（电路与系统专业论文）基于智能体的MIMO系统盲均衡算法[电路与系统专业优秀论文].pdf

南京邮电大学硕士研究生学位论文摘要 摘要 在移动通信领域中，码间干扰始终是影响通信质量的主要因素之一。均衡技术是抑制 码间干扰、改善系统工作特性的有效方法。盲均衡则是一种不借助训练序列，仅利用接收 序列和发送序列的先验知识来恢复发送序列的方法。本文主要研究基于有限字符集( 如 q p s k 调制信号) 的m i m o 系统盲均衡算法。 在研究微粒子算法，蚁群算法，人工免疫算法等的基础上，使用统一的理论框架 智能体和多智能体系统，分别构造了三个用于解决盲均衡问题的多智能体系统。 本论文共分七章：第一章概述了本文所做的主要工作。第二章介绍了m i m o 系统盲均 衡的模型及算法原理，提出基于信号相关性的多用户盲信号分离方法。第三章介绍了多智 能体与多智能体系统的概念，并简单描述了微粒子群算法，蚁群算法，人工免疫算法的生 物原理，理论发展，应用等。第四章将盲均衡问题转换成连续函数优化问题，并基于微粒 子群算法构造了一个微粒子多智能体系统，用于在连续空间串行盲恢复多用户信号。第五 章则将盲均衡问题转换成带约束的规划问题，并基于蚁群算法构造了一个蚁群多智能体系 统，用于在离散空间串行盲恢复多用户信号。第六章将盲均衡问题转换成多峰值优化，并 提出了基于人工免疫系统的免疫多智能体系统，用于并行盲恢复多用户信号。最后一章对 三种算法进行了总体比较。 仿真结果表明，这三种智能算法都能很好的解决盲均衡问题。且只需较短的接收信号 序列就可以得到性能较好的结果。 关键词：盲均衡，盲分离，多输入多输出系统，多智能体系统，微粒群算法，蚁群算法， 人工免疫算法，多峰值优化 南京邮电大学硕士研究生学位论文 摘要 a b s t r a c t i n t e r - s y m b o l i n t e r f e r e n c ei s a l w a y so n eo ft h em a i nf a c t o r sa f f e c t i n gt h eq u a l i t yo f c o m m u n i c a t i o n si nt h ea r e ao fm o b i l ec o m m u n i c a t i o n s e q u a l i z a t i o nc a nr e d u c ei s ia n di m p r o v e t h ee f f i c i e n c yo ft h es y s t e ma n db l i n de q u a l i z a t i o nd o e s n tu t i l i z ea t r a i n i n gs e q u e h c eb u tj u s t u s e st h er e c e i v i n gs e q u e n c ea n dt h ep r i o ri n f o r m a t i o no ft h es o u r c es e q u e n c et or e s t o r et h e s o u r c es e q u e n c e t h i sd i s s e r t a t i o nm a i n l yf o c u s e so nt h em 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 ( m i m o ) s y s t e mb 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 nt h ef i n i t ea l p h a b e t s ，s u c ha sq p s km o d u l a t e s i g n a l s u s i n g t h eu n i f i e dt h e o r e t i c a lf r a m e w o r k ：a g e n t sa n dm u l t i a g e n ts y s t e m s ，t h r e em u l t i - a g e n t s y s t e m sa l ec o n s t r u c t e dr e s p e c t i v e l yt or e s o l v et h eb l i n de q u a l i z a t i o np r o b l e mb a s e do nt h e r e s e a r c ho fp a r t i c l es w a r mo p t i m i z a t i o na l g o r i t h m ，a n tc o l o n ya l g o r i t h ma n da r t i f i c i a li m m u n i t y a l g o r i t h m t h i sd i s s e r t a t i o nc o n s i s t so fs e v e nc h a p t e r s c h a p t e r1g i v e sa no v e r v i e wo ft h em a j o rw o r k d o n eb yt h ep a p e r c h a p t e r2d e s c r i b e st h em o d e la n dt h ea l g o r i t h mp r i n c i p l eo ft h em i m o s y s t e mb l i n de q u a l i z a t i o n ，a n dt h e np r o p o s e sam u l t i - u s e rb l i n ds i g n a ls e p a r a t i o nm e t h o db a s e d o ns i g n a lc o r r e l a t i o n d e s c r i b e st h ec o n c e p to fa g e n t sa n dm u l t i a g e n ts y s t e m s ，a n d g i v e sab r i e fd e s c r i p t i o no ft h eb i o l o g i c a lp r i n c i p l e s ，t h e o r yd e v e l o p m e n t , a n da p p l i c a t i o no f p a r t i c l es w a r mo p t i m i z a t i o na l g o r i t h m ，a n tc o l o n ya l g o r i t h ma n da r t i f i c i a li m m u n i t ya l g o r i t h m i nc h a p t e r4 ，t h eb l i n de q u a l i z a t i o np r o b l e mi sc o n v e r t e dt oc o n t i n u o u sf u n c t i o no p t i m i z a t i o n p r o b l e m ，t h e n ，ap a r t i c l em u l t i a g e n ts y s t e mb a s e do np s oi sc o n s t r u c t e dt or e c o v e rs e r i a l l yt h e s i g n a l so fa l lu s e r si nac o n t i n u o u ss p a c e i nc h a p t e r5 ，t h eb l i n de q u a l i z a t i o np r o b l e mi s c o n v e r t e dt oc o n s t r a i n e dp r o g r a m m i n gp r o b l e m ，a n da na n tm u l t i a g e n ts y s t e mi sc o n s t r u c t e df o r u s e r ss i g n a l sr e s u m p t i o ni nad i s c r e t es p a c eo n eb yo n e i nc h a p t e r6 ，t h eb l i n de q u a l i z a t i o n p r o b l e mi sc o n v e r t e dt oam u l t i p e a ko p t i m i z a t i o np r o b l e m ，a n da ni m m t m em u l t i a g e n ts y s t e m i sp r o p o s e db a s e do na r t i f i c i a li m m u n es y s t e mf o rp a r a l l e lb l i n dr e s t o r a t i o no fa l lu s e r ss i g n a l s t h el a s tc h a p t e rc o m p a r e st h ep e r f o r m a c eo ft h et h r e ea l g o r i t h m s t h es i m u l a t i o nr e s u l t ss h o wt h a tt h et h r e ei n t e l l i g e n ta l g o r i t h m sc a n s a t i s f a c t o r i l yr e s o l v e t h eb l i n de q u a l i z a t i o np r o b l e m ，w h i c hg e tab e t t e rp e r f o r m a n c e u s i n gas h o r tr e c e i v i n gs e q u e n c e o n l y t t 南京邮电大学硕士研究生学位论文摘要 k e yw o r d s ：b l i n de q u a l i z a t i o n , b l i n ds o u r c e ss e p a r 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 ( m n v i o ) s y s t e m s ，m u l t i a g e ss y s t e m ，p a r t i c l es w a r ma l g o r i t h m s ，a n tc o l o n y a l g o r i t h m s ，a r t i f i c i a li m m u n i t ya l g o r i t h m s ，m u l t i p e a ko p t i m i z a t i o n i i i 南京邮电大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究 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谢的 地方外，论文中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。 研究生签名：e l 期： 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 本人所送交学位论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，允许论文被查阅和借阅，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。 研究生签名： 导师签名：日期： 南京邮电大学硕士研究生学位论文 第一章绪论 1 1 研究背景与意义 第一章绪论 在高速无线数字通信系统中，信号通过无线信道时，由于信道多径传输、衰落、时延 扩展以及多普勒扩展等的影响，在接收端的信号会受到严重的符号间干扰( i s i ) ，使得误码 率大大提高。为了消除符号间干扰，提高通信系统的可靠性，在接收端需采用均衡技术， 以消除符号间干扰。这种消除i s i 的信号处理方法就是均衡。 由于无线信道的时变特性，传统的均衡技术为了获得可靠的性能，依赖于周期性地发 送训练序列以获取信道信息，增大有效信道容量。盲信道均衡的目的就是不需要训练序列 而取得相同的均衡性能。它可用于使用训练序列代价昂贵或训练序列不可获得的情况。显 然盲均衡不需要周期性地发送训练序列来更新信道估计，因而节省了有限的带宽资源，有 利于通信系统向宽带、高速、大容量方向发展。盲辨识和盲均衡以及信号盲检测技术作为 信号处理领域中的新兴学科，已经受到广泛的重视，并成为通信信号处理的一个研究热点。 随着无线通信的发展，对高速数据以及多媒体业务需求的日益增长，多输入多输出 ( m i m o ) 技术应运而生了。m i m o 技术己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，已经被认为是新一代 无线传输系统的关键技术之一，得到人们越来越多的关注。研究表明，m i m o 技术在不增 加带宽和天线发送功率的情况下，可以大幅提高无线信道容量和频谱利用率。但是m i m o 系统实现大容量的前提是接收机能对来自各发送天线信号进行很好的去相关处理，而要进 行较准确的去相关处理来恢复信号首先需要对信道进行比较精确的估计，使接收端有较准 确的信道信息，以正确地恢复被干扰和噪声污染的信号。因此研究m i m o 系统的盲均衡具 有及其重要的理论和实际意义。这也是本文工作的一个重要原因。 智能信息处理技术是当今信息科学研究的热点。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。计算智能作为智能技术发展的高级阶段，作 为解决复杂问题的有效方法，在复杂系统描述、控制、优化和管理等综合自动化方面已经 展示了魅力。另外产生于人工智能( a i ) 领域的智能体a g e n t ，具有较高的智能性，灵活性和 良好的合作能力，为系统各组成实体提供了并发与合作的平台，因此多智能体系统 ( m u l t i - a g e n ts y s t e m ，m a s ) 在许多复杂系统管理和控制的应用研究和实践中得到了成功的 发展。将智能技术研究成果引入到盲均衡系统中，为信号盲均衡领域的发展提供了新的思 1 南京邮电大学硕士研究生学位论文 第一章绪论 路。同时，通过盲均衡问题的实际解决，也能验证各种智能技术的有效性，与实用性。 基于以上背景，m i m o 系统的盲均衡智能算法具有一定的研究价值。本文正是在研究 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“基于智能优化算法的m i m o 系统盲均衡研究 。 1 2 盲均衡技术的发展 盲均衡问题有全盲方法和半盲方法。只利用观测输出的数据是全盲的方法；在实际中 应用最多的是所谓的半盲方法。在半盲方法中除了接收的数据外，还有某些辅助信息可以 利用，这种辅助信息通常是以概率模型的形式给出的。在数字通信的均衡中，该概率模型 描述的是被发射的数据序列的统计量。这里讨论的信道均衡都属于这种半盲方法。 盲均衡技术发展至今，按照盲均衡算法所利用的信号特征，可以分为以下几类： 1 ) 基于高阶统计量( h o s ) 的盲均衡算法【i 】。最早的盲均衡技术是利用高阶统计量 ( h o s ) 来对信道进行均衡，高阶统计量算法通常要受收敛缓慢和收敛到局部最小的限制。 典型的高阶统计量盲均衡算法有恒模算法( c m a ) 1 2 1 ，直接或间接的利用h o s 信息，保 留了相位信息，允许辨识最小相位或非最小相位信道。但该方法实现足够精度的信道辨识 所需的数据量很大，且仅限于高斯加性噪声。 2 ) 基于过采样二阶统计量( s o s ) 的盲均衡算法。九十年代初随着人们对通信信道和 调制信号循环平稳特性认识的深入，t o n g 等【3 】提出了第一个二阶统计量方法，从而也开始 了s i m o ( s i m p l ei n p u tm u l t i p l eo u t p u t ) 信道模型的研究，即通过过采样信号或多天线接 收信号的方式来获取更多的信道信息，使得采用二阶统计量的盲均衡成为可能。与h o s 算法相比，s o s 算法用循环平稳统计量信息来代替高阶统计量信息，因此所需数据较少， 算法收敛速度加快，且噪声也不限于高斯。s o s 算法在盲恢复信号时所用的数据量相对于 c m a 要少，运算速度较快，这些都是s o s 算法的优点。但是各种s o s 均衡算法都源于迫 零( z e r of o r c i n g ) 准则，要求信道矩阵列满秩，其最大应用困难是噪声环境下的信道阶估 计。尽管这样，因为s o s 算法的优点，它还是研究的热点，已经有大量的这种算法被提出。 如t x k 算法、线性预报法( l p a ) 4 1 、外积分解法( o p d a ) 以及子空间算法( s s a ) 【5 1 。 3 ) 基于有限字符集( f a ) 的盲均衡算法。无论是c m a 还是s o s 算法，都只利用了 接收数据的统计量信息。在实际的数字调制通信中信号是属于一个有限字符集，该信息可 以用来进行盲均衡。根据文献1 6 1 可知，发送信号所属的有限字符集所包含的信息量比高阶 统计量要丰富的多，而且还包含了重要的信道信息。一些约束优化算法正是利用了这一特 南京邮电大学硕士研究生学位论文 第一章绪论 性来直接盲恢复发送序列。如文献【7 】【8 1 嘲正是借用近似算法，来解决s i s o 及s i m o 系统 的盲均衡7 ，辨识问题，文献【1 0 】用近似算法解决m i m o 系统的盲源分离问题。这些算法都 是先把问题转化成为一个带约束的二次规划问题，进而用近似算法来解决此二次规划问 题。这种算法只利用发送信号所属字符集的信息。除了要求输入数据是“独立同分布 、“零 均值”和“属于有限字符集 外，既没有对接收端噪声做更多统计假设，也没有利用输出 数据的任何其它统计信息。 1 3 本文研究目的，内容安排 本文研究基于多智能体技术的m i m o 系统盲均衡问题，利用多智能体的自治性和协作 关系来实现信号的盲恢复以及用户的分离。基于微粒子群，蚁群系统和人工免疫系统不同 的交互和协作机制，建立了三种不同的智能体微粒子智能体，蚂蚁智能体和免疫智能 体。 本文将依据面向问题解决的智能体系统的设计思路，构造解决盲均衡问题的三种多智 能体系统馓粒子多智能体系统，蚁群多智能体系统和免疫多智能体系统。仿真结果表 明这两者的结合对问题求解是有很大贡献的，且拓展了算法本身的应用范围。 本文章节安排如下： 第一章介绍本文的研究背景与意义，简述盲均衡技术的发展，概述本文的研究目的和 内容。 第二章介绍盲均衡的基本原理、概念，特别注重基于有限字符集的盲均衡的算法推导， 给出m i m o 系统模型，以及利用用户信号独立性条件给出了多用户信号盲分离方法。 第三章介绍智能体与多智能体系统的概念，简述微粒子群算法、蚁群算法、人工免疫 算法。 ， 第四章以连续微粒子群算法为基础，定义了微粒子智能体。本章将盲均衡算法中的二 次规划问题转换成函数优化问题，并构造了一个能将用户信号均衡并分离出来的新代价函 数，接着构造了用于解决连续函数优化的微粒子多智能体系统，串行恢复出多用户信号。 第五章以蚁群算法为基础，定义了蚁群智能体。本章将盲均衡算法看成规划问题，并 构造了用于解决规划问题的蚁群多智能体系统，串行恢复出多用户信号。 ， 第六章以人工免疫算法为基础，定义了免疫智能体。本章将m i m o 系统盲均衡问题转 换成多峰值优化问题，构造了用于解决多峰值优化问题的免疫多智能体系统，并行恢复出 多用户信号。 南京邮电大学硕士研究生学位论文 第一章绪论 第七章比较三种智能算法性能，复杂度，以及优缺点。 南京邮电大学硕士研究生学位论文第二章m i m o 系统盲均衡原理 第二章m i m o 系统盲均衡原理 为了解决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，提出了使用 m i m o ( m u l t i p l ei n p u tm u l t i p l eo u t p u t ) 方式来解决系统的容量和网络连接的可靠性的问题。 多输入多输出( m i m o ) 系统是在无线通信分集技术的基础之上发展而来的。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 日益紧张的频谱资源间的矛盾。m i m o 系统能在不增加带宽的情况下实现更高的传输速率 和更好的传输质量，成倍地提高通信系统的容量。 2 1m i m o 系统模型 m i m o 通信系统可以定义为收发两端分别采用多个天线( 或阵列天线) 的无限通信系 统。接收信号是发射天线信号的衰落和噪声的线性叠加。m i m o 系统的信道示意图如图2 1 所示。 “尼，j i s 2 ( 后) s 足( 后 k 个发射天线 l 球后， l 以后， 图2 - 1m i m o 系统信道示意图 由图可见，除了符号间干扰i s i ，m i m o 系统还有共信道干扰m a i 。因为每个接收信 号都是所有源信号的混叠。也就是说m i m o 信道的盲均衡就是去除i s l 和m a i 的过程。 图2 - 2 所示为k 输a m 输出的m i m o 系统的均衡模型： 南京邮电大学硕士研究生学位论文第二章m i m o 系统盲均衡原理 均衡器 y l ( 刀) y , r n ) 图2 - 2m i m o 系统模型 图中信道部分每个子信道h f 都可看作为一个f i r 滤波器，h ，= ( o ) ，( 1 ) ，( p ) 】， p 为最大阶数。按照滤波器阶数将信道矩阵分离为p + 1 个子矩阵，即h 毛h 。，h l 一，h ，1 ， i 啊。( f ) 量( f ) l 其中h ，= i ； ； i 。接收信号可表示为： 【- ( f ) h u x ( i ) j m 。k 口 x ( 门) = h ，s ( n - i ) ( 2 1 ) 需要说明：在不影响本文算法结构的前提下，为简洁，式( 2 1 ) 忽略了接收噪声。其中信道 输入s ( 以) = i s l ( 刀) ，j 2 ( ，z ) ，( 刀) 】r 为kxl 列向量，输出x ( 疗) = i x l ( 以) ，( 行) 】日为mxl 列向 县 里。 记n 个连续输入信号s = i s ( n ) ，s + 1 ) ，s 0 + 一1 ) 】，输入输出关系可写成如下形 式： 南京邮电大学硕士研究生学位论文 第二章m i m o 系统盲均衡原理 f ，x ( 刀) 胃 x ( n - l ) h 、1 x 2 l x ( n + n ；一，：x 。刀n 二1 一三，圩j 。l “渺 i + 一1 ) x ( 刀+一一三) 圩j 。， = ( s 。刀：二，耳：! js。一s(pn-一p三-+l)n一。，h。肿工“，d ( 2 2 ) 对单输入单输出信道而言，均衡的目标是使均衡后的等效整体信道成为一个单位冲激 响应线性系统，而对于m i m o 系统而言，均衡的目标是使得均衡后的等效整体信道成为一 个冲激响应为单位矩阵的m i m o 线性系统。即使得整体信道g = w 。，h = i 。 盲均衡中，由于信道矩阵h 未知，无法直接通过求h 的伪逆来恢复源信号，所以用均 衡器形对接收数据作用的结果作为输, n s ( k ) 的估计。若使用l 阶均衡器均衡信道，当满足 w ，h = i 时，均衡器输出信号即为源发送信号。为讨论方便，将噪声项先去除。经均衡器 后输出n = x w l 何，w 为k x ( l + 1 ) m 的均衡矩阵。 2 2m i m o 系统盲均衡算法 本文主要讨论基于有限字符集的盲均衡算法儿l u j 【i 。基于上一节的讨论，为了恢复第 i 个用户发送序列s ( ，z ) ，构造残差函数8 = x ( ，z ) w 一s t ( 刀) ，其中 w = 【嘏，w ；l ，以，吆，吆】。啦+ 1 ) 肼。则盲均衡问题可以转化成下式的优化问题： m i n ，= 蹴争( ，z ) w 长( ，z ) 0 ( 2 - 3 ) 对于q p s k 信号，a + 1 ) 。 实际情况中，我们只取有限长的数据，将( 2 - 3 ) 式转化： m i n ，= m 如i 脚n 喜l l x ( 刀) w h 一讯，z ) 8 2 = 8 x n w h 一双珂) 0 2 ( 2 4 ) 其中x 如式( 2 2 ) ，( 刀) = p ，( 万) 霉o + 1 ) 每( n + n - 1 ) l n = 。 为了恢复信号，可以先获得最优的w ：，w ：最优时必须满足旦o w 2 = o ，于是j o ， 珏；h o h p h ；h ，。l 南京邮电大学硕士研究生学位论文第二章m i m o 系统盲均衡原理 x | x n w h = x | ，( 刀) ，若( x 片x ) 一1 存在，则有w f = ( x m n x ) 一1 x ，片，( 以) 。 所以式( 2 - 4 ) 可化为： m i n j = 臻m i 州n l l l x ( x n n x ) 一1x 协) 一咖) 8 2 = 瓣柏) q ，( 力( 2 - 5 ) 其中： q = i ，一x ，( x n h x ) 一1 x ，月 ( 2 6 ) ，最终盲均衡问题转换成了式( 2 5 ) 的带约束的二次规划问题。文献【9 】【1 0 】提出使用s 算 法来解决二次规划问题，最终实现用户信号直接盲恢复。本文则利用近年应用广泛的智 能搜索算法来解决此二次规划问题，下面几章将进行详细介绍。 2 3 多用户盲信号分离 m i m o 系统，不仅涉及到单个信号恢复，另一个重要的部分是如何将所有用户信号恢 复出来。一般信号恢复方法有两种：并行恢复和串行恢复。在并行恢复时，矩阵q 的规模 随用户数迅速增大，搜索空间将变得非常复杂。而在串行恢复中，每次恢复一个用户的信 号，这有利于优化算法的有效执行。在串行恢复中，当恢复某一用户信号时，其他用户信 号会产生干扰，因此需要将用户干扰消除。对此文献【l l 】给出了逐个求解其用户信号重构q 矩阵的方法。比较典型的方法有连续干扰抵消法，信号空间删除法。连续干扰抵消法思路 是：构造己恢复信号在接收端的值，将该值当作输出噪声进行删除，得到新的x ，然后 再重新构造q 。信号空间删除法的基本思路为：首先恢复出一个用户的发送序列，这时估 计出的第一个用户序列对于其他用户来说是干扰，为了恢复剩下的用户信号，将已恢复的 信号加入到噪声空间，然后重新构造新的补投影算子，从而求出第二个用户的信号序列， 依次类推，便可求出所有用户信号。 在m i m o 系统中，由于源信号之间是相互独立，即对于f ，( 砼) ，( 刀) p 鳓，所以 我们可以应用相关约束，而不需要重新构造q ，一个个地恢复源信号s t ( 刀) ，i = 1 ，k 。 定义：两个信号向量s ，( 刀) ，s ，( ”) 的相关系数【1 0 l ： 面1 n _ ( 刀一七) 抒j ，( n - 后) 叫( s ) = 堕 孑! ( 2 - 7 ) 南京邮电大学硕士研究生学位论文第二章m i m o 系统盲均衡原理 其中，0 1 22 专荟s 芦( 七) 墨( 七) 为源信号s ，( 刀) 的方差。 由于盲均衡恢复出来的信号可能存在延时，因此在构造相关性代价函数时需要考虑待 恢复信号与延时信号的相关性，否则恢复出来的信号可能会是已恢复信号的延时信号。构 造如下相关性代价函数： 坛：兰篁陬乳一，( 川) ， ( 新( 2 - 8 ) j 。1 1 - - o 式中s 脚，是第j 个已恢复信号，d 。是目前已恢复的用户个数。 因此在求解m i m o 系统用户信号时总的代价函数应该为j 与厶，的线性和。即 = ，+ 叱 ( 2 - 9 ) 口为代价函数权重系数，用于调节在总代价函数重的比重，它的选择与具体问题有关。 在后面章节会介绍。 下面给出串行多用户信号分离框架结构： 2 4 本章小结 本章主要叙述了盲均衡技术的分类与发展，给出了m i m o 系统盲均衡模型和算法的简 单推导。对于多用户信号的分离采用了信号独立性知识给出了一个分离准则。这些为盲恢 复用户信号奠定了扎实的理论基础。为下面章节的进行提供了理论依据。 南京邮电大学硕士研究生学位论文第二章m i m o 系统盲均衡原理 盲均衡算法可以转换成带约束的二次规划问题，迸一步的还可以将其转换成优化问 题。要得到给定问题的最优解，通常更有意义和更方便的是建立问题的数学模型，或用已 有方法求解，或发展新的解法。目前优化领域中主要采用的模型还是数学规划模型，许多 问题能用一些不同的模型来表示，但是其中一个模型通常比其它的更合适。目前已有一批 具有适当解法的独特模型为人们所熟悉，如线性规划模型、动态规划模型、存贮模型和排 队模型，多数已有现成的解法。本文采用不同的模型来表示盲均衡问题，并使用相应的优 化方法来解决。 南京邮电大学硕士研究生学位论文第三章多智能体与多智能体系统 3 1 智能体 第三章多智能体与多智能体系统 随着计算机技术和信息技术的快速发展，智能体和多智能体系统及其理论与技术越来 越频繁的出现在大量应用系统的设计中。基于智能体的观点提供了一种强有力的工具、技 术和途径来提高人们概念化和实现许多类型系统的能力，也提供了处理由于工业和商业正 在向更加模块化、分布和开放系统的发展趋势而引起的一系列新类型应用的机会。智能体 技术和方法正在被应用于制造业、过程控制、远程通讯系统、交通运输管理、信息过滤和 收集、电子商务等广阔领域。智能体技术正在成为一个逐渐成熟的热点研究领域。 3 1 1 智能体的基本概念 智能体这个概念来源于人们对人工智能的认识：人工智能的最终目标就是要实现具有 智能的能够代替人类来处理事务的“代理体”。最早由美国的m i n s k y 教授提出，被用来描 述一个具有自适应、自治能力的硬件，软件或其他实体，其目标是认识和模拟人类智能行 为。智能体被定义为：一个物理的或抽象的实体，它能够作用于自身和环境，并能对环境 做出反应。在智能体研究的早期阶段，人们侧重于研究智能体的心智状态，1 9 8 7 年b r a t m a n 提出一种描述智能体基本特性的b d i 模型【1 2 】，即智能体包括三个基本状态：信念( b e l i e f ) ， 愿望( d e s i r e ) ，意图( i n t e n t i o n ) 。信念描述了智能体对当前世界状况及为达到某种效果 可能采取的行为路线的估计，属思想状态的认知方面或智能体所掌握的信息。愿望描述了 智能体对当前世界状况及为达到某种效果可能采取的行为路线的喜好，属思想状态的情感 方面，愿望的一种重要特性是智能体可能拥有互相不相容的愿望。意图引导并监督智能体 的动作。随着人们对智能体的深入研究以及现实应用的需要，人们对智能体的认识也更加 广泛与深化。智能体成为一种描述复杂系统的方式，也为我们研究由主体意识参与的、动 态的、不确定的、自适应复杂系统提供了一种天然的建模方式。比如：电子市场、资本市 场( 股票市场和期货市场) 、交通系统、机器人足球等。 3 1 2 智能体的基本特性 智能体作为独立的智能实体，必须具有广泛的智能品质，智能体应该具备下面几个特 性0 3 1 1 1 4 1 ： 南京邮电大学硕士研究生学位论文 第三章多智能体与多智能体系统 ( 1 )自主性。一个智能体应该具有独立的局部于自己的知识和知识处理方法，在有限的计 算资源和行为控制机制下，能够在没有其他智能体的干涉和指导的情况下持续运行， 以特定的方式响应环境的要求和变化。并根据其内部状态和感知到的环境信息自主决 定和控制自身的状态和行为。 ( 2 ) 反应性。智能体在感知环境，响应环境的同时，并不只是简单被动的对环境的变化作 出响应，它可以表现出受目标驱动的自发行为。在某种情况下，智能体可以采取主动 的行为，对周围的环境进行改变，以达到自身目标的实现。 ( 3 ) 社会性。智能体往往不是独立存在的，许多智能体同时生存形成一个社会性的群体。 智能体不仅能自主运行，同时应该具有和外部环境中其他智能体相互协作的能力，而 且能够进行冲突消解。 ( 4 ) 进化性。智能体应具有开放的性质，能够在交互过程中逐步适应环境，自主学习，自 主进化。能够随着环境的变化不断扩充自己的知识和能力，提高整个系统的智能化和 可靠性。 3 1 3 智能体技术发展 智能体技术是在传统的人工智能算法基础上发展起来的，主要分为基于行为的智能体 技术，集体智能体技术，进化智能体技术等。他们都得到了生物学、行为学、社会学以及 其他相关领域的启发。目的在于从多智能体系统中个体的简单局部交互来产生复杂的，适 应的与目标驱动的群体行为。 基于行为的智能技术依靠“一个受生物学所启发的偏好并行的分散式结构的理念 来 设计赋予智能体行为的控制器。提出给智能体一个基本行为，然后由环境来决定什么行为 适合作为某个激励的反映的思想。基本行为是控制、推理与学习的基本单元。这里有两个 问题一定要解决：如何建立一个合适的仲裁机制以及如何设计合适的能力模块。处理这两 个问题的方法之一是基于生物免疫系统受生物学启发的行为仲裁机制。因为从工程的 角度看，免疫系统有各种各样的有趣特征，譬如免疫记忆，免疫型容忍，模式识别等。研 究表明，“免疫系统不仅仅探测并消除抗原( 比如病毒) 的异己物体，而且在通过淋巴细 胞和抗体之间的交互以维护其自身系统不受动态变化环境的影响中起着重要的作用”，因 此可以期望免疫系统提供一种新的、适合于处理未知的或不友好环境的方法。免疫系统中 抗原抗体可以看作智能体，他们之间的交互可以是激励性的，也可以是抑制性的。每个智 能体基于宣与其他智能体以及环境的关系决定下一个动作，并使自己有效的去执行任务。 1 2 南京邮电大学硕士研究生学位论文第三章多智能体与多智能体系统 群集智能体技术，研究模仿生物社会特别是蚂蚁、蜜蜂、鸟群、鱼群等所建立的系统。 这些群居生物以集体的力量，进行觅食、御敌、筑巢等行为。蚂蚁群体能协同合作，集中 食物，建起坚固蚁穴，繁衍后代。蜜蜂建造的巢穴结构庞大而精致，这些物种单个个体并 不具有很高的智能，他们只有非常有限的计算能力和动作集合，但其集体行为表现出来的 智能性是惊人的。社会性昆虫群丰富的行为不是来自群体中任何一个个体的完善，而是来 自于个体之间的交互。这种群体智能现象吸引着越来越多的学者进入这个领域对它进行研 究。群集智能中的群体指的是“一组相互之间可以进行直接通信或间接通信( 通过改变局 部环境) 的主体，这组主体能够合作进行分布问题求解”。而所谓群集智能指的是“无智 能的主体通过合作表现出智能行为的特性 。群集智能在没有集中控制并且不提供全局模 型的前提下，为寻求复杂的分布式问题的解决方案提供了基础。群集智能技术依靠的是概 率搜索算法，与传统的基于梯度的算法相比具有以下一些特点：( 1 ) 群体中相互合作的 个体是分布的，无集中控制约束。此群集智能更适合于当前发展中的网络并行环境，并且 具有较强的鲁棒性，即不会由于某一个或几个个体出现故障而影响群体对整个问题的求 解。( 2 ) 单个个体能感知局部信息，但不能直接获得全局信息，个体行为简单、实现方 便。( 3 ) 个体间可以通过某种方式进行通讯，整个群体协调合作完成某项工作。( 4 ) 算 法实现简单。目前，群集智能已经依靠其分布式、自组织性、鲁棒性、实现简单等优点吸 引了大批的学者加入到对它的研究中，并且已经在各种实际工程领域得到了广泛的应用。 群集智能技术主要有微粒子群算法和蚁群算法。 进化智能体技术，主要是使用进化算法来指导智能体对环境作出反应。它利用很大程 度上受生物进化所启发的算法来自动地设计感知运动的控制系统。主要有遗传算法和人工 神经网络。 3 2 多智能体系统m a s 3 2 1m a s 基本概念 多智能体系统是一种分布式自主系统，是由多个自治智能体组成的智能体“社会， 其中每个a g e n t 是一个物理或抽象的可计算实体，具有对局部环境的感知能力，能够作用于 自身和周围环境，并且能够与其他a g e n t 通信。多智能体技术是人工智能技术一次质的飞跃： 首先，通过智能体之间的通讯，可以开发新的规划或求解方法，用以处理不完全、不确定 的知识；其次，通过智能体之间的协作，不仅改善了每个智能体的基本能力，而且可从智 南京邮电大学硕士研究生学位论文 第三章多智能体与多智能体系统 能体的交互中迸一步理解社会行为；最后，可以用模块化风格来组织系统。如果说模拟人 是单智能体的目标，那么模拟人类社会则是多智能体系统的最终目标。 多智能体系统具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能 力。采用多智能体系统解决实际应用问题，具有很强的鲁棒性和可靠性，并能够较好提高 问题的求解效率。通过合作充分利用空间分布的智力、信息和技术资源以合作方式解决问 题，这种结构体系和运作方式已经形成了自己独特的新模式。多智能体系统的表现通过智 能体的交互来实现，主要研究多个a g e m 为了联合采取行动或求解问题对其各自的知识、目 标、策略和规划的协调方式。m a s 通过各a g e n t 间的通讯、合作、协调、管理及控制来表 达实际系统的结构、功能及行为特性。 3 2 2m a s 研究内容 多智能体系统主要的研究内容包括： 多智能体系统的组织体系结构。系统中的a g e n t 需要按照一定的结构组织起来，以相 互通信和协作，这就需要为m a s 选择合适的体系结构。体系结构是任何控制系统的骨 架，通过对现有文献的分析可以得出，m a s 的体系结构主要分为以下几种类型：层次 型，异构型和混合型。此外还可能包括基于域的层次结构、级联a g e n t 结构、相邻关 系结构和基于总线网的结构。 多智能体系统的通讯。通讯是m a s 中最基本的问题，几个a g e n t 堆放在一起永远只是 几个独立的个体，只有相互协作与协调才能构成一个有一定功能可以运行的系统，而 a g e n t l 暗- 的协作与协调离不开通讯，因此通讯问题是m a s 中的基本问题。a g e n t 之间的 通信方式主要有两种：黑板系统和信息对话系统。前者是一种公共存储，通过建立公 共存储区，每一个a g e n t 均可以对其进行访问，从而实现a g e n t 之间的交互；后者是a g e n t 问的信文传递，即在a g e n t 之间直接进行信息交换。 多智能体系统的协作与协调。由于m a s 中的a g e n t 具有不同的信念、愿望或意图，因 此在合作活动中不可避免的将产生不一致性，这就需要a g e n t 之间相互协调和协作。协 调与协作是多智能体两个不同层次的群体行为。这两种群体行为在多智能体系统中无 处不在，共同作用，实现各种任务。多智能体之间的协调与协作既相互联系又有区别。 协调一般是改变a g e n t 的意图，协调的原因是其它a g e n t 的意图的存在。多智能体的协 调：指具有不同目标的多智能体系统对目标、资源等进行合理的安排，以调整各自的 行为，最大限度地实现目标。多智能体的协作：多智能体通过相互间交换信息的一种 相互作用，协调各自的行为，共同完成目标。协作是非对抗性的a g e n t 之间保持行为协 1 4 南京邮电大学硕士研究生学位论文第三章多智能体与多智能体系统 调的一个特例。在m a s 中，协作不仅能提高单个a g e n t 以及整个m a s 的性能和解决问 题的能力，还能使系统具有更好的灵活性。通过协作使m a s 能解决更多的实际问题， 拓宽应用。尽管对于单个a g e n t 来说，它只关注自身的需求和目标，但在m a s 中，a g e n t 不是孤立存在的，这种相互依赖的关系使得a g e n t 间的交互以及协作方式对a g e n t 的设 计和实现具有相当大的制约性，基于不同的交互和协作机制，m a s 的0 0 a g e m 的实现 方式也各不相同。因此，研究a g e n t l f i 的协作是研究和发展基于a g e n t 的智能系统的必 然要求。 3 2 3 多智能体系统设计 一个智能体是物理的或虚拟的实体，它具有以下特性：一，生存并活动在一个环境中； 二，能够感知它所处的局部环境，并在局部环境中与其他智能体交互；三，由特定目的驱 使的；四，具有一些反应行为。若干智能体为了达到特定目的而相互作用或协同完成的计 算系统就构成了多智能体系统。由此可见，智能体具有感知环境并反作用于环境的能力， 它的含义是非常广泛的，当解决不同问题时它所表达的意义也不同。总体来说，我们认为 当用多智能体系统解决问题时，需要设计四方面的内容。第一是每个智能体的含义和目的， 第二是所有智能体的生存环境，由于每个智能体只有局部感知能力，因此第三是局部环境 定义，第四是智能体可以采取的行为。 本文探索集体智能技术与基于行为的智能技术，着重于微粒子算法，蚁群算法和免疫 算法三种智能算法，构造智能体，然后根据多智能体系统设计内容分别设计三个多智能体 系统来解决盲均衡问题。 3 3 微粒子群算法 算法介绍 微粒子群优化算法( p s o ) 是一种基于种群搜索的自适应优化计算技术，由e b e r h a r t 和k e n n e d y 博士于1 9 9 5 年提出【1 5 】，源