非高斯噪聲環(huán)境的進(jìn)化粒子濾波盲檢測器

張紅燕， 謝躍雷， 樊東紅

（①賀州學(xué)院 物理與電子信息系，廣西 賀州 542800；②桂林電子科技大學(xué) 信息與通信學(xué)院，廣西 桂林 541004；③欽州學(xué)院 物理與電子工程系，廣西 欽州 535000）

0 引言

只要能夠建立描述無線通信系統(tǒng)的狀態(tài)空間模型，就能用粒子濾波的算法來解決非線性和非高斯的問題。文獻(xiàn)[3-4]提出了已知信道模型系數(shù)的平坦衰落信道下的粒子濾波檢測算法，文獻(xiàn)[5]提出了信道系數(shù)未知的基于新的混合重要性密度函數(shù)的粒子濾波盲檢測器，雖然采用了輔助粒子濾波和平滑核技術(shù)，但仍然存在樣本貧化問題。文獻(xiàn)[6]提出了信道系數(shù)未知的基于進(jìn)化粒子濾波盲檢測器，把遺傳算法中的進(jìn)化規(guī)劃[7]引入到粒子濾波的重采樣過程，并給出了高斯噪聲環(huán)境中的粒子濾波盲檢測算法。

現(xiàn)提出一種適用于未知信道模型系數(shù)非高斯噪聲環(huán)境中的進(jìn)化粒子濾波盲檢測算法。在信道衰落系數(shù)未知的平坦衰落信道下，采用文獻(xiàn)[6]的粒子濾波盲檢測器，增加了粒子的多樣性。即使未知的信道模型參數(shù)有所變化，進(jìn)化粒子濾波器仍然能夠適應(yīng)，因?yàn)檫M(jìn)化粒子濾波器包括了新的觀測值對信道模型參數(shù)估計的影響，容易獲得全局最優(yōu)解。

1 系統(tǒng)模型

在無線平坦衰落信道下，典型的通信系統(tǒng)動態(tài)狀態(tài)空間模型[1-2]如下：其中h(t)是信道

衰落系數(shù)，ut是接收信號的噪聲干擾，vt是信道的噪聲干擾。

盲信號檢測要解決的問題就是在已知觀測數(shù)據(jù)yt，a1和a2未知的情況下，估計出st，這就是聯(lián)合參數(shù)估計和狀態(tài)檢測的問題。

2 非高斯噪聲環(huán)境下的進(jìn)化粒子濾波算法

選取ut的概率密度函數(shù)是兩種高斯分布函數(shù)的混合，即有：其中ε表示脈沖噪聲發(fā)生的概率，非高斯噪聲的總體方差為

鉤藤種植后1～2年內(nèi)植株分枝少，3年后植株枝繁葉茂即可采收，一般于秋冬兩季采收。人工用枝剪剪下或鐮刀割下帶鉤的鉤藤枝條，去除葉片、病枝，扎成把，運(yùn)回。鉤藤主要成分為鉤藤堿，遇高溫會分解轉(zhuǎn)化，因此在烘干加工過程中，采取低溫烘干方式能最大程度保留有效成分的含量[12]。一般將帶鉤枝條曬干，或用50～60攝氏度烘干，水分含量<10%即可。

(1)參數(shù)a0樣本的初始化

(2) 預(yù)測步驟：For j=1：J

(3) 采樣步驟

①For si=1和 si=-1 ,計 算,

適應(yīng)度的計算：

(4) 更新步驟

(5) 對權(quán)進(jìn)行歸一化，可得

統(tǒng)計個體目標(biāo)的自然度，

(6) If mod(t,5)==0粒子濾波重采樣步驟

(7) 對參數(shù)進(jìn)行進(jìn)化粒子濾波

② 統(tǒng)計：由父代at-1和變異a't-1合并為候選集對這2J個個體進(jìn)行統(tǒng)計操作，得到2J個適應(yīng)值的似然函數(shù) fi（適應(yīng)度）。

③ 競爭計分：隨機(jī)選取S（S≥1）個競爭樣本，與每一個體比較適應(yīng)度 fi，將勝過Zi的個數(shù)作為其得分Wi。

④ 選擇：按競爭得分Wi降序排列所有粒子，選擇前一半作為下一代群體tθ。

返回到步驟②。

在實(shí)現(xiàn)上面的粒子濾波算法時，要對t-1時刻的均值和方差進(jìn)行保存，因?yàn)椴襟E(7)中計算似然函數(shù)時要用到。另外，進(jìn)行重采樣時，st的樣本，均值和方差應(yīng)作為一個整體。

3 仿真分析

為了驗(yàn)證提出的粒子濾波器的性能，在平坦瑞利衰落信道下，做了一些計算機(jī)模擬試驗(yàn)，將未知信道模型參數(shù)的新的算法與其他算法進(jìn)行比較。已知信道模型系數(shù)下的已知信道模型系數(shù)（MKF）采用的粒子數(shù)為50，記為(MKF。加性非高斯噪聲的參數(shù)為：已知信道模型參數(shù)的MKF算法采用的粒子數(shù)為50。衰落率 fdT＝0.03，系統(tǒng)的干擾噪聲為加性非高斯噪聲，將各種算法進(jìn)行比較，BER對SNR的誤碼率曲線如圖1所示。

圖1 衰落率為0.03，加性非高斯噪聲情況下，各算法的誤碼率曲線

圖1的仿真結(jié)果表明：系統(tǒng)噪聲為加性非高斯噪聲時，提出的基于進(jìn)化粒子濾波盲檢測器和變粒子數(shù)盲檢測器的良好性能。進(jìn)化粒子濾波算法的性能非常接近于已知信道模型參數(shù)的情況，而變粒子數(shù)粒子濾波算法的性能比進(jìn)化粒子濾波算法的性能稍差。

4 結(jié)語

對信道模型的參數(shù)這類較長時間維持不變的狀態(tài)，粒子濾波算法時常遭受退化的影響，并且對初始化樣本的依賴性很強(qiáng)。可以用進(jìn)化的思想來改善粒子的退化問題，對于信道模型參數(shù)未知的平坦瑞利衰落信道下的盲信號檢測，提出了一種適用于非高斯噪聲環(huán)境中的進(jìn)化粒子濾波盲檢測算法，它能夠解決一般的粒子濾波對于估計長時間不變的狀態(tài)存在的樣本貧化的問題和系統(tǒng)噪聲的非高斯問題。仿真結(jié)果顯示，系統(tǒng)噪聲是非高斯噪聲時，其性能接近于已知信道模型參數(shù)的MKF算法的性能。

[1] HUNKUMCHAND K J.Sequential Monte Carlo for Dynamic State Models with Applications to Communications [D].USA:State University of New York,2001.

[2] DJURIC P M, KOTECHA J H.Particle Filtering: a Review of Theory and How It Can be Used for Solving Problems in Wireless Communications[J]. IEEE Signal Processing Magazine,2003,20(05):19-38.

[3] CHEN R, WANG X, LIU J S. Adaptive Joint Detection and Decoding in Flat-fading Channels Via Mixture Kalman Filtering[J]. IEEE Transactions on Information Theory, 2000(46):2079-2094.

[4] PUNSKAYA E, ANDRIEU C, DOUCET A, et al. Particle Filtering for Demodulation in Fading Channels with Non-gaussian Additive Noise[J]. IEEE Trans.Commun.,2001(49):572-582.

[5] HUANG Y,DJURIC P M. A Blind Particle Filtering Detector of Signals Transmitted over Flat Fading Channels[J]. IEEE Transactions on Signal Processing,2004,52(07):1891-1900.

[6] 張紅燕,謝躍雷,歐陽繕.平坦衰落信道下一種基于進(jìn)化粒子濾波的盲檢測器[J]. 電子與信息學(xué)報, 2008,30(06):1413-1415.

[7] MO Yiwei, XIAO Deyun.Evolutionary Particle Filter and its Application[J]. Control Theory &Applications,2005,22(02):269-272.