上行免调度NOMA系统中基于遗传算法的扩频矩阵优化方法

为了提升基于压缩感知(Compressive Sensing,CS)框架下的免调度非正交多址接入(Non-Orthogonal Multiple Access,NOMA)系统的信道估计和多用户检测性能,本文提出了一种基于遗传算法(Genetic Algorithm,GA)的扩频矩阵优化方法.该方法以最小化扩频矩阵的互相关值为目标,提出一种遗传算法来解决从傅里叶变换方阵中抽取若干行作为NOMA系统扩频矩阵的组合优化问题.与解决同类问题的现有遗传算法相比,本文提出的遗传算法在个体构造上更加新颖,并且能够收敛于更小的扩频矩阵互相关值.仿真结果表明,在基于多重测量矢量CS框架的免调度NOMA系统中,与使用高斯随机矩阵作为扩频矩阵相比,使用本文优化方法获得的扩频矩阵能够使系统的误符号率平均降低52.14％;成功活跃检测率平均增加12.14％;信道估计均方误差降低约10dB左右.