倪 磊，劉志亮

(1.西南交通大學(xué)希望學(xué)院 軌道交通學(xué)院， 成都 610000；

基于MIMO層映射的網(wǎng)格PSO優(yōu)化算法

倪 磊1，劉志亮2

(1.西南交通大學(xué)希望學(xué)院 軌道交通學(xué)院， 成都 610000；

2.電子科技大學(xué) 機(jī)械電子工程學(xué)院， 成都 611731)

針對(duì)MIMO系統(tǒng)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(wǎng)格粒子群算法。該算法將基帶信號(hào)處理過程中調(diào)制后的碼字進(jìn)行層映射，引入加權(quán)因子對(duì)映射碼字進(jìn)行加權(quán)處理，通過粒子群收斂特性使碼字根據(jù)載波數(shù)量不同而選擇調(diào)度到最優(yōu)網(wǎng)格層上，以此提高多個(gè)碼字之間的復(fù)用能力。仿真結(jié)果表明：在用戶復(fù)用的尋優(yōu)精度和收斂性方面，該算法優(yōu)于傳統(tǒng)的遺傳算法和比例公平算法，可降低系統(tǒng)的用戶吞吐量。

網(wǎng)格粒子群算法；層映射；碼字；收斂性

LTE-A(LTE-Advanced)是LTE的演進(jìn)版本，3GPP提出了使用載波聚合CA(carrier aggregation)技術(shù)來滿足未來幾年內(nèi)無線通信市場的更高需求和更多應(yīng)用，同時(shí)還保持對(duì)LTE較好的后向兼容性[1]。在以往有關(guān)單載波MIMO的研究文獻(xiàn)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(tǒng)中，遺傳算法[2]的應(yīng)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(yīng)用中未考慮發(fā)送端和接收端精確的信道信息。因此，本文提出一種基于網(wǎng)格分層粒子群在層映射過程中的優(yōu)化算法,在下行物理信道基帶信號(hào)處理中，將調(diào)制后的碼字按一定規(guī)則重新排列，通過引入加權(quán)因子對(duì)用戶碼字進(jìn)行加權(quán)處理，通過粒子群收斂特性使碼字根據(jù)子載波數(shù)量不同而選擇調(diào)度到最優(yōu)子載波，可提升多個(gè)用戶之間的復(fù)用能力。相比其他算法，仿真結(jié)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(yōu)精度方面都有顯著提升，可降低系統(tǒng)的用戶吞吐量。

1 系統(tǒng)數(shù)學(xué)模型

1.1MIMO系統(tǒng)采用網(wǎng)格分層粒子群模型

網(wǎng)格分層法[4](gridding partition)是一種確定性全局優(yōu)化方法，可以很好地對(duì)可行域進(jìn)行劃分。MIMO系統(tǒng)采用的網(wǎng)格分層的粒子群優(yōu)化算法(GPPSO)數(shù)學(xué)模型是指在發(fā)送端eNodeB到接收端UE之間的空間區(qū)域內(nèi)，將數(shù)據(jù)流的解空間劃分為不同的格點(diǎn)，每一個(gè)格點(diǎn)代表一種狀態(tài)，將不同狀態(tài)之間的格點(diǎn)連接起來，以此求出約束函數(shù)與目標(biāo)函數(shù)的值。根據(jù)所求連續(xù)域優(yōu)化問題的性質(zhì)估計(jì)出所求變量的取值范圍xi∈[xil,xiu], (i=1,2,3,…,n)。將連續(xù)域的變量xi進(jìn)行劃分，先選取m個(gè)初始解，其m個(gè)取值構(gòu)成了該分量相應(yīng)子區(qū)間的候選組，即hi=xiu-xil/m-1。這里將解的n個(gè)分量看成n個(gè)頂點(diǎn)，在第i個(gè)頂點(diǎn)到第i+1個(gè)頂點(diǎn)之間有ki條連線，代表第i個(gè)分量的取值在ki個(gè)不同的信道之內(nèi)，并記其中第j條信道連線在t時(shí)刻的信息量為τij(t)。第i個(gè)分量的m個(gè)取值構(gòu)成了該分量相對(duì)應(yīng)信道之間的候選組。碼字所經(jīng)過的信道路徑代表1個(gè)解，則n條路徑表示它的n個(gè)分量[5]。

圖1 碼字分配過程

粒子群從第i個(gè)變量xi向第i+1個(gè)變量xi+1狀態(tài)轉(zhuǎn)移的概率可按式(1)計(jì)算[6]：

(1)

式中τij為第i個(gè)節(jié)點(diǎn)的第j級(jí)的吸引度，其更新方程為

(2)

某粒子選中第j級(jí)的i個(gè)節(jié)點(diǎn)的隨機(jī)搜索策略為：

xij=xil+hi×(j-1+γi)

(3)

粒子i從初始節(jié)點(diǎn)xil出發(fā)依次選擇下一節(jié)點(diǎn)，選擇完第n個(gè)頂點(diǎn)xiu，再從初始點(diǎn)環(huán)游的終點(diǎn)進(jìn)行選擇，這樣每個(gè)粒子完成一次環(huán)游，更新各個(gè)節(jié)點(diǎn)的吸引度τij，然后在每個(gè)分量的各個(gè)節(jié)點(diǎn)中選擇τij最大的那個(gè)節(jié)點(diǎn)，以這個(gè)節(jié)點(diǎn)為中心構(gòu)造新的搜索區(qū)域，并將新的區(qū)域進(jìn)行新的分層，重復(fù)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(gè)分量選取N個(gè)值后，對(duì)其實(shí)行空間解搜索策略，將所得到的值作為新一代的相應(yīng)分量。

1.2碼字重排策略[7]

在信道數(shù)據(jù)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(qū)域內(nèi)i的位置向量。

(4)

(5)

(6)

(7)

2 算法尋優(yōu)實(shí)現(xiàn)步驟

2.1 算法收斂性實(shí)現(xiàn)步驟

計(jì)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(gè)粒子隨機(jī)放置于初始區(qū)域上}

for(index=0;index

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

{if(ηij≥0)

保留該區(qū)域當(dāng)前己搜索到的目標(biāo)函數(shù)最大值向量}

else

按公式的原則作區(qū)域內(nèi)搜索；

}

保留當(dāng)前最好解xmax及最優(yōu)值fmax；

}

C=C+1;

}

輸出結(jié)果；

}

2.2 碼字重排實(shí)現(xiàn)步驟

步驟2 將各變量進(jìn)行m-1等分，完成m-1級(jí)決策層的分割。

步驟4 如果hmax>hc，hmax=max(h1,h2,…,hn)，則跳轉(zhuǎn)到步驟2；若滿足循環(huán)終止條件，結(jié)束重排策略，找到最優(yōu)值。

3 仿真結(jié)果分析

仿真時(shí)選擇如下參數(shù)，給出粒子群算法尋優(yōu)的經(jīng)驗(yàn)值參數(shù)，如表1所示。

表1 仿真參數(shù)

參數(shù)說明：慣性權(quán)重、學(xué)習(xí)因子、擾動(dòng)因子根據(jù)PSO算法經(jīng)驗(yàn)得出[6]。

圖2是粒子數(shù)為30時(shí)的收斂情況。通過Matlab仿真分析發(fā)現(xiàn)，隨著迭代次數(shù)的增加，最終收斂情況見圖2(c)(d)，網(wǎng)格優(yōu)化算法的穩(wěn)定性較高且能很快達(dá)到收斂。因此，網(wǎng)格粒子群算法的尋優(yōu)精度和穩(wěn)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(shè)粒子數(shù)比用戶數(shù)多，因?yàn)橛行诺罁p失，發(fā)射端的用戶碼字通過粒子群替代，接收端根據(jù)粒子群的迭代提取最優(yōu)數(shù)據(jù)。圖3的仿真結(jié)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?jǐn)?shù)據(jù)流到UE之間的收斂速度。在某個(gè)線性組合點(diǎn)，粒子將數(shù)據(jù)重新放置在其個(gè)體最優(yōu)與全局最優(yōu)之間的具有更好解的區(qū)域。仿真結(jié)果表明：采用該算法在0.024 s時(shí)已經(jīng)完成區(qū)域碼流的收斂，說明網(wǎng)絡(luò)優(yōu)化PSO算法中碼流數(shù)目越多，所需時(shí)間越少。

圖2 不同迭代次數(shù)的解分布及解收斂情況

圖3 網(wǎng)格分層粒子群的收斂軌跡

在仿真過程中，系統(tǒng)吞吐量也是需要考慮的性能參數(shù)。在用戶數(shù)增多的情況下，平均吞吐量增大，用戶信道質(zhì)量變差的可能性增加。圖4的仿真結(jié)果顯示：相比遺傳算法和比例公平算法，網(wǎng)格分層粒子群算法可能給信道環(huán)境差的用戶分配更多無線資源塊，從而導(dǎo)致發(fā)射端系統(tǒng)吞吐量的降低。編碼后的數(shù)據(jù)流按照網(wǎng)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(tǒng)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(tǒng)吞吐量比較

4 結(jié)束語

本文提出一種網(wǎng)格分層粒子群在MIMO層映射的算法。仿真實(shí)驗(yàn)結(jié)果表明：該算法在層映射過程中的收斂速度和尋優(yōu)性方面，相比遺傳算法和比例公平算法，其對(duì)碼流尋優(yōu)性有顯著提升效果，算法收斂時(shí)間有所降低，降低了發(fā)射端系統(tǒng)的吞吐量。

[1] 朱媛，桂云松，王正斌.LTE-A系統(tǒng)下行MIMO檢測算法改進(jìn)研究[J].南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015,35(3):76-78.

[2] 李國慶，尹洪勝.采用遺傳算法的網(wǎng)絡(luò)優(yōu)化技術(shù)[J].華僑大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015,36(6):663-666.

[3] 魏玉杰.LTE-A系統(tǒng)載波聚合下基于用戶分組的比例公平調(diào)度算法研究[J].重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013,25(3):310-314.

[4] 尹云回，祝鵬，楊宇博.流線擴(kuò)散有限元方法在分層網(wǎng)格上的收斂性分析[J].計(jì)算數(shù)學(xué),2015,37(1):83-91.

[5] 段海濱，王道波，于秀芬.一種求解連續(xù)空間優(yōu)化問題的改進(jìn)粒子群算法[J].系統(tǒng)仿真學(xué)報(bào)，2007，19(5)：974-977.

[6] 羅志平，周新志，王標(biāo).改進(jìn)粒子群優(yōu)化(MPSO)算法在動(dòng)態(tài)配水中的應(yīng)用[J].中國農(nóng)村水利水電，2007(6)：24-27.

[7] 朱慶保.粒子群優(yōu)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(yōu)化算法[J].計(jì)算機(jī)工程與應(yīng)用，2007，43(25)：69-70.

(責(zé)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(xué)基金資助項(xiàng)目(17ZB0266)

倪磊(1984—)，男，寧夏銀川人，碩士，講師，主要從事模式識(shí)別與智能系統(tǒng)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(shí)別與智能系統(tǒng)方面研究。

倪磊，劉志亮.基于MIMO層映射的網(wǎng)格PSO優(yōu)化算法[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，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