基于混合遗传算法的MIMO-OFDM系统多用户检测技术研究

【摘要】：随着移动通信技术的飞速发展,正交频分复用(OFDM)技术和多输入多输出(MIMO)技术已经成为通信领域内的研究热点。OFDM技术与MIMO技术优势互补,二者结合形成的MIMO-OFDM技术是下一代移动通信系统的首选方案,可有效对抗多径衰落和频率选择性衰落,提高数据传输速率和频谱利用率,增大系统容量。 在移动通信系统中,随着用户数的增多,MIMO-OFDM系统多用户检测(MUD)技术逐渐成为通信领域内的研究热点。本文结合MIMO-OFDM技术原理及多用户检测技术原理,对最小均方误差(MMSE)算法和最大似然(ML)算法两种传统多用户检测算法进行了性能分析。由仿真可知,MMSE算法的多用户检测性能低于ML算法;并且,这两种传统多用户检测算法都有一定的局限性,其中,MMSE算法的性能较低,ML算法的复杂度在实际工程中难以实现。 针对传统多用户检测算法无法兼顾检测性能和算法复杂度的难题,本文在MMSE算法和ML算法的基础上提出了基于遗传算法的MIMO-OFDM系统多用户检测算法。遗传算法以MMSE算法的结果作为初始种群,以ML算法的判定准则作为适应度函数,通过赌盘选择算子、两点交叉算子、相邻位倒序变异算子进行遗传操作产生新的种群。由仿真可知,基于遗传算法的MIMO-OFDM系统多用户检测在MMSE算法的基础上,以一定的算法复杂度为代价获得了比MMSE算法更高的检测性能,并且其复杂度和检测性能依然低于ML算法。 在遗传算法基础上,结合模拟退火算法和粒子群优化算法的思想提出了基于混合遗传算法的MIMO-OFDM系统多用户检测算法。本文主要对局部搜索能力强的遗传模拟退火算法和群体搜索能力强的遗传粒子群算法两种混合遗传算法进行性能分析。由仿真可知,基于混合遗传算法的MIMO-OFDM系统多用户检测在遗传算法的基础上可进一步提高系统性能,同时降低算法复杂度。 结合上述基于混合遗传算法的MIMO-OFDM系统多用户检测技术研究,本文从数学角度对混合遗传算法的复杂度及算法性能进行了扩展研究。以遗传模拟退火算法为例证明了混合遗传算法遵循类似于遗传算法的模式定理,定量分析了混合遗传算法的复杂度和收敛性,以及适应度函数的相关性,并通过MIMO-OFDM系统多用户检测中的相关仿真证明了上述理论分析的正确性。 综上,本文提出的基于混合遗传算法的MIMO-OFDM系统多用户检测以可接受的算法复杂度为代价,获得了高于MMSE算法并趋近于ML算法的多用户检测性能,较好地平衡了算法复杂度和系统检测性能。