劉東霞，孫瓊瓊

（平頂山教育學(xué)院，平頂山467000）

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測?

劉東霞，孫瓊瓊

（平頂山教育學(xué)院，平頂山467000）

針對(duì)傳統(tǒng)方法單獨(dú)采用BP神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問題，提出了遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，并將其應(yīng)用于MIMO-OFDM系統(tǒng)信號(hào)檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值，使BP網(wǎng)絡(luò)快速收斂到最優(yōu)解，避免了由初始值的隨機(jī)選取而帶來的檢測誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。

BP神經(jīng)網(wǎng)絡(luò)；信號(hào)檢測；遺傳算法；MIMO-OFDM系統(tǒng)

1 引 言

OFDM以及MIMO技術(shù)是未來寬帶無線移動(dòng)通信系統(tǒng)中的關(guān)鍵技術(shù)，接收端在檢測信號(hào)時(shí)采用的檢測算法對(duì)提高整個(gè)系統(tǒng)的性能至關(guān)重要。神經(jīng)網(wǎng)絡(luò)具有高度容錯(cuò)、大規(guī)模自適應(yīng)并行處理、信息分布式存儲(chǔ)等優(yōu)點(diǎn)，可應(yīng)用于信號(hào)檢測領(lǐng)域。例如文獻(xiàn)［1］中用RBF神經(jīng)網(wǎng)絡(luò)得到了在CDMA系統(tǒng)環(huán)境下接近最優(yōu)貝葉斯檢測器的性能，文獻(xiàn)［2］給出了垂直分層空時(shí)碼的MAP檢測器的RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)算法。遺傳算法主要就是根據(jù)達(dá)爾文的進(jìn)化論以及孟德爾和摩根的遺傳學(xué)理論而提出的一種基于生物進(jìn)化機(jī)制的全局性概率搜索算法［3-4］。本文提出遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，并將其應(yīng)用于MIMOOFDM系統(tǒng)信號(hào)檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值，使BP網(wǎng)絡(luò)快速收斂到最優(yōu)解，避免了由初始值的隨機(jī)選取而帶來的檢測誤碼。

2 遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)

2.1 BP神經(jīng)網(wǎng)絡(luò)

設(shè)X1，X2，…，Xn為BP神經(jīng)網(wǎng)絡(luò)輸入向量，Y1，Y2，…，Ym為輸出值，Wij和Wjk為權(quán)值，典型的BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

當(dāng)BP神經(jīng)網(wǎng)絡(luò)輸入和輸出節(jié)點(diǎn)數(shù)分別為n和m時(shí)，其反映n個(gè)自變量與m個(gè)因變量之間映射關(guān)系。BP神經(jīng)網(wǎng)絡(luò)建模預(yù)測包括網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建、訓(xùn)練和預(yù)測三步，基本工作流程如圖2所示［5-6］。

圖2 BP神經(jīng)網(wǎng)絡(luò)算法的工作流程

BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建階段需要根據(jù)系統(tǒng)模型和設(shè)計(jì)目標(biāo)對(duì)網(wǎng)絡(luò)中的參數(shù)進(jìn)行賦初值，這包括：輸入層節(jié)點(diǎn)數(shù)n、輸出層節(jié)點(diǎn)數(shù)m、隱含層節(jié)點(diǎn)數(shù)l，并初始化各層間連接權(quán)值Wij和Wjk，另外根據(jù)網(wǎng)絡(luò)形式初始化隱含層閾值a，輸出層閾值b，并給定學(xué)習(xí)速率和神經(jīng)元激勵(lì)函數(shù)。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練是一個(gè)多次循環(huán)的過程［7-8］：首先輸入訓(xùn)練樣本并計(jì)算各層輸出，根據(jù)計(jì)算的輸出誤差和由輸出誤差反饋到各層生成的各層誤差來調(diào)整各層權(quán)值，如此訓(xùn)練直到滿足訓(xùn)練結(jié)束條件；訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)即可輸入數(shù)據(jù)進(jìn)行預(yù)測使用。

2.2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

遺傳算法是美國密執(zhí)安（Michigan）大學(xué)的John.H.Holland教授設(shè)計(jì)的一種借鑒生物界自然選擇、遺傳變異和進(jìn)化機(jī)制的高度并行、隨機(jī)、自適應(yīng)的搜索算法，該算法具有簡單易懂、魯棒性強(qiáng)、適合并行處理的特點(diǎn)，可用于解決各種復(fù)雜優(yōu)化問題。遺傳算法基本操作可以分為選擇操作、交叉操作、變異操作三個(gè)部分。遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化主要用于得到最優(yōu)網(wǎng)絡(luò)初始權(quán)值和網(wǎng)絡(luò)賦值。遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法流程如圖3所示。經(jīng)過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)能夠獲得更好的訓(xùn)練效果，提高預(yù)測精度。

3 實(shí)驗(yàn)結(jié)果與分析

根據(jù)以上提到的方法，實(shí)驗(yàn)使用Matlab 7.0，考慮以下檢測方法：①最小均方誤差MMSE檢測算法；②RBF方法：基于RBF神經(jīng)網(wǎng)絡(luò)的MIMOOFDM信號(hào)檢測；③GA-BP方法：基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的MIMO-OFDM信號(hào)檢測。實(shí)驗(yàn)結(jié)果表明：遺傳算法優(yōu)化BP網(wǎng)絡(luò)的檢測方案比MMSE、RBF的檢測性能好，正確率更高（見表1）。

圖3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

表1 基于三種算法的檢測正確率（50次）

4 結(jié)束語

提出了遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，并應(yīng)用于MIMO-OFDM系統(tǒng)信號(hào)檢測中。將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值，由于遺傳算法給BP網(wǎng)絡(luò)提供了較好的初始值，故能夠使BP網(wǎng)絡(luò)快速收斂到最優(yōu)解，避免了由初始值的隨機(jī)選取而帶來的檢測誤碼。仿真結(jié)果表明本文所提出的檢測器在誤碼率方面有良好的性能。

［1］Helmut Bolcskei，A JPaulraj.Multiple-Input Multiple-Output（MIMO）Wireless Systems［J］.IEEE Select Areas Communication，2003，21（4），281-302.

［2］周敏.量子遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)及其在MIMO系統(tǒng)信號(hào)檢測中的應(yīng)用研究［D］.南京：南京郵電大學(xué)，2010.

［3］Bo Xu，Zhiping Peng，Gaoang Wang，Jing Dai.An Improved Quantum-inspired Multi-objective Evolutionary Algorithm Based on Cloud Theory［J］.Journal of Computational Information Systems，2012，8（5）：2017-2023.

［4］周敏，李飛，鄭寶玉.基于量子算法的MIMO—OFDM信號(hào)檢測研究［J］.南京郵電大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，31（2）：78-82，93.

［5］王軍，劉寧，李少謙.一種動(dòng)態(tài)子信道分配MIMOOFDM波束成形系統(tǒng)的信號(hào)檢測算法［J］.電子與信息學(xué)報(bào)，2010，32（1）：135-140.

［6］才華，劉廣文，陳廣秋.基于神經(jīng)網(wǎng)絡(luò)的MIMO-OFDM信道估計(jì)［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47（34）：114-116.

［7］吳成恩，舒勤.一種新的基于訓(xùn)練序列的時(shí)域MIMOOFDM信道估計(jì)方法［J］.計(jì)算機(jī)科學(xué)，2012，39（5）：80-82.

［8］莫韜甫，邵士海，劉田，等.異步MIMO-OFDM中基于預(yù)處理矩陣的迭代檢測算法［J］.電子與信息學(xué)報(bào)，2012，34（4）：795-801.

Genetic Algorithm Optim izing BP Neural Network for Signal Detection

LIU Dong-xia，SHUN Qiong-qiong
（Department of Computer Science，Pingdingshan Institute of Education，Pingdingshan 467000，China）

In view of the problem of easily trapping in localminima caused by the traditionalmethod which using BP neural network algorithm alone，the genetic algorithm is put forward to optimize the BP neural network，and applied to signal detection in MIMO-OFDM system.Themethod，combining genetic algorithm and neural network，optimizes neural network initial values by genetic algorithm for the BP network convergence to the optimal solution quickly in order to avoid test error by the initial value of the random selection.The simulation results show that the presented method has a better performance in bit error rate.

BP neural network；Signal detection；MIMO-OFDM systems；Genetic algorithms

10.3969／j.issn.1002-2279.2014.04.021

TP393

：A

：1002-2279（2014）04-0066-02

河南省科技計(jì)劃重點(diǎn)項(xiàng)目（102102210416）

劉東霞（1979-），女，河南平頂山人，講師，主研方向：計(jì)算機(jī)技術(shù)應(yīng)用方面的研究。

2014-01-06