量子遗传算法优化神经网络及其在MIMO系统信号检测中的应用研究 第21页
5.3.2 检测算法仿真及性能分析
为了了解量子遗传算法(QGA)的检测性能，我们将它与经典遗传算法(GA)和最小均方误差算法(MMSE)进行比较。实验条件设置如下：OFDM的子载波数 =16，每个载波发送的符号数为160；假设信道矩阵H已知，在每T=160个符号周期内都保持不变；而且，假设接收端知道精确的信道状态信息；发送端使用的是未编码的QPSK调制；用户发送功率为1，传输对于每一个噪声是复数值的加性高斯白噪声，且服从均值为零的独立同分布的高斯白噪声；使用4个发送、4个接收天线的单径MIMO-OFDM系统。
实验中QGA的控制参数同4.4.2节设置。
实验结果如图5-3所示。
其中横坐标表示信噪比(SNR)，纵坐标表示误比特率(BER)。实验表明：在低信噪比时，QGA算法和GA算法的检测性能比较接近，但随着信噪比的增加，QGA算法的性能相比GA算法的优越性越来越明显，这是因为QGA算法具有量子并行计算特性，在算法速度上，比GA算法要快。
图5-3 4发4收QPSK调制时的QGA算法检测性能
5.4 基于神经网络的MIMO-OFDM系统信号检测方案及性能测试
5.4.1 基于神经网络的MIMO-OFDM系统信号检测方案
在4.5.1节所研究的基于神经网络的MIMO系统信号检测方案的基础上，图5-4为设计的基于神经网络的MIMO-OFDM系统信号检测方案。在接收端，每副天线接收到从 副不同天线发送并经过MIMO-OFDM信道线性叠加的信号后，对每一路数据流都要进行串并转换并去掉循环前缀。然后按照接收天线分别做 点的FFT变换，从时域变换到频域。当神经网络的输入结点数与接收天线数 相等时，可以将接收天线端收到的信号作为网络的输入信号。检测算法采用3.3.2节介绍的基于聚类算法的RBF神经网络。最后将并行的数据流检测解调后通过并/串转换器得到恢复的信息比特流。
基于聚类RBF神经网络的MIMO-OFDM系统信号检测算法流程参见4.5.1.2节。
图5-4 基于聚类RBF神经网络的MIMO-OFDM系统信号检测方案
5.4.2 检测算法仿真及性能分析
为了了解基于聚类算法的RBF神经网络在MIMO-OFDM系统中的检测性能，我们将它与量子遗传算法(QGA)和最小均方误差算法(MMSE)进行比较。实验条件设置如下：OFDM的子载波数 =16，每个载波发送的符号数为160；假设信道矩阵H已知，在每T=160个符号周期内都保持不变；而且，假设接收端知道精确的信道状态信息；发送端分别采用BPSK和QPSK调制；用户发送功率为1，传输对于每一个噪声是复数值的加性高斯白噪声，且服从均值为零的独立同分布的高斯白噪声；使用4个发送、4个接收天线的单径MIMO-OFDM系统。
实验中聚类RBF神经网络的控制参数见表4-1。
实验结果如图5-5(BPSK)，图5-6(QPSK)所示。
其中横坐标表示信噪比(SNR)，纵坐标表示误比特率(BER)。实验表明：(1) 无论是BPSK还是QPSK调制，在低信噪比时，基于聚类算法的RBF网络检测性能与量子遗传算法的检测性能曲线很接近，然而随着信噪比的增加，RBF网络检测性能不及量子遗传算法的检测性能；(2) 图5-5和图5-6比较可以看出，基于聚类算法的RBF网络在BPSK调制下的性能曲线与在QPSK调制下的性能曲线的变化趋势基本一致。但是，基于聚类算法的RBF网络在BPSK调制下的性能曲线比在QPSK调制下的性能曲线下降的快，也就是说，在BPSK调制下的检测性能较好一些。
图5-5 4发4收BPSK调制时的RBF-聚类算法检测性能
图5-6 4发4收QPSK调制时的RBF-聚类算法检测性能
5.5 基于量子遗传算法优化神经网络的MIMO-OFDM系统信号检测方案及性能测试
5.5.1 基于量子遗传算法优化神经网络的MIMO-OFDM系统信号检测方案
在4.6.1节所研究的基于量子遗传算法优化神经网络的MIMO系统信号检测方案的基础上，图5-7为设计的基于量子遗传算法优化神经网络的MIMO-OFDM系统信号检测方案。在接收端，每副天线接收到从 副不同天线发送并经过MIMO-OFDM信道线性叠加的信号后，对每一路数据流都要进行串并转换并去掉循环前缀。然后按照接收天线分别做 点的FFT变换，从时域变换到频域。进入检测器先经量子遗传算法检测，再将其检测输出作为神经网络检测的输入信号，神经网络检测算法采用3.3.2节的基于聚类算法的RBF神经网络。最后将并行的数据流检测解调后通过并/串转换器得到恢复的信息比特流。
该检测器的优化过程依然分为两个阶段：QGA在大范围的全局“粗搜索”和神经网路的局部“细搜索”。首先应用QGA在解空间进行全局搜索，找到一个较好的搜索结果，然后将此结果作为神经网路的初始值，再利用网络方程寻找全局最优解。
<< 上一页 [21] [22] [23] 下一页
量子遗传算法优化神经网络及其在MIMO系统信号检测中的应用研究 第21页下载如图片无法显示或论文不完整，请联系qq752018766
