一种发射信号的估计方法、系统、设备及存储介质与流程

1.本发明涉及通信技术领域，特别是涉及一种发射信号的估计方法、系统、设备及存储介质。


背景技术：

2.通常，多输入多输出(multiple input multiple output，mimo)系统中的发射端和接收端均配置有多根天线，多天线使用在提供了更高的信道容量的同时，也给mimo系统的发射信号的估计带来了挑战；一般的，常采用迫零算法(zero forcing，zf)和最小均方误差算法(minimum mean square error，mmse)来进行信号估计，然而，当收发天线数的比值较小时，这两种算法的性能较差；而最大似然算法(maximumlikelihood，ml)虽然性能最优，但复杂度高，不易处理。
3.量子计算作为一种新兴的技术手段，被广泛应用于多个领域，其在实际使用中具有巨大潜力，量子算法中如grover量子搜索算法、量子蚁群算法、量子启发式算法，均能被较好的应用于mimo系统的信号估计，而量子差分算法(quantum differential evolution，qde)能够将量子态和传统差分进化相结合，因此具有更好的搜索功能。
4.综上，现有技术中的发射信号的估计方法存在复杂度高、检测性能较差等问题。


技术实现要素：

5.鉴于以上现有技术的缺点，本发明的目的在于提供一种发射信号的估计方法、系统、设备及存储介质，以改善现有技术中的发射信号的估计方法存在复杂度高、检测性能较差等问题。
6.为实现上述目的及其他相关目的，本发明提供一种发射信号的估计方法，用于mimo系统，所述估计方法包括：
7.接收来自外界的接收信号；
8.建立量子种群；其中，所述量子种群包含多个量子染色体：
9.采用最大似然检测函数算法，从所述量子染色体的初始概率幅中提取得到最优概率幅；
10.更新所述初始概率幅：
11.对所述初始概率幅进行变异、混合、旋转变换处理，分别得到变异概率幅、混合概率幅和旋转概率幅；
12.采用最大似然检测函数算法，根据所述混合概率幅和所述旋转概率幅，更新所有所述初始概率幅，并提取得到最新的最优概率幅，同时将迭代次数加一；
13.判断所述迭代次数是否达到一预设的迭代阈值：
14.若是，则根据最新的最优概率幅，处理得到所述发射信号的估计信号；
15.若否，则继续进行所述初始概率幅的更新。
16.在本发明一实施例中，所述采用最大似然检测函数算法，从所述量子染色体的初
始概率幅中提取得到最优概率幅的步骤包括：
17.将所述初始概率幅量化为二进制数：
18.其中，其中，表示第t次迭代时，所述量子种群中第i个量子染色体在长度j处，量子比特为0的初始概率幅；g表示量化后的初始概率幅；i∈[1，n]，n表示量子染色体的总数；j∈[1，m]，m表示量子染色体的总长度；
[0019]
对量化后的初始概率幅进行调制，并将调制后的初始概率幅与预先存储的信道矩阵左乘；
[0020]
计算左乘后的初始概率幅与所述接收信号的欧式距离：
[0021][0022]
其中，f表示所述欧氏距离；表示第t次迭代时，量子种群中第i个量子染色体，量子比特为0的初始概率幅，且y表示所述接收信号；h表示所述信道矩阵；m表示调制后的初始概率幅；
[0023]
将所述欧氏距离最小时对应的初始概率幅作为最优概率幅。
[0024]
在本发明一实施例中，所述对所述初始概率幅进行变异、混合、旋转变换处理，分别得到变异概率幅、混合概率幅和旋转概率幅的步骤包括：
[0025]
根据所述初始概率幅，计算所述变异概率幅：
[0026][0027]
其中，k表示所述变异概率幅；f表示变异因子；rand表示在[0，1]范围内的随机数；r1表示量子种群中第r1个量子染色体；r2表示量子种群中第r2个量子染色体；
[0028]
根据所述变异概率幅，计算所述混合概率幅：
[0029][0030]
其中，h表示所述混合概率幅；rand
j
表示在[0，1]范围内的随机数；cr表示交叉因子；j
rand
表示在[0，m]范围内的随机数；
[0031]
根据所述初始概率幅，计算所述旋转概率幅：
[0032][0033]
其中，μ表示量子比特为0的旋转概率幅；λ表示量子比特为1的旋转概率幅；r(θ)表示所述量子旋转门：β
t
表示第t次迭代时，量子比特为1的初始概率幅；
[0034][0035]
其中，θ表示旋转角。
[0036]
在本发明一实施例中，采用如下公式处理得到所述旋转角：
[0037][0038]
其中，表示第t次迭代时，量子种群中第i个量子染色体在长度j处，量子比特为0的最优概率幅；iteration表示预先设置的迭代阈值。
[0039]
在本发明一实施例中，所述采用最大似然检测函数算法，根据所述混合概率幅和所述旋转概率幅，更新所有所述初始概率幅，并提取得到最新的最优概率幅，同时将迭代次数加一的步骤包括：
[0040]
根据最大似然检测函数算法，计算得到更新后的初始概率幅：
[0041][0042]
其中，表示第t 1次迭代时，量子种群中第i个量子染色体，量子比特为0的初始概率幅；
[0043]
根据最大似然检测函数算法，从更新后的初始概率幅中提取得到最新的最优概率幅，并将迭代次数加一；
[0044]
判断当前的迭代次数是否达到预先设置的迭代阈值；
[0045]
若是，则根据最新的最优概率幅，处理得到所述发射信号的估计信号；
[0046]
若否，则继续进行所述初始概率幅的更新。
[0047]
在本发明一实施例中，所述根据最大似然检测函数算法，从更新后的初始概率幅中提取得到最新的最优概率幅的步骤包括：
[0048]
将更新后的初始概率幅量化为二进制数，并在调制后与所述信道矩阵左乘，计算与所述接收信号的欧式距离：
[0049]
将所述欧氏距离最小时对应的更新后的初始概率幅作为最新的最优概率幅。
[0050]
在本发明一实施例中，所述根据最新的最优概率幅，处理得到所述发射信号的估计信号的步骤包括：
[0051]
将最新的最优概率幅进行量化处理，得到所述估计信号。
[0052]
本发明还公开了一种发射信号的估计系统，包括：
[0053]
接收信号接收模块，用于接收来自外界的接收信号；
[0054]
量子种群存储模块，用于存储包含多个量子染色体的量子种群；
[0055]
最优概率幅获取模块，用于采用最大似然检测函数算法，从所述量子染色体的初始概率幅中提取得到最优概率幅；
[0056]
概率幅更新模块，用于更新所述初始概率幅，包括：
[0057]
概率幅处理单元，用于对所述初始概率幅进行变异、混合、旋转变换处理，分别得到变异概率幅、混合概率幅和旋转概率幅；
[0058]
概率幅更新单元，用于采用最大似然检测函数算法，根据所述混合概率幅和所述旋转概率幅，更新所有所述初始概率幅，并提取得到最新的最优概率幅，同时将迭代次数加一；
[0059]
迭代次数判断模块，用于判断所述迭代次数是否达到一预设的迭代阈值：
[0060]
若是，则根据最新的最优概率幅，处理得到所述发射信号的估计信号；
[0061]
若否，则继续进行所述初始概率幅的更新，直到得到所述估计信号。
[0062]
本发明还公开了一种发射信号的估计设备，其特征在于，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现所述发射信号的估计方法。
[0063]
本发明还公开了一种计算机可读的存储介质，包括程序，当其在计算机上运行时，使得计算机执行所述发射信号的估计方法。
[0064]
综上所述，本发明提供的一种发射信号的估计方法、系统、设备及存储介质采用qde算法，通过构建一系列量子染色体概率幅来模拟发射信号，通过量子变异、交叉混合操作来改变量子染色体的概率幅以增加量子种群的多样性；利用量子旋转门扩大量子染色体概率幅的搜索范围，避免其陷入局部最优解；采用最大似然检测函数算法来更新量子染色体的概率幅，使其趋近于发射信号并收敛；解决了信号估计复杂度高的问题，在保证估计性能的同时，减少了搜索次数，降低了信号估计的复杂度。
附图说明
[0065]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0066]
图1显示为本发明的发射信号的估计方法于一实施例中的系统流程图。
[0067]
图2显示为本发明的发射信号的估计系统于一实施例中的结构示意图。
[0068]
图3显示为本发明的概率幅更新模块于一实施例中的结构示意图。
[0069]
图4显示为本发明的发射信号的估计设备于一实施例中的结构示意图。
[0070]
图5显示为在天线规模为4
×
4的mimo系统中，qde算法、ml算法、mmse算法、zf算法于一实施例中的误码率性能对比图。
[0071]
图6显示为在天线规模为8
×
16的mimo系统中，qde算法、ml算法、mmse算法、zf算法于一实施例中的误码率性能对比图。
[0072]
图7显示为在天线规模为8
×
64的mimo系统中，qde算法、ml算法、mmse算法、zf算法于一实施例中的误码率性能对比图。
[0073]
图8显示为在天线规模为16
×
64的mimo系统中，qde算法、mmse算法、zf算法于一实施例中的误码率性能对比图。
[0074]
元件标号说明
[0075]
100、发射信号的估计系统；
[0076]
110、接收信号接收模块；
[0077]
120、量子种群存储模块；
[0078]
130、最优概率幅获取模块；
[0079]
140、概率幅更新模块；
[0080]
141、概率幅处理单元；
[0081]
142、概率幅更新单元；
[0082]
150、迭代次数判断模块：
[0083]
200、发射信号的估计设备；
[0084]
210、处理器；
[0085]
220、存储器。
具体实施方式
[0086]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其它优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。还应当理解，本发明实施例中使用的术语是为了描述特定的具体实施方案，而不是为了限制本发明的保护范围。下列实施例中未注明具体条件的试验方法，通常按照常规条件，或者按照各制造商所建议的条件。
[0087]
请参阅图1至图8。须知，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容所能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
[0088]
当实施例给出数值范围时，应理解，除非本发明另有说明，每个数值范围的两个端点以及两个端点之间任何一个数值均可选用。除非另外定义，本发明中使用的所有技术和科学术语与本技术领域的技术人员对现有技术的掌握及本发明的记载，还可以使用与本发明实施例中所述的方法、设备、材料相似或等同的现有技术的任何方法、设备和材料来实现本发明。
[0089]
mimo系统在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。它能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量，显示出明显的优势、被视为下一代移动通信的核心技术。
[0090]
mimo系统中包括配备有多个接收天线的基站，用户向基站发送发射信号时，发射信号会受到加性高斯白噪声的影响，因此基站接收到的接收信号存在一定的误码率。
[0091]
本实施例中的发射信号的估计方法通过构建一系列量子染色体，并采用量子染色体的概率幅模拟用户发送的发射信号，概率幅在量子力学里又称为量子幅，是一个描述粒子的量子行为的复函数。例如，概率幅可以描述粒子的位置；当描述粒子的位置时，概率幅是一个波函数，表达为位置的函数。
[0092]
量子比特是量子计算中给的基本信息单位，每个经典比特只能代表0或者1，量子比特是这两种状态的叠加态，经过叠加，量子比特既可能是1也可能是0，或者是这两者的任意线性组合。
[0093]
量子染色体的概率幅可采用如下公式表示：
[0094][0095]
其中，表示量子染色体的概率幅，α表示量子比特为0的概率幅，β表示量子比特为1的概率幅。
[0096]
进一步的，α和β满足下式：
[0097]
|α|2 |β|2＝1
[0098]
其中，|α|2表示量子比特为0时的概率，|β|2表示量子比特为1时的概率。
[0099]
在本实施例中，根据量子比特为0时的概率进行发射信号的估计。
[0100]
请参阅图1，显示为本实施例中的发射信号的估计方法的系统流程图，其用于mimo系统，估计方法具体包括：
[0101]
s100、接收来自外界的接收信号；
[0102]
用户发送发射信号，mimo系统中的基站接收到该发射信号对应的接收信号。
[0103]
s200、建立量子种群；其中，量子种群包含多个量子染色体：
[0104]
例如，本实施例中存在n个量子种群，每个量子种群中存在i个量子染色体。
[0105]
s300、采用最大似然检测函数算法，从量子染色体的初始概率幅中提取得到最优概率幅；
[0106]
本实施例中预先存储有mimo系统的信道矩阵，则步骤s300包括：
[0107]
采用如下公式将初始概率幅量化为离散二进制数：
[0108][0109]
其中，表示第t次迭代时，所述量子种群中第i个量子染色体在长度j处，量子比特为0的初始概率幅；g表示量化后的初始概率幅；i∈[1，n]，n表示量子染色体的总数；j∈[1，m]，m表示量子染色体的总长度；
[0110]
对量化后的初始概率幅进行调制，并将调制后的初始概率幅与信道矩阵左乘；
[0111]
采用如下公式计算得到左乘后的初始概率幅与接收信号的欧式距离：
[0112][0113]
其中，f表示所述欧氏距离；表示第t次迭代时，量子种群中第i个量子染色体，量子比特为0的初始概率幅，且y表示所述接收信号；h表示所述信道矩阵；m表示调制后的初始概率幅；
[0114]
将欧氏距离最小时对应的初始概率幅作为最优概率幅。
[0115]
在步骤s300中，t为0。
[0116]
s400、更新初始概率幅。
[0117]
具体包括：
[0118]
s410、对初始概率幅进行变异、混合、旋转变换处理，分别得到变异概率幅、混合概率幅和旋转概率幅；
[0119]
具体包括：
[0120]
根据初始概率幅，采用如下公式处理得到变异概率幅：
[0121][0122]
其中，k表示变异概率幅；f表示变异因子；rand表示在[0，1]范围内的随机数；r1表示量子种群中第r1个量子染色体；r2表示量子种群中第r2个量子染色体；
[0123]
根据变异概率幅，采用如下公式处理得到混合概率幅：
[0124][0125]
其中，h表示混合概率幅；rand
j
表示在[0，1]范围内的随机数；cr表示交叉因子；j
rand
表示在[0，m]范围内的随机数，m表示量子染色体的总长度；
[0126]
根据初始概率幅，采用如下公式计算得到旋转概率幅：
[0127][0128]
其中，μ表示量子比特为0的旋转概率幅；λ表示量子比特为1的旋转概率幅；β
t
表示第t次迭代时，量子比特为1的初始概率幅；r(θ)表示量子旋转门。
[0129]
进一步的，量子旋转门采用如下公式表示：
[0130][0131]
其中，θ表示旋转角。
[0132]
更进一步的，采用如下公式处理得到旋转角θ：
[0133][0134]
其中，表示第t次迭代时，量子种群中第i个量子染色体在长度j处，量子比特为0的最优概率幅；iteration表示预先设置的迭代阈值。
[0135]
量子种群刚产生时都是随机的，为了增加量子种群的多样性，对量子种群进行变异操作，在量子种群中随机挑选出两个不同的染色体r1和r2，取其对应的初始概率幅作差，再与其余量子染色体的初始概率幅进行线性组合，得到变异概率幅。
[0136]
而为了提高本实施例中发射信号的估计方法的全局搜索能力，将变异概率幅与初始概率幅进行混合得到混合概率幅，从而产生新的量子染色体，在混合过程中，采用的交叉因子通常取值在0
‑
1之间，如果交叉因子的设置值过大，则量子染色体的收敛速度会加快，若交叉因子的设置值较小，则最终得到的混合概率幅的鲁棒性更好。
[0137]
在量子染色体的计算过程中，量子染色体的量子态可通过量子旋转门变换，以让量子染色体快速趋近最优解。
[0138]
s420、采用最大似然检测函数算法，根据混合概率幅和旋转概率幅，更新所有初始概率幅，并提取得到最新的最优概率幅，同时将迭代次数加一；
[0139]
具体包括：
[0140]
根据最大似然检测函数算法，采用如下公式计算得到更新后的初始概率幅：
[0141][0142]
其中，表示第t 1次迭代时，量子种群中第i个量子染色体，量子比特为0的初始概率幅；
[0143]
根据最大似然检测函数算法，从更新后的初始概率幅中提取得到最新的最优概率幅，并将迭代次数加一。
[0144]
根据最大似然检测函数算法，参考步骤s300，将量化后的混合概率幅进行调制，并与信道矩阵左乘后，计算其与接收信号的欧氏距离，得到将初始概率幅进行调制，并与信道矩阵左乘后，计算其与接收信号的欧氏距离，得到若小于将混合概率幅作为更新后的初始概率幅，在其他情况下，将旋转概率幅作为更新后的初始概率幅。
[0145]
进一步的，参考步骤s300，将更新后的初始概率幅进行调制，并与信道矩阵左乘后，计算其与接收信号的欧氏距离，在更新后的初始概率幅中提取出欧氏距离最小的概率幅作为最新的最优概率幅，同时将迭代次数加一，例如，第一次更新初始概率幅时，迭代次数为1，第二次更新初始概率幅时，迭代次数为2...依次累积。
[0146]
s50、判断所述迭代次数是否达到一预设的迭代阈值：
[0147]
若是，则根据最新的最优概率幅，处理得到所述发射信号的估计信号；
[0148]
若否，则继续进行所述初始概率幅的更新，直到得到所述估计信号。
[0149]
判断迭代次数t 1是否满足预设的迭代阈值，若满足，则将最新的最优概率幅量化成二进制，得到估计信号，估计信号采用如下公式处理得到：
[0150][0151]
其中，s表示估计信号。
[0152]
请参阅图5
‑
图8，显示为基于matlab平台、分别采用本实施例中的发射信号的估计方法(即qde算法)与常见的ml算法、mmse算法、zf算法时的误码率性能对比图。
[0153]
例如，在matlab平台中，传输信道为瑞利衰落信道，基带调制方式为4qam，设置变异因子f＝0.4，交叉因子cr＝0.3，量子种群数n＝50。
[0154]
请参阅图5，在天线规模为4
×
4(用户数为4，基站天线数为4)的mimo系统中，预先设置迭代次数为30次，由于调制方式为4qam，天线数为4，调制过程中每个符号含有两个信息比特，因此每个量子染色体的长度m＝8；以误码率为y轴，以信噪比为x轴作折线图，其中，信噪比的最小取值为0db，最大取值为18db，每次取值间隔为2db。由图5可知，当信噪比小于等于14db时，qde算法与ml算法的误码率性能曲线几乎完全重合，检测性能良好，直到信噪比为18db时，qde算法的误码率为1.4
×
10
‑4，ml算法的误码率为1.2
×
10
‑4，两者非常接近。
[0155]
请参阅图6，在天线规模为8
×
16(用户数为8，基站天线数为16)的mimo系统中，预先设置迭代次数为50次，每个量子染色体的长度m＝16；以误码率为y轴，以信噪比为x轴作折线图，其中，信噪比的最小取值为0db，最大取值为10db，每次取值间隔为1db。由图6可知，当信噪比取值在0～6db之间时，qde算法与ml算法的误码率性能曲线几乎完全重合，当信噪
比取值在7～10db之间时，qde算法的误码率性能略优于ml算法，当信噪比为10db时，ml算法的误码率为1.125
×
10
‑4，qde算法的误码率为2
×
10
‑4，与ml算法检测差距较小，远优于误码率为3
×
10
‑3的mmse算法和误码率为4.6
×
10
‑3的zf算法。
[0156]
请参阅图7，在天线规模为8
×
64(用户数为8，基站天线数为64)的mimo系统中，预先设置迭代次数为50次，每个量子染色体的长度m＝16；以误码率为y轴，以信噪比为x轴作折线图，其中，信噪比的最小取值为
‑
3db，最大取值为4db，每次取值间隔为1db。由图7可知，在该mimo系统中，qde算法与ml算法的误码率性能曲线几乎完全重合，在信噪比为4db时，qde算法与ml算法得出的误码率均为1.75
×
10
‑5，而mmse算法在信噪比为4db时的误码率为4.5
×
10
‑5，此时qde算法的检测性能达到最优。
[0157]
请参阅图8，在天线规模为16
×
64(用户数为16，基站天线数为64)的mimo系统中，预先设置迭代次数为80次，每个量子染色体的长度m＝32；由于发射天线的数目较大，获得ml算法的误码率曲线较为困难，因此仅对qde算法、mmse算法、zf算法的误码率性能曲线进行对比：以误码率为y轴，以信噪比为x轴作折线图，其中，信噪比的最小取值为0db，最大取值为8db，每次取值间隔为1db。由图8可知，在该mimo系统中，qde算法的误码率性能远优于其余两种算法。
[0158]
本实施例中的qde算法运作的复杂度主要来源于最大似然检测函数的运算，每次迭代过程中需要对量子染色体进行两次最大似然检测函数的计算。而ml算法的搜索相比qde算法要复杂得多。
[0159]
优选的，假设在mimo系统中，发射天线数为8，接收天线数为64，信噪比为2db，且qde算法的迭代次数为50次的基础下，比对qde算法、ml算法、mmse算法、zf算法传输两个符号向量所需的运行时间，运作时间比对见表1：
[0160]
表1：运作时间对比
[0161]
算法qde算法ml算法mmse算法zf算法时间/s2.15490.55890.00940.0071
[0162]
从表1中可知，qde算法的运作时间要低于ml算法，高于mmse算法和zf算法。
[0163]
进一步的，qde算法与ml算法相比，qde算法的搜索次数要少于ml算法。
[0164]
因此，综上所述，qde算法在一定程度上降低了误码率，减少了运算复杂度。
[0165]
请参阅图2
‑
图3，本实施例还提供了一种发射信号的估计系统100，包括：
[0166]
接收信号接收模块110，用于接收来自外界的接收信号；
[0167]
量子种群存储模块120，用于存储包含多个量子染色体的量子种群；
[0168]
概率幅更新模块130，用于更新初始概率幅，包括：
[0169]
最优概率幅获取单元131，用于采用最大似然检测函数算法，从量子染色体的初始概率幅中提取得到最优概率幅；
[0170]
概率幅处理单元132，用于对初始概率幅进行变异、混合、旋转变换处理，分别得到变异概率幅、混合概率幅和旋转概率幅；
[0171]
概率幅更新单元133，用于采用最大似然检测函数算法，根据混合概率幅和旋转概率幅，更新所有初始概率幅，并提取得到最新的最优概率幅，同时将迭代次数加一；
[0172]
迭代次数判断模块140，用于判断迭代次数是否达到一预设的迭代阈值：
[0173]
若是，则根据最新的最优概率幅，处理得到发射信号的估计信号；
[0174]
若否，则继续进行初始概率幅的更新，直到得到估计信号。
[0175]
请参阅图4，本实施例还提出了一种发射信号的估计设备200，该估计设备200包括处理器210和存储器220，处理器210和存储器220耦合，存储器220存储有程序指令，当存储器220存储的程序指令被处理器210执行时实现上述发射信号的估计方法。处理器210可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field
‑
programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件；所述存储器220可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。所述存储器220也可以为随机存取存储器(random access memory，ram)类型的内部存储器，所述处理器210、存储器220可以集成为一个或多个独立的电路或硬件，如：专用集成电路(application specific integrated circuit，asic)。需要说明的是，上述的存储器220中的计算机程序可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
[0176]
本实施例还提出一种计算机可读的存储介质，所述存储介质存储有计算机指令，所述计算机指令用于使计算机执行上述发射信号的估计方法。存储介质可以是电子介质、磁介质、光介质、电磁介质、红外介质或半导体系统或传播介质。存储介质还可以包括半导体或固态存储器、磁带、可移动计算机磁盘、随机存取存储器(ram)、只读存储器(rom)、硬磁盘和光盘。光盘可以包括光盘
‑
只读存储器(cd
‑
rom)、光盘
‑
读/写(cd
‑
rw)和dvd。
[0177]
综上所述，本发明提供的一种发射信号的估计方法、系统、设备及存储介质采用qde算法，通过构建一系列量子染色体概率幅来模拟发射信号，通过量子变异、交叉混合操作来改变量子染色体的概率幅以增加量子种群的多样性；利用量子旋转们扩大量子染色体概率幅的搜索范围，避免其陷入局部最优解；采用最大似然检测函数算法来更新量子染色体的概率幅，使其趋近于发射信号并收敛；解决了信号估计复杂度高的问题，在保证估计性能的同时，减少了搜索次数，降低了信号估计的复杂度。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0178]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。