基於混沌映射和粒子群優化算法的ofdm符號同步方法
2023-06-15 17:40:31
專利名稱：基於混沌映射和粒子群優化算法的ofdm符號同步方法
技術領域：
本發明涉及一種基於混沌映射和粒子群優化算法的OFDM符號同步方法，屬於無線移動通信技術領域。
背景技術：
混沌運動源於非線性動力學系統，採用混沌映射產生的信號具有隨機性、遍歷性、確定性和對初值敏感等特性。1989年英國數學家Robert A.J.Matthews通過Logistic映射 及其變形提出了混沌數據加密算法，為混沌密碼學發展奠定了堅實的基礎。Logistic映射是典型非線性混沌方程，它能體現混沌運動所有的基本特性。目前在圖像處理、保密通信、神經網絡等領域得到了廣泛的應用。粒子群優化(PSO)算法，由Eberhart和Kennedy兩人於1995年提出，其基本思想是受鳥類群體捕食行為建模方法及其仿真結果的啟發。它從隨機解出發，通過多次迭代尋找問題的最優解，通過適應度來評價解的品質，是近年來出現的一種基於群智能方法的演化(EA)計算技術。與遺傳算法相比，簡單、易實現，沒有「變異」和「交叉」運算，且精度高、收斂快，已廣泛應用於神經網絡訓練、模糊系統控制、函數優化等應用領域。但在實際應用中，如果缺乏種群的多樣性，粒子群優化算法容易陷入局部最優解，出現所謂的「早熟」現象。基於混沌運動的特性，將混沌映射與粒子群優化相結合，能有效避免粒子群優化算法陷入局部解的發生，使該算法具有更好的性能。正交頻分復用(OFDM)是無線通信系統中的一種多載波傳輸技術，目前在無線區域網(WLAN)、後3G移動通信LTE (長期演進)、數字音頻廣播(DAB)和數字視頻廣播(DVB)等許多領域得到了廣泛應用。OFDM的基本原理是將傳輸頻帶劃分成若干正交的子信道(子載波)，使串行高速數據流變換成多個並行的低速數據流在各個子載波上並行傳輸。它具有頻譜利用率高、抗多徑幹擾、抗突發噪聲和有效地克服頻率選擇衰落等優點，但也存在著一些明顯的缺陷，如對符號定時誤差和頻率偏移十分敏感，定時誤差會引起信號在頻域內的相位旋轉。頻率偏移會破壞子載波之間的正交性，造成系統性能的嚴重下降，因此OFDM系統的同步性能十分重要。OFDM符號同步算法一般可分為時域同步和頻域同步兩部分。時域同步是要確定OFDM符號的定時位置。符號定時偏差將影響接收端FFT窗口取值的有效範圍。雖然在該窗口取值的有效範圍內，符號定時偏差只會引起接收信號的相位旋轉，不會破壞子載波的正交性，但會降低抗多經效應的容限。頻域同步要先估計OFDM符號的頻偏，然後進行相應補償。通常將頻偏估計分成相對於子載波間隔的整數倍頻偏和小數倍頻偏來估計，整數倍的頻偏只造成子載波的循環移位，小數倍頻偏將破壞子載波間的正交性。由於整數倍頻偏估計結果會對定時估計的結果造成一定的影響，因此，精確的定時估計一般要在整數倍頻偏估計後才能確定。實現OFDM符號同步的算法目前一般可分為兩大類:一類是基於輔助數據，主要包括利用導頻和利用循環前綴(CP)方法，這類同步算法的性能較好，但會造成一定程度的帶寬和功率損失。另一類是無需輔助數據，如盲同步等，盲同步雖然簡單、易實現，但它的同步範圍較小。利用導頻的同步算法，由於需要插入額外的數據(也稱訓練序列)，會降低系統的傳輸效率，但計算複雜度相對較低，同步精度高，實用性較強。Schmidl算法是經典的基於訓練序列的同步算法，它利用兩個訓練序列完成同步，先用前一個序列實現符號定時估計與小數倍頻偏估計，再根據前後兩個序列的關係實現整數倍的頻偏估計，頻偏估計範圍較大，用時較長。為此Se。對Schmidl算法進行了改進，仍用兩個訓練序列，但對每個訓練序列的子載波進行差分相位調製，通過相鄰子載波的相位差估計整數倍頻偏，無需搜索整個頻帶，降低了計算複雜度，且性能與Schmidl算法相當。針對Schmidl算法中符號定時估計函數存在「高原效應」，嚴重影響定時同步精度問題，Minn算法進行了進一步改進，採用優化的PN序列，並設計新的訓練序列，使符號定時估計函數峰值較為尖銳，提高了符號定時估計精度。Ren算法利用恆包絡零自相關(CAZAC)序列構建訓練序列，使符號定時同步函數值峰值尖銳，且旁瓣基本為零，頻偏較小時算法性能優良。OFDM技術既可用於廣播系統，也可用於分組交換網絡，如無線局城網(WLAN)，二者採用的OFDM符號同步方法是不同的。廣播系統一般會連續發送數據，因此對應的接收機可利用幾個符號的開銷獲得符號同步位置的精確估計，之後再轉換成跟蹤模式。而WLAN系統中由於數據傳輸速率較高，又採用分組交換，因此較適合選用基於訓練序列的同步方式，即在分組數據開始發送後很短時間內就要達到同步，WLAN接收機也不可能在導頻之外取得OFDM符號同步位置。基於訓練序列的OFDM符號同步算法一般要通過分別估計符號定時位置、小數倍和整數倍頻偏來實現。接收端先將接收到的訓練序列與已知的訓練序列進行互相關運算，計算和比較符號定時所有可能位置的互相關係數的幅度，取最大值對應的位置為符號定時值。然後通過計算訓練序列間的相位差來求得小數倍頻偏值。其次依據符號定時值並將小數倍頻偏補償後的信號再與已知訓練序列做相關運算，取幅值最大值所對應頻偏為系統整數倍頻偏估計值，再做整數倍頻偏補償，最終實現符號定時的精同步。整個同步過程較複雜，計算量大，費時較多。 將粒子群優化算法應用於OFDM符號同步的定時和頻偏值估計，可大大簡化整個符號同步的實現過程，並且性能優良。但當2維粒子迭代更新的移動速度初始變化範圍和權重等設置不當，基於PSO算法的OFDM符號定時和頻偏聯合估計方法，容易陷入局部最優解，降低符號定時和頻偏值的估計精度，影響OFDM符號同步性能。
發明內容
本發明的目的是提供一種基於混沌映射和粒子群優化算法的OFDM符號同步方法，該方法首先通過全局搜索可同時獲得OFDM符號同步的定時和頻偏的粗估計值，針對PSO算法容易陷入局部解的問題，利用Logistic混沌映射，並通過局部搜索進一步獲得OFDM符號同步的定時和頻偏的精估計值。能提高OFDM符號同步的定時和頻偏值的估計精度，減少同步算法的迭代次數，縮短了 OFDM符號的同步時間，是實現分組突發無線傳輸系統OFDM符號快速精確同步的一種有效方法。本發明實現上述目的的技術方案是，一種基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於:該方法包括以下步驟:Al、根據OFDM符號同步和PSO算法要求，構造用於基於混沌映射和PSO算法的OFDM符號同步的2維粒子，設粒子群的第i個粒子為Xi，該粒子是一個二維變量，包括OFDM符號同步的定時估計值Xil和頻率偏移估計值Xi2 ；A2、按照OFDM符號同步要求，構造用於基於混沌映射和PSO算法迭代更新的2維粒子移動速度矢量Vi，該2維矢量的分量包括用於OFDM符號同步算法的定時估計的移動速度值Vil和頻偏估計的移動速度值vi2 ；A3、設計用於基於混沌映射和PSO算法的OFDM符號同步的適應性函數；發送端的訓練序列採用CAZAC序列設計，接收端將已知的訓練序列與接收到的訓練序列的互相關運算作為OFDM符號同步的適應性函數；單個粒子的歷史最佳位置為同步算法迭代過程中使適應性函數的適應值達到最大時所處位置，群體的歷史最佳位置為整個粒子群中使適應性函數的適應值達到最大時所處位置，上述粒子個體和群體的歷史最佳位置都是二維數值，每個最佳位置由OFDM符號定時的最優估計值和頻偏的最優估計值組成；A4、執行基於混沌映射和PSO的OFDM符號同步算法的全局搜索程序，更新粒子個體和群體的最佳位置，並利用PSO算法的基本公式更新粒子的移動速度和位置；並計算更新後每個粒子位置所對應的適應值，比較每個粒子的更新後和歷史最佳位置的適應值大小，以及每個粒子更新後的適應值和群體當前全局最佳位置適應值大小，選取適應值達到最大時的位置分別更新粒 子個體的最佳位置及群體的最佳位置；A5、對於步驟A4得到的群體中粒子最佳位置，利用logistic混沌映射函數，將混沌區間
映射到OFDM符號同步的定時和頻偏估計值的取值區間，執行基於混沌映射和PSO算法的OFDM符號同步的局部搜索程序，並再次更新粒子群體的最佳位置；A6、基於混沌映射和PSO算法的OFDM符號同步算法經過k次迭代後，檢查迭代終止條件:達到了最大迭代次數或者獲得了足夠好的適應值，或者最優解停滯不再變化，若上述條件滿足，則終止迭代；從粒子群歷史最優位置的2維變量中，得到所需要的OFDM符號同步的定時位置和頻偏值，進行相應的補償後，達到OFDM符號完全同步。在步驟Al中，設置基於混沌映射和PSO的OFDM符號同步算法的迭代次數T和粒子群的規模M，並對PSO算法中的基本參數進行初始化，用於OFDM符號同步的各粒子定時初始位置及初始頻偏值均設置為隨機值，且變化範圍分別設置為(Xilniin、Xilniax)和(xi2min、Xi2max)°在步驟A2中，設置用於基於混沌映射和PSO算法的OFDM符號同步的各粒子定時和頻偏估計的移動速度範圍分別為(vilmin、Vilmax)和(
Vi2min、^i2max ) °在步驟A3中，發送端採用CAZAC設計訓練序列z (n)，L為訓練序列長度
ζ( η)- ((人丄丨衣 ^ ) e [ (L-、1、式⑴中j為複數符號，下同。接收到的訓練序列為y (η), μ為OFDM符號的定時初始位置的估計值，ε為頻偏估計值，基於混沌映射和PSO的OFDM同步算法的適應性函數為:
權利要求
1.一種基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於:該方法包括以下步驟: Al、根據OFDM符號同步和PSO算法要求，構造用於基於混沌映射和PSO算法的OFDM符號同步的2維粒子，設粒子群的第i個粒子為Xi，該粒子是一個二維變量，包括OFDM符號同步的定時估計值χη和頻率偏移估計值Xi2 ； A2、按照OFDM符號同步要求，構造用於基於混沌映射和PSO算法迭代更新的2維粒子移動速度矢量Vi，該2維矢量的分量包括用於OFDM符號同步算法的定時估計的移動速度值Vil和頻偏估計的移動速度值Vi2 ； A3、設計用於基於混沌映射和PSO算法的OFDM符號同步的適應性函數；發送端的訓練序列採用CAZAC序列設計，接收端將已知的訓練序列與接收到的訓練序列的互相關運算作為OFDM符號同步的適應性函數；單個粒子的歷史最佳位置為同步算法迭代過程中使適應性函數的適應值達到最大時所處位置，群體的歷史最佳位置為整個粒子群中使適應性函數的適應值達到最大時所處位置，上述粒子個體和群體的歷史最佳位置都是二維數值，每個最佳位置由OFDM符號定時的最優估計值和頻偏的最優估計值組成； A4、執行基於混沌映射和PS O的OFDM符號同步算法的全局搜索程序，更新粒子個體和群體的最佳位置，並利用PSO算法的基本公式更新粒子的移動速度和位置；並計算更新後每個粒子位置所對應的適應值，比較每個粒子的更新後和歷史最佳位置的適應值大小，以及每個粒子更新後的適應值和群體當前全局最佳位置適應值大小，選取適應值達到最大時的位置分別更新粒子個體的最佳位置及群體的最佳位置； A5、對於步驟A4得到的群體中粒子最佳位置，利用logistic混沌映射函數，將混沌區間
映射到OFDM符號同步的定時和頻偏估計值的取值區間，執行基於混沌映射和PSO算法的OFDM符號同步的局部搜索程序，並再次更新粒子群體的最佳位置； A6、基於混沌映射和PSO算法的OFDM符號同步算法經過k次迭代後，檢查迭代終止條件:達到了最大迭代次數或者獲得了足夠好的適應值，或者最優解停滯不再變化，若上述條件滿足，則終止迭代；從粒子群歷史最優位置的2維變量中，得到所需要的OFDM符號同步的定時位置和頻偏值，進行相應的補償後，達到OFDM符號完全同步。
2.根據權利要求1所述的基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於，在步驟Al中，設置基於混沌映射和PSO的OFDM符號同步算法的迭代次數T和粒子群的規模M，並對PSO算法中的基本參數進行初始化，用於OFDM符號同步的各粒子定時初始位置及初始頻偏值均設置為隨機值，且變化範圍分別設置為(Xilnlin、Xilniax)和(xi2min、Xi2max)°
3.根據權利要求1所述的基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於，在步驟A2中，設置用於基於混沌映射和PSO算法的OFDM符號同步的各粒子定時和頻偏估計的移動速度範圍分別為(vilmin、Vilmax)和(v- 、Vi2max)0
4.根據權利要求1所述的基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於，在步驟A3中，發送端採用CAZAC設計訓練序列ζ (n)，L為訓練序列長度Ij — Y) Tif)1 二(")= exp(.八)//G[O L-1]I ) 接收到的訓練序列為y (η)，μ為OFDM符號的定時初始位置的估計值，ε為頻偏估計值，基於混沌映射和PSO的OFDM同步算法的適應性函數為:
5.根據權利要求1所述的基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於，依據步驟A3所設計的用於OFDM符號同步的適應性函數，計算第i個粒子的初始適應值Λ對應的粒子個體最佳初始位置為，比較所有粒子的初始適應值大小，選擇適應值最大時所對應位置為群體的初始最優位置。
6.根據權利要求1所述的基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於，在步驟Α4中，根據PSO算法的基本公式(3)、(4)和(5)更新粒子的位置及移動速度，並計算更新後每個粒子位置所對應的適應值，比較每個粒子的更新後和歷史最優位置適應值大小，以及每個粒子更新後的適應值和群體當前全局最優位置適應值大小，分別選取適應值對應的最大位置，更新粒子個體的最優位置#及群體的最優位置Pgk，運算過程中對OFDM符號定時最優位置進行取整操作，
7.根據權利要求1所述的基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於，在步驟A5中,採用logistic混沛映射函數如式(6)所示:
8.根據權利要求7所述的基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於，基於混沌映射的OFDM符號定時和頻偏估計值的局部搜索步驟包括: B1、令m=l，將粒子群最佳位置Xi映射成
之間的混沌變量《S，其中
9.根據權利要求1所述的基於混沌映射和粒子群優化算法的OFDM符號同步方法，其特徵在於，在步驟A6中，若群體最優位置對應的適應值滿足為OFDM符號同步算法設置的閾值Rth,則停止迭代，此時的群體最優位置即為OFDM符號定時和頻偏的估計值，若不滿足，則返回步驟A4，繼續迭代，直到某次迭代後滿足要求或達到最大迭代次數為止，此時的群體全局最優值為OFDM 符號定時和頻偏的估計值。
全文摘要
本發明公開了一種基於混沌映射和粒子群優化算法的OFDM符號同步方法，包括全局搜索方案和局部搜索方案的設計與實現，其中，全局搜索方案的設計與實現包括利用PSO算法獲得OFDM符號同步參數粗估計值的步驟，局部搜索方案的設計與實現包括利用混沌映射獲得OFDM符號同步參數精估計值的步驟。本發明能有效地彌補基於PSO算法的OFDM符號定時與頻偏聯合估計方法容易陷入局部極值點的不足，提高了OFDM符號同步參數的估計精度，同時減少了算法的迭代次數，縮短了OFDM符號的同步時間，是實現分組突發無線傳輸系統OFDM符號快速精確同步的一種有效方法。
文檔編號H04L27/26GK103220253SQ20131017731
公開日2013年7月24日 申請日期2013年5月14日 優先權日2013年5月14日
發明者康桂華, 康鴻博, 孟景波 申請人:河海大學常州校區