[发明专利]一种适用于时变稀疏信道的估计方法

权利要求书

1.一种适用于时变稀疏信道的估计方法，其特征在于，包括如下步骤：

(1)在问题空间中初始化鱼群位置，计算相应的适应度值，将最优值及其对应的人工鱼位置记录在公告板中，进入子迭代过程；

(2)选取前L条人工鱼作为SF，其中L为路径数目；其他人工鱼为NF；

(3)SF执行局部觅食行为；NF执行聚群和追尾行为；

(4)计算每一条人工鱼的适应度值，更新公告板，并循环执行子迭代过程直至结束；

(5)从公告板获取最优位置和适应度值，作为一条路径参数，并入候选集中；用最小二乘法计算各候选列的系数，重构目标信号；

(6)利用剩余信号重新计算人工鱼的适应度值，更新公告板，循环执行步骤(5)、(6)直至候选列数等于路径数；

(7)若剩余信号能量大于阈值，用估计的路径参数作为SF的初值，NF在问题空间随机初始化；返回至步骤(2)，进入新的迭代；

(8)迭代结束，候选集中各列对应的参数即为路径时延、多普勒估计值，相应的适应度值即为幅度估计值。

2.如权利要求1所述的适用于时变稀疏信道的估计方法，其特征在于，步骤(1)中，问题空间即为路径参数可能的取值空间，包括时延和多普勒扩展因子的取值范围，一般认为最大时延扩展为训练序列的时间长度，最大多普勒扩展为收发端最大相对运动速度与载波速度的比值。

3.如权利要求1所述的适用于时变稀疏信道的估计方法，其特征在于，步骤(1)中，人工鱼p适应度值的计算公式为：

其中r(t)为接收信号，s(t)为训练序列，X_p为人工鱼p的位置，为以X_p为时延-多普勒参数得到的训练序列。

4.如权利要求1所述的适用于时变稀疏信道的估计方法，其特征在于，步骤(3)中，SF执行的局部觅食行为是：以每个SF的位置{a_l,τ_l}(l＝1，…，L)为中心点，其中a_l为多普勒扩展因子，τ_l为时延；以0.0001为多普勒分辨率，以0.1ms为时延分辨率，选取a′_l∈[a_l-0.0005,a_l+0.0005],τ′_l∈[τ_l-0.3,τ_l+0.3](l＝1，…，L)为参数，以已知的训练序列构造字典，接着用OMP算法从字典中选取L列，对应的参数作为SF的位置。

5.如权利要求1所述的适用于时变稀疏信道的估计方法，其特征在于，步骤(3)中，NF执行的聚群行为是：人工鱼p在其视野范围内有Q个同伴，若Q＞0，计算Q个同伴的中心位置X_c和相应的适应度值y_c，若y_c/Q＞λy_p，其中λ为拥挤度因子，则p向X_c移动一步；若y_c/Q≤λy_p或Q＝0，则执行觅食行为；觅食行为是指：人工鱼p在其视野范围内随机选取一个位置，若该位置的适应度值大于当前位置的适应度值，则向该位置移动一步；否则继续尝试，若尝试次数大于设定的最大值仍未成功，则随机移动一步。

6.如权利要求1所述的适用于时变稀疏信道的估计方法，其特征在于，步骤(3)中，NF执行的追尾行为是：人工鱼p在其视野范围内内有Q个同伴，若Q＞0，找到具有最优适应度值的同伴X_q，若其适应度值y_q满足y_q/Q＞λy_p，则p向X_q移动一步，若y_q/Q≤λy_p或Q＝0，则执行觅食行为，其中λ为拥挤度因子。

7.如权利要求1所述的适用于时变稀疏信道的估计方法，其特征在于，步骤(5)中，重构目标信号的方法是：令候选集为Φ，接收信号为r，重构信号r'为

r'＝ΦΦ⁺r

其中，Φ⁺表示对Φ进行伪逆操作。