（电路与系统专业论文）基于智能信息处理MIMO系统盲均衡研究[电路与系统专业优秀论文].pdf

摘要 高速率移动通信系统的传输性能常常会因为码间干扰的存在而削弱。为 了能恢复出发送信号，码问干扰在接收端应该得到补偿。在许多实际通信系 统中，训练序列很难得到。盲均衡和辨识只用到接收信号和发送信号的一些 特定知识，而无需训练序列。盲均衡和盲辨识是当今的研究热点。在研究现 有一些盲均衡传统算法和智能算法的基础上，本论文提出了基于计算智能的 直接盲均衡算法：先利用接收数据正交补投影和发送信号属于有限字符集的 先验知识，构造直接盲检测发送信号的二次规划问题；然后利用遗传算法 ( g a ) 、禁忌搜索( t s ) 等智能方法来恢复出所有用户的信号。假定多输入多输 出( m 1 m o ) 信道的最大公因式符合本论文提出的充分必要条件，则该多输入信 号可盲恢复，而不管信道是否含有公零点，也不管信道函数矩阵是否可列简 化。仿真结果表明，本文算法表现出优于现有文献算法的良好性能。 本论文共分四章：第一章概述了本文所做的主要工作。第二章介绍了基 于高阶统计量和基于二阶统计量的盲均衡算法。第三章分别介绍了g a 、t s 、 s a 应用于s i m o 系统盲均衡。最后一章提出了基于m i m o 系统的智能盲均衡 算法，给出了相关智能算法性能比较的仿真结果。 关键词：盲均衡；盲辨识；多输出多输入系统；计算智能：公零点 注：本学位论文受国家自然科学基余资助( n o6 0 1 7 2 0 5 8 ) 南京邮电人学琐j ：研究生学位论义 摘要 a b s t r a c t h i g hs p e e d m o b i l ec o m m u n i c a t i o n s y s t e m s a r e u s u a l l yi m p a i r e db yi n t e r s y m b o l i n t e r f e r e n c e ( i s i ) i no r d e rt or e c o n s t r u c tt h et r a n s m i t t e ds e q u e n c e ，t h ei s im u s tb ec o m p e n s a t e d a tt h er e c e i v e r i nm a n yp r a c t i c a la p p l i c a t i o n s ，s i n c eat r a i n i n gs e q u e n c ei su n a v a i l a b l e ，t h eb l i n d i d e n t i f i c a t i o na n de q u a l i z a t i o ns h o u l db ed o n eb a s e do n l yo nt h er e c e i v e dn o i s ys e q u e n c e ( o u t p u t ) a n dal i t t l ek n o w ni n f o r m a t i o no ft h ei n p u t b l i n dt e c h n o l o g yo fe q u a l i z a t i o na n di d e n t i f i c a t i o ni s ah o tr e s e a r c ht o p i cr e c e n t l y b a s e do ns t u d yo fs o m ee x i s t i n gb l i n de q u a l i z a t i o nt r a d i t i o n a la n d i n t e l l i g e n ta p p r o a c h e s ，t h i st h e s i sp r o p o s e s an e wd i r e c te q u z a l i z a t i o na l g o r i t t u nb a s e do n c o m p u t a t i o n a li n t e l l i g e n c e t h en e wa l g o r i t h mc o n s t r u c t sa q u a d r a t i cp r o g r a m m i n gp r o b l e mt ob l i n d l y d e t e c t t r a n s m i t t e ds i g n a l sb yu s i n gt h ep r o j e c t i o no ft h eo r t h o g o n a lc o m p l e m e n to far e c e i v e dd a t e m a t r i xa n dap r i o r ik n o w l e d g et h a tt r a n s m i t t e ds i g n a l sb e l o n g st oaf i n i t ea l p h a b e t t h e ng e n e t i c a l g o r i t h m ( g a ) ，t a b us e a r c h ( t s ) a n ds i m u l a t e da n n e a l i n g ( s a ) a r ep r o p o s e dt or e c o v e re a c h u s e r st r a n s m i t t e ds i g n a ld i r e c t l y i f t h em a x i m a lc o m m o nf a c t o ro f am i m oc h a n n e ls a t i s f i e st h e n e c e s s a r ya n ds u f f i c i e n tc o n d i t i o np r e s e n t e db yt h et h e s i s ，t h ei n p u ts i g n a l so fm u l t i p l eu s e r sa r e r e c o v e r a b l e r e g a r d l e s so fc h a n n e l sh a v i n gc o m m o nz e r o so rn o ta n dt h ec h a n n e lt r a n s m i s s i o n m a t r i xb e i n gc o l u m n r e d u c e do rn o t s i m u l a t i o nr e s u l t ss h o wt h a tt h en e wa l g o r i t h m ，p r o p o s e d i nt h i st h e s i s ，d e l i v e r sb e t t e rp e r f o r m a n c ec o m p a r i n gw i t he x i s t i n gt r a d i t i o n a la p p r o a c h e s t h et h e s i si so r g a n i z e da sf e l l o w s ，t h em a i nw o r ko ft h i st h e s i si sd e s c r i b e di nc h a p t e r1 t h eb l i n de q u a l i z a t i o na l g o r i t h m sb a s e do nh i g ho r d e rs t a t i s t i c s ( h o s ) a n ds e c o n do r d e r s t a t i s t i c s ( s o s ) a r e i n t r o d u c e dr e s p e c t i v e l yi n c h a p t e r2 i nc h a p t e r3 ，s o m ei n t e l l i g e n t o p t i m i z a t i o na l g o r i t h m s ( g a ，t s ，s a ) a r eu s e df o rr e c o v e r i n gt r a n s m i t t e ds e q u e n c e si ns i m o s y s m t e m s i nt h el a s tc h a p t e r , t h eb l i n de q u a l i z a t i o ni n t e l l i g e n ta l g o r i t h m sf o rm i m os y s t e m sa r e p r o p o s e d ，t h ei d e n t i f i a b i l i t yo f t h e s ea l g o r i t h m sa r ed i s c u s s e d ，a n dc o r r e s p o n d i n gs i m u l a t i o n s a r e g i v e n k e yw o r d s ：b l i n de q u a l i z a t i o n ； s y s t e m s ；c o m p u t a t i o n a li n t e l l i g e n c e ； b l i n di d e n t i f i c a t i o n ； m u l t i p l e i n p u tm u l t i p l e o u t p u t c o m m o nz e r 0 s 南京邮电大学 硕士学位论文摘要 学科、专业：工学电路与系统 研究方向： 通信系统和网络中的控制技术 作 者：三旦堕级研究生 刘晓峰指导教师鳖查逦 题目：基于智能信息处理m i m o 系统盲均衡研究 英文题目：s t u d y o fb l i n d e q u a l i z a t i o na l g o r i t h m s f o rm i m o s y s t e m sb a s e do ni n t e l l i g e n ti n f o r m a t i o np r o c e s s i n g 主题词：盲均衡盲辨识多输出多输入系统计算智能 公零点 k e y w o r d s ： b l i n de q u a l i z a t i o n b l i n di d e n t i f i c a t i o n m u l t i p l e i n p u tm u l t i p l e o u t p u ts y s t e m s c o m p u t a t i o n a li n t e l l i g e n c e c o m m o nz e r o s 南京邮电大学学位论文独创性声明 本人声明所望交的学位论文是我个人在导师指导r 进行的研究 工作及取得的研究成果。尽我所知，除了文中特别加以标注和致驸的 地方外，论文巾不包含其他人已经发表或撰写过的研究成果，也不包 含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了 明确的说明并表示了谢意。 越乳幽t 南京邮电大学学位论文使用授权声明 南京邮电大学、中国科学技术信息研究所、国家图书馆有权保留 本人所送交学位沦文的复印件和电子文档，可以采用影印、缩印或其 他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一 致。除在保密期内的保密论文外，允韵：论文被查阅和借阕，可以公布 ( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权 南京邮电大学研究生部办理。 麟罐皋名：弛吼趟羔。 南京邮电大学顿1 研究生学位论义 第一章结论 1 1 本文的研究背景和意义 第一章绪论 在新一代移动通信系统( 4 g ) 需要提供极高的数据速率，在有限的频谱下提供尽可能高 的传输速率这就需要采用高频谱利用率技术。在理想情况下，多入多出( m i m o ) 技术可 以随着天线数目的增大而线性增大信道容量，具有极高的频谱利用率，是未来移动通信系 统中最富有竞争力的技术之一。特别是移动通信在过去的几十年里经历了从模拟通信到数 字通信、从f d m a 到t d m a 再到c d m a 的发展过程，前后已经经历了三次技术更新。1 9 9 0 年代中期，人们发现了阵列天线可以显著提高通信链路容量这一令人振奋的成果，为通信 和信息理论带来了巨大的变革，从而引发了m i m o 阵列在通信中应用研究的浪潮。其中 贝尔实验室的t e l a t a r ( 1 9 9 5 ) 、f o s c h i n i ( 1 9 9 6 ) 、y a r o k h ( 1 9 9 8 ) 为m i m o 系统的容量和分集做 了大量丌拓性工作。在短短几年早，m i m o 技术用于天线增益，分集增益，多工增益以及 抗干扰等方面取得了丰硕的成果，同时m i m o 技术已获得大量的实验验证，并获得众多无 线应用、标准化组织的青睐。m i m o 技术已经并且必将继续在未来的无线通信应用中发挥 其巨大的潜力和价值。m i m o 技术作为提高数据传输速率的重要手段，已经披认为是新一 代无线传输系统的关键技术之，得到人们越来越多的关注。这也是本文工作的一个重要 的原因。 由于无线通信中多径信道引起的码间干扰( i s l ) 会严重恶化通信系统的性能。消除i s i 的方法是使用均衡技术，传统的均衡技术需要用户发送训练序列，在g s m 系统中，大约 有2 0 的发送序列用于l 练，通过重复发送确定的己知训练序列接收端均衡器的代价非常 高有人做过统计，在高频通信中，用来传输训练序列的时间可达整个通信时间的一半。 训练序列的发送要占用一定信道容量，从而降低了通信信道的传输效率。盲均衡只根据接 收信号的观测序列，无需训练序列的均衡处理，从而改进了通信信道的传输效率。盲辨识 与均衡技术为通信信号处理中的核心技术之，近年来成为了研究的热点。由于盲信号处 理技术的发展，盲均衡成了通信技术取得的最重要的新进展之一。目前已经陆续提出了利 用高阶统计量( h o s ) 、高阶累积量( h o c ) ：f 3 - - 阶统计量( s o s ) 的盲均衡算法，其中也包括了 一些利用智能方法解决盲问题。但是这些方法有着一些明显的弱点，所需数据量大、数学 模型复杂、启发式搜索容易导致陷入局部最优、速度慢而且很难收敛、不能自适应等，都 有待解决。 南京邮i 乜人学坝【删f 究生学位论文 第章绪论 信息是人类认识世界、改造世界的知识源泉。人类社会的进步在一定程度上取决于对 于信息的了解、处理和利用的水平。随着科学技术的发展，信息科学越来越显示出基重要 性。智能信息处理技术是当今信息科学研究的热点。智能信息处理的主要任务就是制造了 具有学习、理解和判断能力的人工智能系统。它的本质就是要研究一些算法来提取信号中 的有用信息，从而实现系统的智能化。随着近l o 年来计算智能的兴起，计算智能的应用 越加广泛。智能信息处理就是将不完全、不可靠、不精确、不一致和不确定的知识和信息 逐步改变为完全、可靠、精确、一致和确定的知识和信息的过程和方法。智能优化技术应 用于盲信号处理已成为研究的热点。 基于以上背景，现阶段，m i m o 系统的盲均衡智能算法具有定的研究价值。本文正 是从在研究了当前的技术发展背景的情况下，提出了本文的研究课题，即“基于智能信息 处理m i m o 系统盲均衡研究”。 1 2 无线m i m o 技术 随着无线通信的发展，在新一代的无线通信系统中，人们对高速率，高质量的服务需 求更高，这就要增加系统的容量和网络连接的可靠性。但是有限的频谱资源日益紧张。同 时，无线传输环境中的衰落，多径失真不容忽视。为此人们提出了用m i m o ( m u l t i p t ei n p u t m u l t i p l eo u t p u t ) 来解决上述问题。m i m o 技术可以在不增加带宽的情况下成倍地提高通信 系统的容量和频谱的利用率。普遍认为，m i m o 技术是新一代无线通信的关健技术 ”。 在传统的无线系统中，根据c e s h a n n o n 给出的信道容量公式c = w l o g ，( 1 + s n ) ， 增加信噪比可以提高频谱的使用效率，在蜂窝( 多用户) 方案中，由于来自其他用户的干扰 电平通常高于系统的热噪声，所以在这种情况下增大发射功率似乎对增加信道容量没有太 大的帮助。提高频谱使用效率的另一种方法是使用分集技术。如果发射端使用单根天线， 接收端使用多根天线，这种分集通常称为接收分集，也称之为单输入多输出( s i m o s i n g l e i n p u tm u l t i p l eo u t p u t ) 系统，采用最佳合并的接收分集技术通常能改善接收端的s n r 从而 提高信道的容量和频谱的使用效率。如果发射端使用多根天线，接收端使用单根天线，这 种分集通常称为发射分集，也称之为多输入单输出( m i s o - m u l t i p l ei n p u ts i n g l eo u t p u t ) 系 统。如果发射端不知道信道的状态信息，无法在多发射天线中采用波束形成技术和自适应 分配发射功率，信道容量的提高不是很多。s i m o 和m i s o 技术的发展自然演变成m i m o 技术，即在无线链路的两端都使用多根天线，m i m o 系统与s i m o 和m i s o 系统相比，可 以取得巨大的信道容量，该信道容量突破了传统的单输入单输出信道容量的瓶颈，是c e ， 南京邮i 也人学坝i j 研究生学位论史第一章绪论 s h a n n o n 信道容量的推广。粗略地悦，使用m i m o 技术的好处在于能创建多个并行的j 下交 子信道、能综合使用发射分集和接收分集技术、能较大地增加天线的增益等等。作为大容 量无线接口的关键技术之一的m i m o 技术，其理论、算法和实现等已经得到广泛的研究。 下面简述m i m o 的概念与研究进展情况。 1 , 2 1m i m o 系统的概念 m i m o 系统是在无线通信智能天线技术的基础上发展起来的，是无线通信领域智能天 线技术的重大突破。其主要特点就是在通信系统的收发两端采用多天线配置，以解决未来 移动通信系统大容量高速率传输和同盏紧张的频谱资源之间的矛盾。 无线m i m o 系统是指在发射端和接收端分别使用多个发射天线和接收天线的无线通 信系统。m i m o 并不是一门新技术早在1 9 0 8 年马可尼就提出用m i m o 方式束抵抗无线 信道的衰落。贝尔实验室的e t e l a t a r 和g j f o s c h i n i 分别独立地在他们各自的论文【2 和【3 】 中论证了理论上的m i m o 信道的香农容量。他们指出，使用p k 信道矩阵描述k 副发射 天线和j ) 副接收天线系统的无线信道，如果p k 信道矩阵的元素之间具有理想的独立衰 落，系统容量将会随发射方和接收方天线数中最小一方的天线数m i n ( p ，目的增加而线性增 加。这可以在s i s o 基础上成倍地增加系统容量。同时，f o s c h i n i 还丌发了用于m i m o 系 统的实际发射接收算法，这就是著名的贝尔实验室分层空时结构( b l a s t ：b e l ll a b o r a t o r i e s l a y e r e ds p a c e - t i m e ) 算法 3 】。后来另外一个突破性的方案，即空时编码( s t c ：s p a c et i m e c o d i n g ) 的思想由a t & t 实验室提出 4 ，它可以提高m i s o 和m i m o 系统的分集增益。1 9 9 8 年为w o l n i a n k y 等人采用垂直+ 贝尔实验室分层空i b m ( v - b l a s t ：v e r t i c a lb l a s t l 算法f 5 1 建立 了个m 1 m o 实验系统，在室内试验中达到了2 0b p s h z 以上的频谱利用率，这一频谱 利用率在普通系统中极难实现，在移动蜂窝系统中，使用传统的无线通信技术，频谱效率 仅为l 5 b p s h z 。 普通通信系统中的多径传输通常会引起衰落，这是非常不利的。但对于m i m o 技术来 说，多径将作为个有利因素加以利用。图1 1 所示为k 个发射天线和p 个接收天线的 m i m o 系统原理图。信道矩阵h 可以表示为 ih h f h = l j ；i ( 1 1 ) l h 扎f h 以k h r 其中第( f ) 个元素h 。表示从第个发射天线到第i 个接收天线之问的信道衰落系统。 南京邮i 乜大学硕上研究生学位论文 第一章绪论 5 l ( k ) s 2 ( k ) t x s t ( k ) h i i ：- + j i ：； j ：、：j 、， 7 7、 | hx p 卜o l ( k ) - x 2 ( k ) r x - x p ( k ) 图1 1m i m 0 系统原理图 m i m o 系统在发送端和接收端使用多根天线，在发送端串行数据符号流经过一些必要 的空时处理后被送到天线进行发射，在接收端通过各种空时检测技术进行数据符号的恢 复。通常为了保证各个子数据符号流能够有效分离，各个天线之间必须保持足够大的距离 ( 通常要求半个载波波长以上) ，以防止接收信号间过大的相关性。由于各子数据符号流同 时发送到信道，它们共用同一频带，因而并未增加带宽。m i m o 系统可以创造多个并行空 间信道，因此数据率必然可以提高。 1 2 2 m i m o 信道模型与信道容量 信道模型 在平坦衰落即非频率选择性衰落条件下，收发端均采用了阵列天线，假设发射端有k 个天线，接收端有p 个天线， 就构成了个( 足，d 的无线m i m o 系统。在文献 6 】中提出了s i m o 信道的仿真模型， 对于m i m o 信道，可以等效为是由k 个s i m o 信道组成。在女时刻，m i m o 信道的输入 输出关系可以描述为下式的向量形式： x ( k ) = h ) s 嵇) + v f k )( i 一2 ) 式中，接收信号向量x ( ) = ( ) ，x ，( 七) 】7 ，信道矩阵为h ( t ) = h ( ) ，h ，( 女) 】r ，其中 h ，( 女) = 【( ) ，h j , v ( 女) r ，1 j 蔓p ，是从k 个发射天线到第j 个接收天线的信道向量。 s ( 女) = h ( ) ，s 。( 女) r 是从k 个发射天线发射的信号向量，v ( ) = 【v 。( 女) ，v ，( ) 】7 是接收 天线一端的噪声向量。 于是，m i m o 信道可以由k 个随机的h ( k ) 构成即 南京船j u 人学坝i j l i j | 究生学位论文 第一章绪论 kkp h ( 女) = h ，( r ) = o 女) ( i - 3 ) - i ，t 1 ，= l 式中，h ，( ) 表示第，个发射天线到第i 个接收天线之问的子信道。 信道容量 系统容量指通信系统在一定信噪比条件下所能达到的最大传输速率，是衡量通信系统 的重要指标之一。m i m o 技术能提高容量和性能的原因主要是充分利用了空州资源。上世 纪四十年代未贝尔实验室提出蜂窝概念，并在七十年代进行了实用化研制成功世界上第 一个蜂窝移动通信系统a m p s ，改变了人们对空侧资源利用的观念：后束，研究人员又进 步提出了微小区、微微小区等小区分裂的概念并成功进行了实用化，应用到了g s m 、 c d m a 系统中，以进一步提高系统的容量，并通过空f 白j 分集以提高接收性能；但由于小区 不能一昧地分裂下去，小区分裂的思想在大容量的需求条于牛下就变得不可行了。而利用空 间发送分集技术来提高容量的智能天线、m i s o 、m i m o 等各种空时联合处理技术则是进 一步提高系统容量和频谱效率的有效措施。 对于r a y l e i g h 衰落信道的m i m o 系统，则系统的容量可以表示为f 7 j ： c = l o g 2 ld e t ( i ”+ 晏h - h “) l ( b p s h z ) ( 1 - 4 ) 其中，p 是接收端平均信噪比，t t = ( h ，h 。是信道矩阵，其元素h 。是第歹个发射天线到 第i 个接收天线之问的信道衰落系数。足为发射天线数，p 为接收天线数。 当k ，尸很大，则信道容量c 近似为： c = m i n ( p ，k ) l o g2 ( p 2 )( i - 5 ) 其中，p 定义同上。和s i s o 系统相比，m i m o 系统的容量随天线数量较少端的天线数成 线性增长。 m i m o 技术可以成倍地提高无线信道容量，在不增加带宽和天线发送功率的情况下， 频谱利用率可以成倍地提高。时侧和频率都是一维的资源，而空问是三维的资源，如果对 信号的空 甘j 资源加以充分利用，潜力是巨大的。从移动通信的发展过程可以看出，m i m o 技术的出现是人们对空间资源逐步丌发利用的必然结果，因为m i m o 系统较以往的诸如智 能天线的方法更能充分地利用空制资源。在频带资源有限而高速数据需求无限增长的现实 下，利用增加发射天线柬增加空恻自由度、改善系统性能、提高频带利用率是无线通信领 域中的一个研究方向。mi m o 技术以其特有的优点，将成为未来移动通信中的关键技术之 南京邮电大学颂七研究生学位论文 第一章绪论 一，将对无线蜂窝系统的发展产生深远的影响。 1 2 3m i m o 系统的优势与应用 m i m o 系统的优势主要体现在以下几个方面： i 在实际的无线传输环境中，无线信号经发射机发送之后，由于建筑物或者是山脉 等导致了多个无线信号由不同的路径到达接收机，由于传播路径的不同，它们不是同步。 这样就引起了所谓的多径失真。而m i m o 却正是利用多径来改善性能。 2 m i m o 在同一频段的多条路径上传输信息，从而增加了系统的容量，可以同时支 持更多的用户。另外，m i m o 将信号数据划分为几部分并行地传输，处理信息速度更快。 m i m o 在多条路径上传输信息，增加了连接的可靠性。 3 在接收端，用与信号相关的矩阵来进行信号处理，可以降低干扰的影响。 4 在m i m o 系统中可以选择信号最清晰的天线来使用，这样就降低了误码率，提高 了通信质量。 5 m i m o 可以有效的增加传输范围。在实际的应用中，这不仅可以减少挤占的数量， 还可以使m i m o 网络的功耗比其它网络小。 6 如果采用空间复用的m i m o 结构，还可以增加网络的安全性能。因为黑客很难接 收到通过不同路径传播的所有信号。 目前，朗讯、松下、会桥和n t td o c o m o 等公司都在积极倡导m i m o 天线系统技术 的应用。在3 g p p 高速下行分组接入方案( h s p d a ) 中提出了使用m i m o 天线系统，这种系 统在发送和接收都有多副天线。另外，在3 g p p 的w c d m a 协议中，涉及到了六中分集方 法：空时分集发射( s t t d ：s p a c et i m et r a n s m i td d i v e r s i t y ) 、时间切换分集发射f r s t d ：t i m e s w i t c h e d t r a n s m i t d d i v e r s i t y ) 、两种闭环分集发射模式、软切换中的宏分集，以及站点选择 分集发射( s s d t ：s i t es e l e c t i o nd i v e r s i t yt r a n s m i t ) 。m i m o 技术已经广泛地应用在固定宽带 无线接入领域中，德国的a i r g o 已经将基于m i m o 技术的芯片引入到w i - f i 中，该技术可 将原有网络的容量增加一倍。在w l a n 中，m i m o 将结合o f d m 应用于在8 0 2 1 l n 标准。 在宽带无线接入w i m a x 方面，m i m o 已经成为8 0 2 1 6 的一部分。由于m i m o 的一些优 良性能非常适合3 g 、4 g 移动通信系统高速率业务，人们对m i m o 在未来移动通信系统的 应用研究f 1 益广泛。 南京邮l u 人学倾f 研究生学位论文 第一章绪论 1 3 智能信息处理技术 智能技术或方法来自于传统人工智t b ( a i ) ，它是利用基于谓词逻辑和符号系统的专家 知识，力图在某个狭窄的领域内获得高水平的性能。人类在推理和作结论时，通常是自然 语言。所以人工智能是致力于以语言或符号规则的形式来表达和模拟人类的智能行为。在 行为可以存储在符号结构化的数据库的假设下，人工智能是以符号运算为基础的，这就是 所谓的物理符号系统。在某些很窄的问题领域，如果存在明显的知识，那么符号系统对人 类专家系统的建模能提供很好的基础。人工智能的成功标志之一就是基于知谚 的系统，即 专家系统。这些智能计算和专家系统、神经网络、数据分析、自学习等技术以及常规计算 的密切结合、互为补充、相得益彰，概称为智能技术。智能信息处理技术的一个显著特点 是适应现实世界遍布的不精确性，以较好的可处理性、鲁棒性、低成本进行求解以及与现 实更好地紧密联系。智能信息处理技术不是一个单独的方法论，而是一个方法的集合，在 这个集合中的主要成员有【8 】：模糊逻辑f l ( f u z z yl o g i c ) 、神经计算n c ( n e u r a l c o m p u t a t i o n ) 、 遗传算法g a ( g e n e t i ca l g o r i t h m ) 、模拟退火s a ( s i m u l a t e da n n e a l i n g ) 、禁总搜索t s ( t a b u s e a r c h ) 等。其中有些是本文所用到的技术方法。 1 3 1 计算智能( c i ) 的基本概念 当酚，人们谈到人工智t i ( a i ) 就联想到逻辑、规则、推理，而一谈到计算就联想到 矩阵运算、解微分方程，似乎智能和计算是一对平行线。然而在实际中，由于知识获取和 表示是相对复杂的，所以谓词逻辑和符号运算限制了传统人工智能理论可以应该应用的领 域，新型智能信息处理技术是现代人工智能的重要组成。是当前信息科学理论和应用研究 中的一个热点领域，它是把对信息的吸取和加工推理，从代表性的简单的数值计算，向模 拟人脑对不确定性的辨别、思考、预测、优化和决策等方面发展。随着计算机技术的飞跃， 智能技术也得到了新的进展，形成了近年来常被称道的智能计算，包括模糊方法、神经计 算、粗糙集理论和遗传算法等。目前计算智能( c i ) 3 e 要是基于生物进化的进化计算与自适 应方法，以及基于生理学的人工神经网络方法等。实际上，只要在计算机上，模拟人类思 想，不管用什么方法，其本质的基础还是二进制数字计算，在当前符号处理主宰人工智能 的情况下，遗传算法等以数字计算为基础的方法对推动人工智能发展有着特殊的作用。计 算机技术的飞速发展使大规模的现实模拟成为可能，而针对社会和生物现象的模拟，对人 类认 = 自身及其环境具有重大意义，计算智能是最为诱人的领域之一。 南京邮电人学硕士研究生学位论文 第一章绪论 1 3 2 智能优化技术 优化技术是一种以数学为基础的，用于求解各种工程阀题优化解的应用技术。优化技 术作为一个重要的科学分支，它一直受到人们的广泛重视，并在诸多工程领域得到迅速推 广和应用。如今，科学技术1 处于多学科相互交叉和渗透的时代，特别是计算机科学与技 术的迅速发展，从根本上改变了人类的生产与生活方法。同时，随着人类生存空间的扩大 以及认识与改造世界范围的拓宽，使得人们对科学技术提出了更新、更高的要求，尤其是 对高效的优化技术和智能计算的要求日益迫切。 在过去几十年罩，传统优化方法成功的应用到了所有工程领域，包括通信领域。其中 大部分都采用了一种确定性策略。当这些方法遵循一定的假设条件时，如可微性 f d i f e r e n t i a b i l i t y ) ，才可以求得函数的全局最小值。然而，在实际问题中可能并不满足这些 假设条件。在这种情况下，确定性方法常常收敛到目标函数的一个局部最小。因此，如果 我们不了解目标函数在多维空间中的变化、最小值的存在、可行或不可行域的位置，则最 好采用一种随机优化过程( s t o c h a s t i co p t i m i z a t i o np r o c e d u r e s ) 。鉴于实际工程问题的复杂性、 约束性、菲线性、多极小、建模困难等特点，寻求一种适合于大规模并行且具有智能特征 的算法，己经成为有关学科的一个主要研究目标和引入注目的研究方向。由于这些实际工 程问题具有内在的非线性和多峰值特性，它们并不存在种确定的优化方法可以确定全局 最优解。在过去二十年里，人们发展了不确定方案来求解全局最优化问题。2 0 世纪8 0 年 代以来，提出了一些新颖的优化算法，如人工神经网络、混沌、遗传算法、进化规划、模 拟退火、禁忌搜索、以及混合优化策略等。这些算法通过摸拟或揭示某些自然现象或过程 面得到发展，其思想和内容涉及数学、物理学、生物进化、人工智能、神经科学和统计力 学等方面，这些方法组合了随机和确定性步骤。而不需要对目标函数进行严格的约束，为 解决复杂问题提供了新的思路和手段。这些算法独特的优点和机制。引起了国内外学者的 广泛重视并掀起了该领域的研究热潮，且在诸多领域得到了成功应用阶1 1 针。由于这些算法 构造的直观性与自然机理，因而通常被称作智能优化算法，或称现代启发式算法。现代优 化算法的主要应用对象是优化问题中的难解问题- - n p - h a r d 问题。正是因为很多实际化问 题的难解性，和现代优化算法在一些优化问题中的成功应用，使得现代优化算法成为解决 优化问题的一种有力工具。科学工作者对现代优化方法报以极大的热情和期望。几乎在各 种难解的优化问题中，他们都尝试应用这些算法并比较其应用效果。计算机技术的高速发 展，计算能力的大幅提高，是智能优化算法的必要条件，它为智能优化算法的运算提供了 可能性。在这种背景下，七十年代提出的遗传算法( g a ) 、禁忌搜索算法( t s ) 和模拟退火箅 南京邮电人学倾i 。研究生学位论义 第一章绪论 法( s a ) 得到了广泛的重视，它们和人工神经网络( a n n ) 并称为四大现代启发式算法。 遗传算法 近年来，随着人工智能领域的不断扩大，传统的基于符号处理机制的人工智能方法在 知识表示、信息处理、解决组合爆炸等方面所遇到的困难越来越明显。从而使得寻求一种 适合于大规模问题并具有自组织、自适应、自学习能力的算法成为有关学科的一个研究目 标。遗传算法( g e n e t i ca l g o r i t h m ，简称g a ) 就是j h o l l a n d 于1 9 7 5 年受生物进化论的启发 而提出的。g a 是基于“适者生存”的一种高度并行、随机和自适应的优化算法，他将问 题的求解表示成“染色体”的适者生存过程，通过“染色体”群的一代代不断进化。包括 复制、交叉和变异等操作，最终收敛到“最适应环境”的个体，从而求得问题的最优解或 满意解。g a 是种通用的优化算法，其编码技术和遗传操作比较简单、优化不受限制性 条件的约束，而其两个最显著特点则是隐含并行性和全局解空间搜索。 模拟退火算法 在1 9 5 3 年，m e t r o p o l i s 等提出了模拟退火算法( s i m u l a t e d a n n e a l i n g ，简称s a ) 的思想。 1 9 8 3 年k i r k p a t r i c k 等将其应用于组合优化闯题。s a 是基于m o n t e c a r l o 迭代求解策略的一 种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的 相似性。模拟退火算法在某一初温下，伴随温度参数的不断下降，结合概率突跳特性在解 空间中随机寻找目标函数的全局最优解，即局部最优解能概率性的跳出并最终趋于全局最 优。模拟退火算法是一种通用的优化算法，目前己在工程中得到了广泛应用，诸如v l s i 生产调度、控制工程、机器学习、神经网络、图像处理等领域。 禁忌搜索算法 禁忌搜索算法( t a b us e a r c h ，简称t s ) 最早是由g l o v e r 于1 9 8 9 年提出的。它是模拟人 的思维的一种智能搜索算法，即人们对已搜索的地方不会立即去搜索，而去对其它地方进 行搜索，若没有找到，可再搜索已去过的地方。t s 算法是一种在全局逐步寻优的优化算法， 它通过一个灵活的记忆近期操作的存贮结构和相应的禁忌准则来避免迁回搜索，并利用期 望条件才释放些被禁忌的优良状态，从而保证多样化的有效探索以最终实现全局最优。 t s 虽然提出的比较晚，但它一出现就引起了众多学者的广泛关注。它在组合优化、生产 调度、机器学习、电路设计和神经网络等领域取得t t a 大的成功。并在函数全局优化方面 得：t j t 较多的研究，对一些复杂困难的问题，这一方法显示出极强的寻优能力。 南京邮电大学坝i 研究生学位论文 第一章绪论 人工神经网络 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，简称a n n ) 是近年来得到迅速发展的一个前 沿课题。神经网络由于其大规模的并行处理、容错性、自组织与自适应能力和联想功能强 等特点，已成为解决很多问题的有力工具，对突破现有科学技术的瓶颈、更深入探索非线 性等复杂现象起到了重大作用，己广泛应用在许多工程领域。人工神经元是生物神经元特 性及功能的数学抽象，神经网络通常指由大量简单神经元互连而构成的一种计算结构，它 在某种程度上可以模拟生物神经系统的工作过程，从而具备解决实际问题的能力。神经网 络优化算法就是利用神经网络中神经元的协同并行计算能力来构造的优化算法，它将实际 问题的优化解与神经网络的稳定状念相对应，把对实际问题的优化过程映射为神经网络系 统的演化过程。 混合优化算法 随着科技的发展和工程问题范围的拓展，问题规模和复杂度越来越大，传统算法的优 化结果往往不够理想，同时算法理论研究的落后也导致了单一算法性能改进程度的局限 性，而基于自然机理来提出新的优化思想是一件很困难的事情。指导性搜索方法具有较强 的通用性，无需利用问题的特殊信息，这也造成了对已知问题信息的浪费。尽管启发式算 法对问题的依赖性很强，但对特殊问题却能利用问题信息较快地构造解，其时间性能较为 理想。所以，如何合理的结合两者优点来构造新算法，对于实时性和优化性同样重要的工 程领域，具有很强的吸引力。基于这种现状，算法混合的思想已发展成为提高算法优化性 能的一个重要且有效的途径，其出发点就是使各种单一算法相互取长补短，产生更好的优 化率。 1 3 3 智能信息处理技术的特点 人工智能发展到今天，面临新的难题。在算法上是：对包含许多知识的人工智能系统 来说，如何解决实时性的问题：对现实环境中大量存在的不完整性、模糊甚至错误的信息 如何处理；知识的获取等。众所周知，知识是人工智能的研究对象。知识越多，人工智能 系统的能力越强，但同时知识库越大，系统效率越低。产生这种现象的原因在于传统的计 算机结构。在这种计算机中，计算与推理完全集中在c p u 中，而完成计算与推理所需知识 却在存储器中。计算机在任一时间段内只能进行一步计算，且每一步计算仅能访问存储器 中的一两个单元。在给定时间段内，计算机仅能处理系统知识的一个极小部分。而智能活 动需要许多知识区间的相互作用，涉及到处理系统的各个部分。 南京邮电人学硕一：研究生学位论文第一章绪论 智能信息处理技术是有效的计算工具，表现为如下特点： 1 智能信息处理技术是若干计算方法的集合，其中的每种方法都有其长处，它们 通过协同工作，可以保证有效利用人类知识，处理不精确及不确定的情况，对未知的和变 化的环境进行学习和调节以提高性能。 2 智能信息处理技术的计算往往不需要很多待求解问题的背景知识，而主要依赖快 速的运算从数据中寻找规则或规律。 3 智能信息处理技术中有很好的容错性，因此可以保证智能系统的鲁棒性。 4 大多数实际问题的规模很大，而且不可避免地存在不确定性，这就妨碍了需要待 求解问题详尽描述的传统方法的应用，而新型智能信息处理技术是一种方法集，对于各个 子任务可以采用特定的不同技术，以便对实际问题找到满意解。 5 通过将智能信息处理技术与其它传统方法相结合，以使传统方法智能化，增强解 决问题的能力。 1 4 本文工作 本文的研究内容来自于国家自然科学基金资助项目：“采用近似算法的盲信道均 衡”( n o 61 7 2 0 5 8 ) 。在参与该项目研究的背景下完成本论文。本文的工作主要是先研究了基 于m i m o 系统的传统盲均衡算法，如：恒模算法( c m a ) 、t x k 算法等；以及基于智能优 化技术的盲均衡算法，如：遗传算法( g a ) 、禁忌搜索( t s ) 等；然后，研究了利用考虑到发 送信号属于有限字符集的性质，将m i m o 系统的盲均衡问题转化为带整数约束的二次规划 问题，再采用遗传算法( g a ) 、模拟退火( s m 、禁忌搜索( t s ) 等智能信息处理的方法去解决 此二次规划问题。m a t l a b 仿真结果表明，本文提出的智能算法与经典的c m a 算法、t x k 算法以及基于s o s 的算法等相比有较低的误码率，并且对于经典算法不能解决的问题，如 m i m o 系统信道矩阵不满足可辨识条件，即不