基于MIMO層映射的網格PSO優化算法

倪 磊，劉志亮

(1.西南交通大學希望學院 軌道交通學院， 成都 610000；

基于MIMO層映射的網格PSO優化算法

倪 磊1，劉志亮2

(1.西南交通大學希望學院 軌道交通學院， 成都 610000；

2.電子科技大學 機械電子工程學院， 成都 611731)

針對MIMO系統中的層映射過程存在用戶吞吐量高的問題，提出一種基于層映射的網格粒子群算法。該算法將基帶信號處理過程中調制后的碼字進行層映射，引入加權因子對映射碼字進行加權處理，通過粒子群收斂特性使碼字根據載波數量不同而選擇調度到最優網格層上，以此提高多個碼字之間的復用能力。仿真結果表明：在用戶復用的尋優精度和收斂性方面，該算法優于傳統的遺傳算法和比例公平算法，可降低系統的用戶吞吐量。

網格粒子群算法；層映射；碼字；收斂性

LTE-A(LTE-Advanced)是LTE的演進版本，3GPP提出了使用載波聚合CA(carrier aggregation)技術來滿足未來幾年內無線通信市場的更高需求和更多應用，同時還保持對LTE較好的后向兼容性[1]。在以往有關單載波MIMO的研究文獻中，聚合的分量載波屬于不同頻帶，而不同分量的載波其衰減特性是不同的，如路徑損耗和多普勒頻移。在MIMO系統中，遺傳算法[2]的應用未考慮載波的覆蓋范圍，因而不能提高用戶信道容量；而在載波聚合下比例公平算法[3]的應用中未考慮發送端和接收端精確的信道信息。因此，本文提出一種基于網格分層粒子群在層映射過程中的優化算法,在下行物理信道基帶信號處理中，將調制后的碼字按一定規則重新排列，通過引入加權因子對用戶碼字進行加權處理，通過粒子群收斂特性使碼字根據子載波數量不同而選擇調度到最優子載波，可提升多個用戶之間的復用能力。相比其他算法，仿真結果表明：本文提出的算法在多用戶的層映射過程中收斂速度和尋優精度方面都有顯著提升，可降低系統的用戶吞吐量。

1 系統數學模型

1.1MIMO系統采用網格分層粒子群模型

網格分層法[4](gridding partition)是一種確定性全局優化方法，可以很好地對可行域進行劃分。MIMO系統采用的網格分層的粒子群優化算法(GPPSO)數學模型是指在發送端eNodeB到接收端UE之間的空間區域內，將數據流的解空間劃分為不同的格點，每一個格點代表一種狀態，將不同狀態之間的格點連接起來，以此求出約束函數與目標函數的值。根據所求連續域優化問題的性質估計出所求變量的取值范圍xi∈[xil,xiu], (i=1,2,3,…,n)。將連續域的變量xi進行劃分，先選取m個初始解，其m個取值構成了該分量相應子區間的候選組，即hi=xiu-xil/m-1。這里將解的n個分量看成n個頂點，在第i個頂點到第i+1個頂點之間有ki條連線，代表第i個分量的取值在ki個不同的信道之內，并記其中第j條信道連線在t時刻的信息量為τij(t)。第i個分量的m個取值構成了該分量相對應信道之間的候選組。碼字所經過的信道路徑代表1個解，則n條路徑表示它的n個分量[5]。

圖1 碼字分配過程

粒子群從第i個變量xi向第i+1個變量xi+1狀態轉移的概率可按式(1)計算[6]：

(1)

式中τij為第i個節點的第j級的吸引度，其更新方程為

(2)

某粒子選中第j級的i個節點的隨機搜索策略為：

xij=xil+hi×(j-1+γi)

(3)

粒子i從初始節點xil出發依次選擇下一節點，選擇完第n個頂點xiu，再從初始點環游的終點進行選擇，這樣每個粒子完成一次環游，更新各個節點的吸引度τij，然后在每個分量的各個節點中選擇τij最大的那個節點，以這個節點為中心構造新的搜索區域，并將新的區域進行新的分層，重復搜索直到滿足停止條件[5-6]。為了使解的分布具有多樣性，在各個分量選取N個值后，對其實行空間解搜索策略，將所得到的值作為新一代的相應分量。

1.2碼字重排策略[7]

在信道數據流求解過程中，采用如下的重排策略得出粒子(碼字)k在分層區域內i的位置向量。

(4)

(5)

(6)

(7)

2 算法尋優實現步驟

2.1 算法收斂性實現步驟

計算f(X0,Y0)以確定初始期望值陣；

While(not termination condition)

{for(k=1;k<=m;h++)

{將m個粒子隨機放置于初始區域上}

for(index=0;index

for (h=1;h<=n;h++)

{if(ηij≥0)

保留該區域當前己搜索到的目標函數最大值向量}

else

按公式的原則作區域內搜索；

}

保留當前最好解xmax及最優值fmax；

}

C=C+1;

}

輸出結果；

}

2.2 碼字重排實現步驟

步驟2 將各變量進行m-1等分，完成m-1級決策層的分割。

步驟4 如果hmax>hc，hmax=max(h1,h2,…,hn)，則跳轉到步驟2；若滿足循環終止條件，結束重排策略，找到最優值。

3 仿真結果分析

仿真時選擇如下參數，給出粒子群算法尋優的經驗值參數，如表1所示。

表1 仿真參數

參數說明：慣性權重、學習因子、擾動因子根據PSO算法經驗得出[6]。

圖2是粒子數為30時的收斂情況。通過Matlab仿真分析發現，隨著迭代次數的增加，最終收斂情況見圖2(c)(d)，網格優化算法的穩定性較高且能很快達到收斂。因此，網格粒子群算法的尋優精度和穩定性方面均得到有效提高。在不需要增加基站密度和帶寬的條件下，假設粒子數比用戶數多，因為有信道損失，發射端的用戶碼字通過粒子群替代，接收端根據粒子群的迭代提取最優數據。圖3的仿真結果顯示了粒子群的收斂軌跡，通過碼字重排策略可以提高eNodeB中OFDM碼字數據流到UE之間的收斂速度。在某個線性組合點，粒子將數據重新放置在其個體最優與全局最優之間的具有更好解的區域。仿真結果表明：采用該算法在0.024 s時已經完成區域碼流的收斂，說明網絡優化PSO算法中碼流數目越多，所需時間越少。

圖2 不同迭代次數的解分布及解收斂情況

圖3 網格分層粒子群的收斂軌跡

在仿真過程中，系統吞吐量也是需要考慮的性能參數。在用戶數增多的情況下，平均吞吐量增大，用戶信道質量變差的可能性增加。圖4的仿真結果顯示：相比遺傳算法和比例公平算法，網格分層粒子群算法可能給信道環境差的用戶分配更多無線資源塊，從而導致發射端系統吞吐量的降低。編碼后的數據流按照網格分層粒子群算法重新排列，平均用戶吞吐量都有所下降，因此在MIMO系統中的層映射過程能解決用戶吞吐量高的問題。

圖4 不同算法的系統吞吐量比較

4 結束語

本文提出一種網格分層粒子群在MIMO層映射的算法。仿真實驗結果表明：該算法在層映射過程中的收斂速度和尋優性方面，相比遺傳算法和比例公平算法，其對碼流尋優性有顯著提升效果，算法收斂時間有所降低，降低了發射端系統的吞吐量。

[1] 朱媛，桂云松，王正斌.LTE-A系統下行MIMO檢測算法改進研究[J].南京郵電大學學報(自然科學版)，2015,35(3):76-78.

[2] 李國慶，尹洪勝.采用遺傳算法的網絡優化技術[J].華僑大學學報(自然科學版)，2015,36(6):663-666.

[3] 魏玉杰.LTE-A系統載波聚合下基于用戶分組的比例公平調度算法研究[J].重慶郵電大學學報(自然科學版)，2013,25(3):310-314.

[4] 尹云回，祝鵬，楊宇博.流線擴散有限元方法在分層網格上的收斂性分析[J].計算數學,2015,37(1):83-91.

[5] 段海濱，王道波，于秀芬.一種求解連續空間優化問題的改進粒子群算法[J].系統仿真學報，2007，19(5)：974-977.

[6] 羅志平，周新志，王標.改進粒子群優化(MPSO)算法在動態配水中的應用[J].中國農村水利水電，2007(6)：24-27.

[7] 朱慶保.粒子群優化算法的收斂性分析[J].控制與決策，2006,21(7)：81-86.

[8] 顧軍華，譚慶，李娜娜，等.一種新的求解TSP問題智能粒子群優化算法[J].計算機工程與應用，2007，43(25)：69-70.

(責任編輯楊黎麗)

GriddingPartitionPSOAlgorithmResearchonMIMOMaps-Modulated

NI Lei1, LIU Zhiliang2

(1.School of Rail Transportation, Southwest Jiaotong University Hope College, Chengdu 610000，China；2.School of Mechatronics Engineering, University of Electronic Science and Technology, Chengdu 611731, China)

This paper proposed a gridding partition PSO algorithm based on MIMO maps-modulated to solve the higher user throughput in the layer mapping of MIMO systems under carrier aggregation. This algorithm utilized the code words to maps-modulated in the downlink baseband signal processing, and weighting factor is introduced to the code words, it is resulted that the user can be chose in optimal carrier through PSO Convergence trajectory. In terms of optimization and convergence of user reuse, simulation results demonstrated that the PSO algorithm is superior to the traditional genetic algorithm and proportional fairness algorithm, and it can reduce the throughput of the transmitter system.

GPPSO; maps-modulated ; code words；convergence

2017-08-09

四川省教育廳2017年科研自然科學基金資助項目(17ZB0266)

倪磊(1984—)，男，寧夏銀川人，碩士，講師，主要從事模式識別與智能系統方面的研究， E-mail:272389759@qq.com；劉志亮(1984—)，男，山東莒縣人，博士，副教授，主要從事模式識別與智能系統方面研究。

倪磊，劉志亮.基于MIMO層映射的網格PSO優化算法[J].重慶理工大學學報(自然科學)，2017(11):161-165.

formatNI Lei, LIU Zhiliang.Gridding Partition PSO Algorithm Research on MIMO Maps-Modulated[J].Journal of Chongqing University of Technology(Natural Science)，2017(11):161-165.

10.3969/j.issn.1674-8425(z).2017.11.024

TN914

A

1674-8425(2017)11-0161-05