刘子轶，张荣新，郭景武

(1.天津职业大学，天津　300410;2.铁道第三勘察设计院集团有限公司，天津　300142)



基于铁路无线通信环境下改进的PSO算法在多用户检测中的应用

刘子轶1，张荣新1，郭景武2

(1.天津职业大学，天津300410;2.铁道第三勘察设计院集团有限公司，天津300142)

摘要：随着无线通信技术在铁路系统中迅猛发展和广泛应用，对通信系统装备的抗干扰能力提出更高更新的要求，因此必须研究有效的抗干扰技术以对付日益严重的干扰威胁。在粒子群算法中采用量子力学和经典力学的理论，将量子离散粒子群算法应用于多用户检测技术。在铁路无线通信系统中，可以提高铁路信道质量，降低数据通信误码率，解决列车与调度指挥中心之间的高数据通信中误码率高的问题，并且在抗多址干扰能力明显优于传统检测器。

关键词：铁路无线通信；多用户检测；粒子群算法

1概述

随着现代化铁路和高速铁路智能信息系统的发展，铁路无线通信已经成为迅速传递信息，保证行车安全和提高运输效率的重要手段之一。无线列车调度、道口预警以及铁路站场调车通信数据无线传输是保障铁路安全运输、生产的根本任务。然而随着民用移动通信的迅猛发展，无线通信系统所受干扰日益严重，解决通信抗干扰问题越来越迫切。

如何应对无线通信中的干扰问题，国内外众多学者进行了详细研究，并出现了许多无线通信抗干扰技术，例如:实时选频、高频自适应、跳频技术、扩频等。K.S.Schneider首次提出了在通讯中采用多用户检测技术进行抗干扰[1]，S.Verdu对该技术进行了深入研究，并提出用维特比算法与匹配滤波器相结合的方式，但这种算法一般并不在工程上采用，因为实现该算法极复杂，可以达到用户数K的指数幂级(2K)。为了更好地提高检测精度，尝试了包括最小均方误差多用户检测算法、恒模多用户检测算法以及空时迭代多用户检测算法等在内的多种检测方法，效果都不太理想。本文提出一种将量子离散粒子群算法(QDPSO)应用到多用户检测上的新的多用户检测算法，以提高检测精度，降低检测误码率，减少系统干扰。

2量子离散粒子群算法(QDPSO)

粒子群优化算法[2]是从鸟群觅食机制的基础上提出的一种种群随机迭代算法，是一种新型的智能优化算法。其典型特点是在前期执行速度较快，在后期收敛速度比较慢。如果将量子力学[3]的海量和并行计算的量子特性与粒子群算法进行完美结合，不仅可以大大提高算法的并行性，还可以大大改善搜索效能[4]。根据经典力学，若通过运动物体的当前速度、位置，那么可以预测其运动轨迹，也就是说通过当前运动物体的速度、位置能确定下一次迭代位置，因此可得到如图1所示的量子离散粒子群算法流程。

图1　量子离散粒子群算法流程

假设群落有n个粒子在D维空间中搜索，li=(li1，li2，…，liD)表示第i个粒子的位置，代入li来计算粒子群算法的适应函数值，比较函数值后，得到：粒子群搜索到的最优位置向量wgd=(wg1，wg2，…，wgD)，第i个粒子搜索到的最优位置向量wid=(wi1，wi2，…，wiD)。

在量子力学中，高能级粒子通过释放能量，实现向低能级的稳定位置运动，处于其他高势能位置的粒子是不稳定的。由于量子势能最小的点位于势中心点，因此位于势中心点或附近的量子最稳定，是所有量子的归宿，可以作为最优点，这样得出QDPSO的适应度函数

(1)

式中，s1、s2介于[0，1]之间的随机数。

若再引入判决因子ρ，则可定义速度更新公式为

(2)

位置更新公式为

(3)

3QDPSO算法对MUD的改善

多用户检测器(MUD，Multiuserdetector)是从接收端方去有效抑制多址干扰(MAI，MultipleAccessInterference)的重要环节，它是从有干扰的数字码串中准确地解调出特定的对用户有用的信号的功能模块。鉴于对应各用户的特征波形互异，因此接收端的信号是在噪声信道条件下的特征波形互异的用户信号扩频[5]之后迭加而成的信号。考虑到MAI中包含用户的信道估计和各用户信道码等许多先验的信息，可以充分利用用户特征波形的内在信息，包括干扰用户在内的信号处理方法，因此MAI不应该被当作噪声处理[6-8]，它可以被利用起来以提高信号分离方法的准确性[9-10]。虽然传统的多用户检测技术在消除和抑制多址干扰有一定进展，但在检测效果方面还不是很理想。因此提出将传统检测器与QDPSO多用户检测算法模块进行组合，图2为系统模型。

图2　MUD(多用户检测)系统的模型

在多用户检测过程中，从数学角度上可以将多用户的用户信息的最佳检测看作是求解组合优化问题以及求解似然函数的最大值的问题。最优多用户检测算法(即最大似然序列检测)函数为

(4)

字符向量的最优解可表示为

(5)

(6)

式(4)中σ2是信道噪声平均能量(功率，即高斯函数的方差)；式(5)、(6)中b是调制的用户数据子流向量。

(7)

信号的幅值可以通过矩阵A的元素来表示，标记为aii是接收方的第i个用户信号能量，与信号接收方功率相对应，代表信号的幅值。R阵既是对称阵也是每个用户的相关阵，R=[rij]K×K中的每个符号代表的是相关系数；若有K个用户，这些用户需要传送的序列信息通过b=[b1，b2，…，bk]T表示；相应的输出值由y=[y1，y2，…，yk]T表示； 当存在MAI时，则rij≠0，即PN码不完全正交。粒子群在空间中搜索粒子的全局最优位置非常重要，它可以通过多用户检测算法中的最佳向量得到。要想找到最大发射信号，只有在粒子群搜索到函数f(b)的最大值时才可以实现。

4仿真分析与性能对比

在多用户检测系统的性能指标中误码率是性能检测的重要参数，虽然抗“远近效应”能力和渐进有效性也是参考指标，但由于误码率是最基本目标，所以在本测试中只考虑误码率性能。算法性能以及粒子收敛速度与参数β相关，图3是β取不同值时的误码率仿真结果。

图3　收缩扩张系数β取值对QDPSO算法的误码率影响

由图3可知，当β=-2时，QDPSO算法误码率最低。因此在作QDPSO算法与传统算法误码率对比仿真时，取β=-2，取用户数目选取为1 000，在粒子群中选取粒子的个数为50；扩频码采用的是长度为31的gold序列，最大迭代次数为20。通过Matlab仿真得到图4的仿真结果。

从图4中可以看到当信噪比增大时，QDPSO算法的检测性能要优于传统算法的检测性能，也就是误码率前者比后者大大降低。这也验证了基于QDPSO算法的改善MUD模型是可行的。

图4　不同信噪比(SNR)下QDPSO算法与传统算法误码率的比较

5结论

提出了一种QDPSO算法，用于CDMA多用户检测方案。利用了量子计算和智能计算优点，使得收敛速度和寻优效果大大改善，本文提出的方法大大降低系统检测的误码率，计算效率得到提高，比基于经典遗传算法的多用户检测器具有更好的性能。实验证明将该方法应用到无线铁路通信系统中，必将提高铁路信道质量，降低数据通信误码率，解决列车与调度指挥中心之间的高数据通信中误码率高的问题。

参考文献：

[1]S. Verdu: Multiuser Detection[M]. Cambridge Univ. Press， Cambridge， U.K. 1998.

[2]马宝峰，路小娟.基于粒子群算法的隐式广义预测在ATO 中的应用[J].铁道标准设计，2015(6)：143-146.

[3]郑大钟，赵千川，译.量子计算和量子信息[M].北京:清华大学出版社，2005.

[4]刘南平.基于计算智能的UWB系统发射与检测技术研究[D].天津:河北工业大学，2011.

[5]魏建荣.基于智能优化算法多用户检测技术的研究[D].太原：太原理工大学，2007.

[6]师军.TD-SCDMA网络规划设计[D].北京:北京邮电大学，2007.

[7]李宁，邹彤，孙德宝.车辆路径问题的混沌粒子群算法研究[J].系统工程学报，2004，19(6)：596-600.

[8]吴韶鸿.CDMA2000演进关键技术研究及干扰删除理论分析[D].北京：北京邮电大学，2010.

[9]刘哲.TD-SCDMA无线覆盖系统规划及设计[D].北京:北京邮电大学，2009.

[10]张宇辰.TD-SCDMA系统规划与优化的研究[D].北京:北京邮电大学，2010.

Application of Improved Particle Swarm Optimization Algorithm to Multi-user Detection Based on Railway Wireless Communication Environment

LIU Zi-yi1， ZHANG Rong-xin1， GUO Jing-wu2

(1.Tianjin Vocational Institute， Tianjin 300410， China; 2.The Third Railway Survey and

Design Institute Group Corporation， Tianjin 300142， China)

Abstract：With the rapid development of railway wireless communication， more rigorous requirements for anti-interference ability of the communication system devices are put forward. Therefore， it is necessary to study the effective anti-jamming technology to deal with the growing threat of interference. Quantum mechanics and classical mechanics are used in particle swarm optimization algorithm and quantum discrete particle swarm algorithm is applied to multi-user detection. In the wireless railway communication system， it improves the quality of the channel， reduce bit error rate， and solve the problem of high bit error rate in high data communication between the train and the dispatch command center， and proves superior to traditional detectors in terms of anti multiple access interference.

Key words：Railway wireless communication; Multi-user detection; Particle swarm optimization

作者简介：刘子轶(1971—)，女，副教授，E-mail：1371425579@qq.com。

基金项目：天津市基础研究计划资助项目(14JCTPJC00553)

收稿日期：2015-09-16

中图分类号：U285.2

文献标识码：ADOI:10.13238/j.issn.1004-2954.2016.01.028

文章编号：1004-2954(2016)01-0128-03