[发明专利]结合遗传性质的大规模MIMO系统LAS信号检测方法

摘要

本发明提供了一种结合遗传性质的大规模MIMO系统LAS信号检测方法，在原有LAS算法基础上引入全局最优化遗传算法，采用解向量的标准代价函数作为迭代停止准则，并将迭代次数设置为自适应，用解向量质量更新需要的迭代次数，提高了执行效率，同时继承上一次得到的优质解向量的元素，加入变异因子改变向量当中某些位置的元素的值，跳出同一搜索区域，让搜索在不同优质解区域中执行，减少了算法所需要的浮点运算次数，降低了系统复杂度，同时提高了搜索能力，降低了系统的误码概率，进而提高了系统的可靠性。

主权项

1.一种结合遗传性质的大规模MIMO系统LAS信号检测方法，其特征在于，包括如下步骤：S1：通过匹配滤波检测得到的解向量作为初始迭代点，其中，为初始值，为匹配滤波检测得到的解向量；S2：执行似然上升搜索算法，得到本次迭代的最佳解向量即将最大似然代价函数作为解向量适应度的评价标准，适应度最高的解向量即为本次迭代的最佳解向量S3：选择：判断本次迭代的最佳解向量的最大似然代价函数是否小于历史最佳解向量d^best的最大似然代价函数，如果是，则进入步骤S4，否则，进入步骤S5；S4：令S5：计算最大迭代次数Nmax，更新当前迭代次数m＝m+1；步骤S5中最大迭代次数Nmax的具体计算方法为：本次迭代的最佳解向量的质量为：式中，N＝N_r为接收天线的数目，σ²为接收端噪声的方差，H为信道增益矩阵，y为接收端接收到的信号；计算出本次迭代的迭代次数式中，c₁为指标参数，是一个常数，N_pmin为设置的最小迭代次数；如果Np＜Nmax，则更新最大迭代次数Nmax＝Np，否则，不更新最大迭代次数Nmax；S6：判断当前迭代次数m是否大于最大迭代次数Nmax，如果是，则进入步骤S8，否则进入步骤S7；S7：遗传与变异：随机改变历史最佳解向量d^best中C个位置的值，得到第m次迭代的初始值进入步骤S2；S8：输出dbest为最终解向量。