Resumen

Los algoritmos evolutivos, en particular la optimización por enjambre de partículas (PSO), han recibido recientemente mucha atención. PSO se ha aplicado con éxito a una amplia gama de problemas técnicos de optimización, incluida la estimación de canales. Sin embargo, la mayoría de las publicaciones en el área de las comunicaciones digitales ignoran las mejoras desarrolladas por la comunidad PSO. En este artículo se ofrece una visión general de la PSO original, así como de las mejoras de aplicación general. Se aplica una extensión de PSO denominada PSO cooperativa (CPSO) para la estimación de canales MIMO, que proporciona una convergencia más rápida y, por tanto, una menor complejidad general. En lugar de determinar empíricamente el promedio de iteraciones necesarias, se desarrolla un método para calcular el número máximo de iteraciones, lo que permite evaluar la complejidad para una amplia gama de parámetros. El conocimiento del número de iteraciones necesario es esencial para un diseño práctico del receptor. Se presenta un análisis detallado de la complejidad del algoritmo PSO y una comparación con un estimador convencional de error cuadrático medio mínimo (MMSE). Además, se ofrecen simulaciones Monte Carlo para ilustrar el rendimiento MSE en comparación con un estimador MMSE.

• Materias:Redes Inalámbricas Modelo computacional Teoría de códigos Sistemas de comunicación Procesamiento de datos
• Subjects:Wireless Networks Computational Model Code theory Communication systems Data processing
• Palabras claves:pso, amplia gama, optimización particular de enjambre de partículas, estimación de canal mimo, simulaciones monte carlo, media mínima convencional, menor complejidad global, diseño práctico de receptor, problemas técnicos de optimización, complejidad
• Keywords:pso, wide range, particular particle swarm optimization, mimo channel estimation, monte carlo simulations, conventional minimum mean, lower overall complexity, practical receiver design, technical optimization problems, complexity