基于蚁群粒子群算法的MIMO-OFDM系统多用户检测研究

当今移动通信技术的飞速发展加快了通信业迈入B3G/4G时代的脚步。新一代移动通信系统以其突出的技术优势超越了历代系统。4G中的核心技术——多输入多输出（MIMO）技术和正交频分复用（OFDM）技术也成为了通信领域研究的热点。二者结合而成的MIMO-OFDM系统可以有效地对抗多径效应和频率选择性衰落，极大地节省频谱资源，并提高系统容量。 在MIMO-OFDM通信系统中，由于用户数量的增加，多用户之间产生的多址干扰现象越发突出，通常采用多用户检测技术来解决这一问题。最优的多用户检测算法是最大似然（ML）算法，其检测效果极佳，但因为复杂度过高的问题而无法在实际工程中应用。传统的最小均方误差（MMSE）检测算法性能不佳，始终存在误码率过高的问题。因此，为了保证在较低的复杂度条件下获得较高的检测性能，本文将蚁群算法和粒子群算法应用于MIMO-OFDM系统多用户检测中。 蚁群算法（ACO）适合处理离散问题，算法中的正反馈机制可以保证蚁群有效地搜索到最优解。粒子群算法（PSO）概念简明，收敛速度快，应用范围广，可以同时利用局部信息和全局信息来搜索解。由于这两种群智能算法都具有受参数影响较大的特点，所以本文首先对算法参数的选取进行了大量的仿真实验，利用控制变量的方法分别获得了两种算法在多用户检测问题中的最优参数配置。而后对各个算法进行了仿真实验，结果表明蚁群算法和粒子群算法均能以一定的复杂度代价获得高于MMSE算法的检测性能，但仍然无法趋近于ML检测。 为了进一步提高检测性能，根据蚁群与粒子群算法共同的群体特性，本文针对MIMO-OFDM系统中的多用户检测问题，提出了蚁群与粒子群混合的新算法AC-PSO。其具有更强的全局搜索能力和更快的收敛速度，并且有效避免了早熟停滞。仿真实验结果表明：基于蚁群粒子群混合算法的MIMO-OFDM系统多用户检测获得了趋近于ML算法的检测性能，并且具有低于PSO算法的计算复杂度。 最后，本文详细地推导了ACO、PSO和AC-PSO算法的乘法和加法计算复杂度，并定量地分析了混合算法的收敛性，从数学的角度进一步证明了AC-PSO混合算法在复杂度和收敛性上的优势。 综上，在MIMO-OFDM系统的多用户检测问题中，本文提出的蚁群粒子群混合算法AC-PSO在保证复杂度可以接受的前提下，获得了趋近于最优检测算法ML的多用户检测性能，是一种折中了计算复杂度和检测性能的有效算法。