【摘要】：大規(guī)模MIMO(multiple-input multiple-output,多輸入多輸出)系統(tǒng)的符號向量檢測算法計算復(fù)雜度較高,對此結(jié)合粒子群優(yōu)化與蟻群優(yōu)化提出一種低計算復(fù)雜度的海量規(guī)模MIMO系統(tǒng)快速檢測算法。首先,推導(dǎo)出一種新的概率搜索模型,將基于距離的蟻群搜索與基于速度的粒子搜索結(jié)合;然后,將ACO(ant colony optimization,人工蟻群優(yōu)化)距離指標(biāo)與PSO(particle swarm optimization,粒子群優(yōu)化)的方向、速度指標(biāo)結(jié)合生成一種新的概率指標(biāo),將ACO的信息素更新步驟變?yōu)镻SO速度的更新;最終,將MIMO檢測問題建模為路徑尋找問題,尋找MIMO符號檢測問題的次優(yōu)解。對比仿真實驗結(jié)果表明,本算法的檢測性能優(yōu)于部分傳統(tǒng)算法以及其他新穎的MIMO檢測算法,在獲得與最大似然估計檢測法接近的誤碼率性能下,具有極快的計算速度,適用于海量規(guī)模的MIMO系統(tǒng)。
[Abstract]:The symbol vector detection algorithm for large scale MIMO (multiple-input multiple-output, multiple input multiple output) systems has a high computational complexity. A fast detection algorithm for large scale MIMO systems with low computational complexity is proposed by combining particle swarm optimization with ant colony optimization. Firstly, a new probabilistic search model is derived, which combines distance based ant colony search with velocity based particle search. Then, combining the distance index of ACO (ant colony optimization, artificial ant colony optimization with the direction of PSO (particle swarm optimization, particle swarm optimization (PSO), the velocity index is combined to generate a new probability index, and the pheromone updating step of ACO is changed into the update of PSO speed. Finally, the MIMO detection problem is modeled as a path finding problem to find the sub-optimal solution of the MIMO symbol detection problem. The simulation results show that the performance of this algorithm is better than that of some traditional algorithms and other novel MIMO detection algorithms. Suitable for massive scale MIMO system.
【作者單位】： 肇慶學(xué)院電子信息與機(jī)電工程學(xué)院;吉林大學(xué)物理學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61179055) 廣東省科技計劃資助項目(2012B040303007) 肇慶學(xué)院校級自然科學(xué)資助項目(201423)
【分類號】：TN919.3;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于洪;楊大春;;基于蟻群優(yōu)化的多個屬性約簡的求解方法[J];模式識別與人工智能;2011年02期

2 喻學(xué)才;張?zhí)镂?;蟻群優(yōu)化的簡化[J];哈爾濱工業(yè)大學(xué)學(xué)報;2009年08期

3 馬俊;梅濤;黃健;;基于蟻群優(yōu)化的點膠控制系統(tǒng)路徑規(guī)劃[J];計算機(jī)系統(tǒng)應(yīng)用;2010年01期

4 徐名海;訾源;;基于蟻群優(yōu)化的網(wǎng)絡(luò)選擇算法[J];計算機(jī)工程與應(yīng)用;2012年05期

5 李卓;;基于蟻群優(yōu)化的最大化飛蜂網(wǎng)絡(luò)最小吞吐量研究[J];科學(xué)技術(shù)與工程;2013年15期

6 劉波;潘久輝;;基于蟻群優(yōu)化的分類算法的研究[J];計算機(jī)應(yīng)用與軟件;2007年04期

7 顏晨陽;熊偉清;張友鵬;;基于交通流量控制的二元蟻群優(yōu)化模型[J];系統(tǒng)仿真學(xué)報;2007年10期

8 喻學(xué)才;張?zhí)镂?;一個蟻群優(yōu)化模型的期望性能分析[J];計算機(jī)應(yīng)用研究;2009年04期

9 魏勇;王汝涼;;基于蟻群優(yōu)化的協(xié)作學(xué)習(xí)模式研究[J];軟件導(dǎo)刊;2011年01期

10 張秋聞;甄彤;馬志;;混合蟻群優(yōu)化在糧食緊急調(diào)運問題中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2009年15期

相關(guān)會議論文 前3條

1 張磊;扈延光;江雅婷;吳雷;;基于蟻群優(yōu)化的可靠性冗余分配模型及實現(xiàn)[A];大型飛機(jī)關(guān)鍵技術(shù)高層論壇暨中國航空學(xué)會2007年學(xué)術(shù)年會論文集[C];2007年

2 姜萬錄;劉偉;張瑞娟;陳海軍;;基于蟻群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能PID控制策略研究[A];中國機(jī)械工程學(xué)會流體傳動與控制分會第六屆全國流體傳動與控制學(xué)術(shù)會議論文集[C];2010年

3 彭輝;;基于蟻群優(yōu)化技術(shù)的車輛路徑問題研究[A];廣西計算機(jī)學(xué)會25周年紀(jì)念會暨2011年學(xué)術(shù)年會論文集[C];2011年

相關(guān)博士學(xué)位論文 前5條

1 王輝;基于蟻群優(yōu)化理論的家電產(chǎn)品拆卸規(guī)劃方法研究[D];清華大學(xué);2007年

2 劉利強(qiáng);蟻群優(yōu)化方法研究及其在潛艇導(dǎo)航規(guī)劃中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

3 胡小兵;蟻群優(yōu)化原理、理論及其應(yīng)用研究[D];重慶大學(xué);2004年

4 喻學(xué)才;蟻群優(yōu)化方法中若干問題研究[D];哈爾濱工業(yè)大學(xué);2009年

5 陳祥國;衛(wèi)星數(shù)傳調(diào)度的蟻群優(yōu)化模型及算法研究[D];國防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王樂衡;考慮多元設(shè)備類型的超啟發(fā)式跨單元調(diào)度方法[D];北京理工大學(xué);2015年

2 翟晨汐;基于蟻群優(yōu)化的視覺板球系統(tǒng)的直接自適應(yīng)模糊滑�？刂芠D];大連理工大學(xué);2015年

3 劉超超;基于MapReduce計算框架的蟻群優(yōu)化聚類算法設(shè)計與改進(jìn)研究[D];合肥工業(yè)大學(xué);2015年

4 鄧敏;蟻群優(yōu)化在時間表問題中的研究與應(yīng)用[D];東北大學(xué);2008年

5 吳小娟;蟻群優(yōu)化大學(xué)課程表問題的研究與實踐[D];蘇州大學(xué);2008年

6 丁秀明;基于蟻群優(yōu)化的供應(yīng)鏈調(diào)度算法研究[D];江南大學(xué);2008年

7 伍祥紅;基于蟻群優(yōu)化的自主水下機(jī)器人路徑?jīng)Q策方法研究[D];哈爾濱工程大學(xué);2007年

8 凌軍;基于并行蟻群優(yōu)化的分類技術(shù)應(yīng)用研究[D];大連海事大學(xué);2011年

9 程曄;基于蟻群優(yōu)化神經(jīng)網(wǎng)絡(luò)的比較購物模型研究[D];安徽理工大學(xué);2010年

10 湯學(xué)文;基于蟻群優(yōu)化的Ad Hoc網(wǎng)絡(luò)路由[D];北京郵電大學(xué);2010年

，

本文編號：2428190