1.一种针对OTFS系统使用的基于遗传算法与随机搜索算法结合的导频优化方法，其特征在于，所述方法包括如下步骤：步骤1：初始化种群：此算法中不同的导频符号集合即为遗传算法中每个个体，个体中的基因对应导频符号集合中每个导频符号的取值，设置个体的数目为NIND，每个个体的长度为INDLENGTH，由系统使用的导频符号集合中包含的导频符号个数决定，此时初始种群的大小为(NIND，INDLENGTH)，同时规定最大的遗传代数MAXGEN和子代与父代的代沟为GGAP，选取每个个体的基因取值为+1或者‑1，代数计数器gen=0；

步骤2：计算种群中的每个个体的适应度值，选取适应度值FitnV 等于导频符号集合对应的恢复矩阵互相关值μ的倒数，并计算种群中每个个体对应的适应度值FitnV(i)，i=1，

2，…，NIND；

步骤3：进入繁殖循环迭代，首先进行子代的选择操作，根据适应度值进行子代的选择，通过轮盘赌方式实现，由此选择出适应度值高的个体生成子代种群SelCh，子代被选择的概率为GGAP，子代种群Se1Ch的维度为(NIND*GGAP，NDLENGTH)；

步骤4：进行子代的交叉重组操作，为子代种群中的每个个体选取交叉概率Pr进行离散重组，即在交叉点处选择多点交叉方式以概率Pr从群体中选择多个个体，按次序每两个一组，交换两个个体基因的某些位置，位置随机生成，产生两个新的个体；

步骤5：进行子代的变异操作，选取合适的变异概率Pm并设置变异的限制FieldDR，FieldDR的取值也+1或者‑1，即以概率Pm从个体上随机选择出多个基因，并对该基因上的值进行改变，改变的范围为FieldDR，增加种群的多样性；

步骤6：进行子代的重插入操作，经过上述步骤3至步骤5之后的新子代种群数量为 NIND*GGAP，重新计算其适应度值FitnVSel(i)，其中i代表第i 个子代个体，利用重插入的策略用新子代种群取代原有种群中适应值最低的NIND*GGAP个个体，获得新的种群；

步骤7：选择优秀个体，将经过重插入之后得到的新种群的适应度值进行降序排序，并找出最大适应度值的前10%的个体进行保存从而得到个体集合Chrom_ten, 并记录这些个体在原来种群中的位置记为Index；

步骤8：对于筛选出来的个体集合Chrom_ten中每个个体，使用随机搜索算法，从个体的第一个基因开始，将每个基因取得其相反数后重新计算当前个体的适应度值，判断当前的适应度值是否大于改变之前适应度值，若大于，则用当前更改基因后的个体替换掉原个体；

若小于或等于，则保持原来个体不变，接着再对下一位基因进行相同的操作，当前个体的所有基因位均操作完毕后，跳转至下一个个体，重复上述操作，直到个体集合Chrom_ten中每个个体都遍历完毕；

步骤9：将经过随机搜索算法处理之后得到的新的个体重新按照上述步骤7中Index的位置重新插入种群，得到新的种群，并将这个新种群作为下一代繁殖的初始种群；

步骤10：代计数器gen加一，并记录当前这一代最大目标函数值的倒数即导频符号集合对应的恢复矩阵最小互相关值，判断gen是否大于最大遗传代数MAXGEN，若满足则执行下一步，否则跳转至上述步骤3；

步骤11：输出结果，选取最后一代种群中对应适应度值最大的种群的个体，就是最终优化后的导频符号集合pilotFinal，此时它是一个列向量，再通过维度变换转为二维导频符号集合即为最终得到的导频；

所述方法还包括针对基于压缩感知的OTFS信道估计，确定导频优化准则，考虑一个

0TFS系统，发送端的发送信号属于时延多普勒域，表示为xd[k,l]， k∈[0,N‑1]，l∈[0,M‑

1]，其中N表示多普勒维度，M表示时延维度，在OTFS系统中进行信道估计时导频符号集合的放置模式得到进一步优化，导频和数据符号的右侧并没有保护带；

发送信号x[k,l]表示为：

      式1

其中kp，lp代表导频符号的中心位置，km和lm 表示信道最大多普勒抽头和最大时延抽头，导频符号的维度为Lp=(2Np+1)×Mp；

在信道估计时，导频符号xp与DD域中的数据符号一起插入，则在接收端DD域中导频的接收信号表示为：   式2

其中 代表相位补偿，Hk’,l’是DD域中的信道矩

阵；

为了与压缩感知信号重建模型对应，将式2进行简化写成向量形式，为将二维数据y[k,l]重新排列成向量 ，并且第((k+Np)Mp+l‑lp) 的元素等于y[k,1]，同时将DD 域的信道矩阵Hk’,l’排列成列向量， ，其中L=(lm+1)(2km+1)，并且第(1’(2km+1)+k'+km)的元素就等于Hk’,l’；

因此，式2用向量形式表示为：

       式 3

其中∘表示哈达玛积， 是附加相位矩阵，其中第((k+

Np)Mp+l‑lp,l’(2km+1)+k’+km)的元素代表是由 ， 是由x[k,l]得来，它的第((k+Np)Mp+l‑lp,l’(2km+1)+k’+km)的元素代表x[k‑k',l‑l']，将定义为恢复矩阵，则写成：                        式4

这里h中只有P个非零元素，即h是一个稀疏向量，恢复矩阵A中，考虑到所提出的导频符号集合的放置模式，Xp由式1中导频符号xp和保护带符号组成，它与导频符号集合与保护带符号有着一定的关系，具体关系表示为：     式5

其中xp,g代表导频符号集合与保护带符号构成的符号集合，因此，将信道估计看作是一个稀疏信号恢复问题；

采用复杂度较低的互相关最小准则作为恢复矩阵的衡量标准，其中MIP定义为A的任意两列之间归一化内积的最大绝对值，将矩阵的互相关值定义为两个不同列之间的最大绝对相关值，表示为：    式 6

其中αi表示恢复矩阵A第i 列，max(·)表示取最大值，即研究目标能够转换为设计恢复矩阵A使其具有最小的μ；

在基于CS的信道估计中，导频符号集合决定了恢复矩阵，因此根据对恢复矩阵的设计 确定导频符号集合，寻找最优的导频符号集合，使得恢复矩阵的μ值最小。

2.根据权利要求1所述的一种针对OTFS系统使用的基于遗传算法与随机搜索算法结合的导频优化方法，其特征在于，所述步骤1包括：初始化种群中种群的数目NIND为100，最大遗传代数MAXGEN为600。

3.根据权利要求1所述的一种针对OTFS系统使用的基于遗传算法与随机搜索算法结合的导频优化方法，其特征在于，所述步骤1中子代与父代的代沟GGAP取值为0.98。

4.根据权利要求1所述的一种针对OTFS系统使用的基于遗传算法与随机搜索算法结合的导频优化方法，其特征在于，所述步骤4中交叉概率Pr的取值为0.8。

5.根据权利要求1所述的一种针对OTFS系统使用的基于遗传算法与随机搜索算法结合的导频优化方法，其特征在于，所述步骤5中变异概率Pm的取值为0.6。