买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明公开了一种针对OTFS系统使用的基于遗传算法与随机搜索算法结合的导频优化方法，该方法包括如下步骤：初始化种群；计算种群中的每个个体的适应度值；进入繁殖循环迭代；进行子代的交叉重组操作；进行子代的变异操作；进行子代的重插入操作；选择优秀个体并对其进行随机搜索算法；针对基于压缩感知的正交时频空OrthogonalTimeFrequencySpace，OTFS系统信道估计中的导频优化问题，以最小化恢复矩阵的互相关值为目标，将最小化互相关值作为选取最佳导频的准则。本发明该方法结合了遗传算法的优势，并对其中的部分种群进行随机搜索从而避免陷入局部最优问题,与常规遗传算法相比，效果更好，使用该算法得到的导频应用于信道估计中，能够获得更低的信道估计均方误差。

主权项：1.一种针对OTFS系统使用的基于遗传算法与随机搜索算法结合的导频优化方法，其特征在于，所述该方法包括如下步骤：步骤1：初始化种群：此算法中不同的导频符号集合即为遗传算法中每个个体，个体中的基因对应导频符号集合中每个导频符号的取值，设置个体的数目为NIND，每个个体的长度为INDLENGTH，由系统使用的导频符号集合中包含的导频符号个数决定，此时初始种群的大小为NIND,INDLENGTH，同时规定最大遗传代数MAXGEN和子代与父代的代沟为GGAP，选取每个个体的基因取值为+1或者-1，代数计数器gen＝0；步骤2：计算种群中的每个个体的适应度值，选取适应度值FitnV等于导频符号集合对应的恢复矩阵互相关值μ的倒数，并计算种群中每个个体对应的适应度值FitnVi，i＝1,2,…,NIND；步骤3：进入繁殖循环迭代，首先进行子代的选择操作，根据适应度值进行子代的选择，通过轮盘赌方式实现，由此选择出适应度值高的个体生成子代种群SelCh，子代被选择的概率为GGAP，子代种群SelCh的维度为NIND*GGAP,INDLENGTH；步骤4：进行子代的交叉重组操作，为子代种群中的每个个体选取交叉概率Pr进行离散重组，即在交叉点处选择多点交叉方式以概率Pr从群体中选择多个个体，按次序每两个一组，交换两个个体基因的某些位置，位置随机生成，产生两个新的个体；步骤5：进行子代的变异操作，选取合适的变异概率Pm并设置变异的限制FieldDR，由于在上述步骤1中基因的取值范围为+1或者-1，因此FieldDR的取值也+1或者-1，即以概率Pm从个体上随机选择出多个基因，并对该基因上的值进行改变，改变的范围为FieldDR，增加种群的多样性；步骤6：进行子代的重插入操作，经过上述步骤3至步骤5之后的新子代种群数量为NIND*GGAP,重新计算其适应度值FitnVSeli，其中i代表第i个子代个体，利用重插入的策略用新子代种群取代原有种群中适应值最低的NIND*GGAP个个体，获得新的种群；步骤7：选择优秀个体，将经过重插入之后得到的新种群的适应度值进行降序排序，并找出最大适应度值的前10％的个体进行保存从而得到个体集合Chrom_ten，并记录这些个体在原来种群中的位置记为Index；步骤8：对于筛选出来的个体集合Chrom_ten中每个个体，使用随机搜索算法，从个体的第一个基因开始，将每个基因取得其相反数后重新计算当前个体的适应度值，判断当前的适应度值是否大于改变之前适应度值，若大于，则用当前更改基因后的个体替换掉原个体；若小于或等于，则保持原来个体不变，接着再对下一位基因进行相同的操作，当前个体的所有基因位均操作完毕后，跳转至下一个个体，重复上述操作，直到个体集合Chrom_ten中每个个体都遍历完毕；步骤9：将经过随机搜索算法处理之后得到的新的个体重新按照上述步骤7中Index的位置重新插入种群，得到新的种群，并将这个新种群作为下一代繁殖的初始种群；步骤10：代计数器gen加一，并记录当前这一代最大目标函数值的倒数即导频符号集合对应的恢复矩阵最小互相关值，判断gen是否大于最大遗传代数MAXGEN，若满足则执行下一步，否则跳转至上述步骤3；步骤11：输出结果，选取最后一代种群中对应适应度值最大的种群的个体，就是最终优化后的导频符号集合pilotFinal，此时它是一个列向量，再通过维度变换转为二维导频符号集合即为最终得到的导频。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种针对OTFS系统使用的基于遗传算法与随机搜索算法结合的导频优化方法