基于HSB-DSA算法的Massive MIMO系统天线选择与资源优化策略研究

本研究针对大规模多输入多输出(Massive MIMO)系统中射频(RF)链成本高、能耗大的问题，提出基于混合秘书鸟-鸭群算法(HSB-DSA)的动态天线选择与资源优化策略。通过最优天线激活和资源分配，实现了频谱效率(SE)提升38%、能量效率(EE)提高45%，并验证了空时分组码(STBC)与差分混沌键控(DCSK)在2×2/4×4 MIMO系统中的协同效应，为5G/6G网络绿色通信提供了新范式。

　　

在5G/6G通信时代，Massive MIMO技术虽能提升系统容量，却面临"天线数量爆炸"的困境——每增加一根天线就意味着多一套昂贵的射频(RF)链和成倍增长的能耗。据统计，基站功耗中RF链占比高达60%，而传统全天线工作模式导致大量能量浪费在信道条件差的链路上。更棘手的是，多径衰落和用户激增使得空时编码(STBC)与调制技术(DCSK)的协同优化成为世界性难题，就像试图在暴风雨中同时保持多个风筝的平衡。

针对这一系列挑战，研究人员创新性地将生物启发算法引入通信领域，提出名为HSB-DSA的混合优化框架。该研究首先构建了包含信道矩阵、功率约束的多目标优化模型，通过融合秘书鸟算法(SBO)的全局搜索能力和鸭群算法(DSA)的局部精细化特性，实现了天线子集动态选择与资源分配的联合优化。实验采用MATLAB平台，对比测试了Alamouti、Golden、Silver三种STBC编码与2×2/4×4 DCSK调制组合在瑞利衰落信道下的性能表现。

系统架构部分揭示了MIMO下行链路的三大创新：1) 基于实时信道状态信息(CSI)的自适应天线激活机制，仅保留信道增益前30%的RF链工作；2) 通过HSB-DSA算法求解非凸优化问题，在SE=58.7bps/Hz时EE达到4.3Mbit/Joule的帕累托最优；3) STBC-DCSK联合编码方案使误码率(BER)在信噪比15dB时降至10^-6
量级。

关键技术突破体现在：混合算法HSB-DSA的收敛速度较传统粒子群优化(PSO)提升40%，资源分配模块采用混沌映射初始化种群，避免早熟收敛；天线选择模块引入莱维飞行机制，在128天线系统中仅需激活35-42根即可保持95%的全阵列性能。实验数据显示，该方案使系统吞吐量提升2.1倍，同时降低硬件成本达60%。

结论部分强调，这项发表于《Expert Systems with Applications》的研究开创了智能优化算法与MIMO系统结合的创新范式。通过HSB-DSA实现的动态资源管理，不仅验证了"少即是多"的天线选择哲学，更建立了STBC-DCSK在抗多径干扰方面的量化优势。未来可扩展至毫米波频段，为太赫兹通信的绿色化发展提供理论支撑。