论文部分内容阅读
量子遗传算法(Quantum Genetic Algorithm)作为量子计算理论和遗传算法原理相结合的一种新兴的全局优化算法,因算法具有种群规模小、寻优能力强、收敛速度快和计算时间短的特点,在许多领域都得到了广泛应用。
本文的研究重点包括遗传算法、量子遗传算法研究,并将遗传算法及其量子遗传算法应用于求解MIMO信道估计问题。其主要研究内容包括:
1.首先介绍了遗传算法的基本原理,然后重点研究了量子遗传算法的原理及主要的操作,实验证明,后者可以明显地提高算法的搜索效率。
2.MIMO信道估计技术中常用方法及常用算法的介绍,并用实验仿真比较了最小二乘估计(LS)算法与最小均方误差估计(MMSE)算法的估计性能。仿真结果表明在低信噪比条件下MMSE算法比LS算法的估计性能更好,而在高信噪比条件下两者估计性能基本一致。
3.遗传算法及其量子遗传算法在基于训练序列的MIMO信道估计技术中的应用研究。根据理想训练序列的定义及优化原则,分别用遗传算法及其量子遗传算法搜索优化的训练序列用于MIMO系统的信道估计。仿真实验表明优化后的训练有着更好的BER及MSE估计性能.显示出这两种算法的优越性。
4.遗传算法及其量子遗传算法在求解SIMO信道盲估计中的应用研究。算法的应用是在基于子空间分解的SIMO信道盲估计分析之上,分别将遗传算法及其量子遗传算法用于对信道参数的盲估计。仿真结果表明了提出的算法在较高信噪比条件下的MSE性能略优于文献[29]提出的算法,同时也显示出量子遗传算法较经典遗传算法的收敛速度快及寻优能力强的优势。