该文研究了基于正交时频空间(orthogonal time frequency space, OTFS)调制的去蜂窝大规模多输入多输出(massive multiple-input multiple-output, mMIMO)系统上行链路通信中的和速率优化问题,提出一种蚁群递归搜索机制。该机制首先采...该文研究了基于正交时频空间(orthogonal time frequency space, OTFS)调制的去蜂窝大规模多输入多输出(massive multiple-input multiple-output, mMIMO)系统上行链路通信中的和速率优化问题,提出一种蚁群递归搜索机制。该机制首先采用最小割分组算法实现用户分组,然后使用蚁群算法进行递归优化求解。仿真结果表明,通过运用该机制进行功率控制,其性能相比于未分组的m MIMO-OTFS系统和m MIMO-正交频分复用(orthogonal frequency division multiplexing, OFDM)系统更好。此外,移动速度对系统用户上行可达速率性能的影响研究结果表明,mMIMO-OTFS系统与mMIMO-OFDM系统的和速率性能差距随移动速度增长呈递增状态。展开更多
针对将连续域蚁群优化算法应用于最大似然(maximum likelihood,ML)估计中存在计算量过大的问题,提出一种基于改进蚁群优化(modified ant colony optimization,MACO)算法的最大似然波达方向(maximum likelihood direction of arrival,ML-...针对将连续域蚁群优化算法应用于最大似然(maximum likelihood,ML)估计中存在计算量过大的问题,提出一种基于改进蚁群优化(modified ant colony optimization,MACO)算法的最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计方法.采用精英反向学习策略获得较优初始解群体,结合全局跨邻域搜索和高斯核函数局部搜索对蚁群的寻优方式进行优化,扩大了算法的搜索空间并加快了收敛速度,最终得到ML估计方法的非线性全局最优解.仿真结果表明,与基于粒子群优化(particle swarm optimization,PSO)算法、蚁群优化(ant colony optimization,ACO)算法的ML估计方法相比,ML-MACO算法的收敛速度是ML-ACO算法的4倍,计算量是ML-ACO算法的1/3,分辨成功率高于ML-PSO算法和ML-ACO算法,估计误差小于ML-PSO算法和ML-ACO算法.ML-MACO算法以更低的计算量保持了ML算法的优良估计性能,收敛性能更优且估计精度更高.展开更多
文摘该文研究了基于正交时频空间(orthogonal time frequency space, OTFS)调制的去蜂窝大规模多输入多输出(massive multiple-input multiple-output, mMIMO)系统上行链路通信中的和速率优化问题,提出一种蚁群递归搜索机制。该机制首先采用最小割分组算法实现用户分组,然后使用蚁群算法进行递归优化求解。仿真结果表明,通过运用该机制进行功率控制,其性能相比于未分组的m MIMO-OTFS系统和m MIMO-正交频分复用(orthogonal frequency division multiplexing, OFDM)系统更好。此外,移动速度对系统用户上行可达速率性能的影响研究结果表明,mMIMO-OTFS系统与mMIMO-OFDM系统的和速率性能差距随移动速度增长呈递增状态。
文摘针对将连续域蚁群优化算法应用于最大似然(maximum likelihood,ML)估计中存在计算量过大的问题,提出一种基于改进蚁群优化(modified ant colony optimization,MACO)算法的最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计方法.采用精英反向学习策略获得较优初始解群体,结合全局跨邻域搜索和高斯核函数局部搜索对蚁群的寻优方式进行优化,扩大了算法的搜索空间并加快了收敛速度,最终得到ML估计方法的非线性全局最优解.仿真结果表明,与基于粒子群优化(particle swarm optimization,PSO)算法、蚁群优化(ant colony optimization,ACO)算法的ML估计方法相比,ML-MACO算法的收敛速度是ML-ACO算法的4倍,计算量是ML-ACO算法的1/3,分辨成功率高于ML-PSO算法和ML-ACO算法,估计误差小于ML-PSO算法和ML-ACO算法.ML-MACO算法以更低的计算量保持了ML算法的优良估计性能,收敛性能更优且估计精度更高.
