频谱，通过直接序列(此)或跳时(TH)扩频发送多个用户信号。对于多用户UWB系统，多用户检测(MUD)算法通常分为三类最优检测算法、线性检测算法以及非线性检测算法。最优检测算法为最大似然(ML)算法，其效果最佳，但复杂度最高，不利于实时处理；线性算法主要包括解相关和最小均方误差(MMSE)法， 解相关和MMSE算法均需对互相关矩阵求逆，当用户数很多时，使用解相关和MMSE算法的复杂度还是太大；因此最具现实意义的是非线性检测算法，其主要包括干扰消除(IC)和智能算法，它们通过简化计算，实现次优检测效果，在性能和复杂度之间获得较好权衡。然而传统的IC算法在UWB系统中BER(误码率)性能较差，于是采用智能算法的多用户检测被广泛研究。在智能算法中，GA在工程优化中用的最为广泛。但是，基于传统的GA的多用户检测方法提升系统BER性能有限，而且其复杂度会随着GA迭代次数的增加从而成倍地增长。因此，有必要提出一种在UWB系统中既能有效提高系统BER性能，又能降低系统复杂度的多用户检测方法。
技术实现思路
本专利技术的目的在于提供一种， 解决传统IC和GA多用户检测算法BER性能不足的问题，同时解决了重复迭代检测算法计算复杂度较高的问题。，按照如下步骤进行(1)将K个用户的待检测信号y = [Yl, y2，…yK]T分别采用第一主遗传算法多用户检测和第一辅助遗传算法多用户检测作第一轮检测，对应得到第一轮主检测结果 6(1) = 1),財),和辅助检测结果6(1) =[6丨1W21), .6，，τ表示转置；(2)对第一轮检测结果6(1) =[6丨Dj21),和6(1) = 1),財)^ )] 行差分运算得到差分矩阵6(1) =[6^6丨Υ..龙(3)查询差分矩阵中(1)的非零元素，将其对应待检测信号yi中的元素组合生成用以第二轮检测的待检测信号5f，ζ+ = ι，···，κ·,(4)对第二轮检测的待检测信号劣2)采用第二遗传算法多用户检测作第二轮检测， 得到第二轮检测结果Bf1 ；(5)将第二轮检测结果Bf)中的元素按顺序依次替代紀)中非零元素得到最终检测结果紀〕；其中，第二遗传算法多用户检测的迭代次数>第一主遗传算法多用户检测的迭代次数>第一辅助遗传算法多用户检测的迭代次数。作为优化，所述第一主、第一辅助及第二遗传算法多用户检测方式具体如下(Pl)初始化迭代次数g，对待检测信号作二进制编码生成第g代染色体，染色体中的基因值为1或-1，；(P2)计算第g代各染色体的适应值；(P3)在第g代染色体中按照适应值越大被选中的概率越大的原则选择部分染色体，未被选中的染色体直接作为第g+1代染色体；选中的染色体则两两配对进行交叉运算，对交叉运算得到的新染色体进行基因变异生成第g+1代染色体，基因变异概率为0 为噪声方差；(P4)按照与步骤(P2)相同的方式计算第g+Ι代各染色体的适应值；(P5)将所有第g+Ι代染色体与第g代染色体进行适应值比较，若某些第g+Ι代染色体的适应值小于某些第g代染色体的适应值，则将这些第g+Ι代染色体更新为这些第g 代染色体；(P6)g = g+Ι，若g小于迭代次数阈值G，则返回步骤(P2)，否则，进入步骤(P7)；(P7)按照与步骤(P》相同的方式计算第G代染色体的适应值，适应值最大的染色体即为最终检测结果。本专利技术的有益效果是本专利技术解决上述第一个技术问题的方案是提出一种基于互补误差函数变异(CEFM)的GA的多用户检测方法(即CEFM-GA)；解决第二个技术问题的方案是在原有的CEFM-GA多用户检测方法上又提出一种差分算法(DA)。不仅克服了传统IC 和GA多用户检测算法较高BER的问题，而且大大降低了计算复杂度。附图说明图1为基于CEFM-GA差分多用户检测(即CEFM-GADA)结构框图。图2为CEFM-GA多用户检测流程图。图3为基于CEFM的变异概率示意图。图4为IEEE 802. 15. 3a的CMl信道下，CEFM-GADA与其它多用户检测方法的BER 性能曲线图。图5为IEEE 802. 15. 3a的CM2信道下，CEFM-GA DA与其它多用户检测方法的BER 性能曲线图。图6为IEEE 802. 15. 3a的CM3信道下，CEFM-GADA与其它多用户检测方法的BER 性能曲线图。图7为IEEE 802. 15. 3a的CM4信道下，CEFM-GA DA与其它多用户检测方法的BER 性能曲线图。图8为CM1-4信道下，CEFM-GADA的差分矩阵中零元素百分比图。图9为在不同遗传迭代次数下的GA、CEFM-GA及CEFM-GA DA的计算复杂度图。图10为不同用户数时的各种多用户检测方法的计算复杂度图。具体实施例方式现结合附图及具体实施方式对实现本专利技术进行具体描述。参考图1，图1示出了具有DA结构的多用户检测，即差分多用户检测。具体来讲， 图1所示的是基于CEFM-GA差分多用检测(即CEFM-GA DA)的结构框图。下面结合图1进一步详述本专利技术所提出的CEFM-GADA的具体实施步骤。1.第一轮检测时将待检测信号y(y = [yi;y2,…yK]T)分别通过一个主要CEFM-GA 和一个辅助CEFM-GA多用户检测器进行第一轮检测。其中待检测信号y通过主要CEFM-GA 检测器时，先经过一缓存存储其信号值以备下一轮检测所用。该步骤中，辅助CEFM-GA检测器里遗传迭代次数为= 1，主要CEFM-GA检测器里遗传迭代次数为G1 > (V2.再将主要CEFM-GA检测器输出6⑴(6⑴=[b , b ,…圮)和辅助CEFM-GA 检测器输出b(1) (6(1) =D^Kr ) 一并通过DA模块进行差分运算得到差分矩阵…(6^=^),6^,...,6^^ )，并将保存其结果。其中，具体差分运算可表示为 6(1) =(Bw-P))/2;上标⑴表示第一轮CEFM-GA多用户检测。3.查询差分矩阵中的非零元素，并在待检测的多用户信号中找出与该非零元素位置对应的元素组合生成用以第二轮的待检测信号。具体实现方式采用DA触发器，将DA模块运算得到的6 反馈到DA触发器，判断得到需要和无需再次检测的信号。换句话说，DA触发器会根据第i个用户的差分序列6f)来触发来自缓存器中的当6f)中非零元素达到时， DA触发器便执行一次触发，即闭合触发开关，判断为需要再次检测；反之，则判断为无需再本文档来自技高网...
【技术保护点】
１．超宽带系统中基于遗传算法的差分多用户检测方法，具体为：（１）将Ｋ个用户的待检测信号ｙ＝［ｙ１，ｙ２，…ｙＫ］Ｔ分别采用第一主遗传算法多用户检测和第一辅助遗传算法多用户检测作第一轮检测，对应得到第一轮主检测结果和辅助检测结果Ｔ表示转置；（２）对第一轮检测结果和进行差分运算得到差分矩阵（３）查询差分矩阵中的非零元素，将其对应待检测信号ｙｉ中的元素组合生成用以第二轮检测的待检测信号ｉ＝１，…，Ｋ；（４）对第二轮检测的待检测信号采用第二遗传算法多用户检测作第二轮检测，得到第二轮检测结果（５）将第二轮检测结果中的元素按顺序依次替代中非零元素得到最终检测结果其中，第二遗传算法多用户检测的迭代次数≥第一主遗传算法多用户检测的迭代次数＞第一辅助遗传算法多用户检测的迭代次数。
【技术特征摘要】
1.超宽带系统中基于遗传算法的差分多用户检测方法，具体为(1)将K个用户的待检测信号y=[yi，y2,…yK]T分别采用第一主遗传算法多用户检测和第一辅助遗传算法多用户检测作第一轮检测，对应得到第一轮主检测结果=DB1^B丨D, .B^f和辅助检测结果6(1) =[6丨1W21Vu^f，τ表示转置;(2)对第一轮检测结果6(1)=[6丨D,B^-By和6(1) = 1),財进行差分运算得到差分矩阵 6(1) =[6^6 丨D, ...,6，;(3)查询差分矩阵中6f)的非零元素，将其对应待检测信号yi中的元素组合生成用以第二轮检测的待检测信号冗2)，i = 1，…，κ ；(4)对第二轮检测的待检测信号斤)采用第二遗传算法多用户检测作第二轮检测，得到第二轮检测结果Bf1 ；(5)将第二轮检测...
【专利技术属性】
技术研发人员：朱光喜，吴伟民，孔政敏，钟梁，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：83
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。