基于粒子群的交织算法步骤为：(1)初始化种群，随机产生一个初始种群的索引值和一个初始置换序列，根据索引值产生数据矩阵X；(2)根据式(10)和式(11)计算适应度函数，保存全局最优解和局部最优解；(3)根据式(8)计算粒子速度。首先计算局部最优解得到置换序列，再计算全局最优解得到另一个置换序列，将其分别与系数相乘截取后与合并得到(4)根据式(9)更新粒子当前位置索引值，同时根据索引值更新数据矩阵X值；(5)重新计算适应度函数，更新(6)如果达到最大迭代次数，算法终止；否则转至步骤2。

4 性能仿真与分析
    为检验基于粒子群交织算法(PSOI)的性能，将该算法与非随机交织迭代检测(Un-random)、随机交织迭代检测(Ran-dom)和进化交织迭代算法(EI)相比较。仿真条件为：未编码的高斯信道，信道衰落系数hk=k,k∈(1，2，…，K)，数据码元长度I=10；扩频码元长度S=4；则交织码元长度J=I×S=40；N=10×K；所有用户使用相同的扩频码元，循环迭代译码10次，蒙特卡罗仿真10 000次，粒子群参数设置为：ω＝1 ，c1=c2=2。图2为K=5时Un-random、Random、EI和PSOI的误码率和信噪比关系曲线。由图可知，由于Un-random有较高的互相关性，其性能最差。当信噪比大于8 dB时，PSOI的误码率已接近于零，远优于其他几种算法。图3为K=25时Un-random、Random、EI和PSOI的误码率与信噪比关系曲线。由图可知，当数据码片长度较小时，Random的交织序列的互相关系数较大，使其性能下降；EI由于搜索能力较差，易陷入局部最优解，使得交织性能下降，而PSOI性能较优。图4为SNR=6 dB时Un-random、Random、EI和PSOI的误码率与用户数的关系。由图可知，PSOI随用户数增加的误码率要低于其他几种算法。但由于信噪比较低，EI的误码率较接近PSOI。图5为SNR=9 dB，K=25时Un-random、Random、EI和PSOI的误码率与迭代次数的关系。由图可知。随着迭代次数增加，4种方法误码率都会下降，但PSOI的性能明显优于其他几种算法。

5 结束语
    本文将粒子群算法用于交织中，以互相关矩阵作为适应度函数，提出粒子群交织算法。仿真表明，该算法在高信噪比时，性能远优于非随机交织、随机交织和基于进化算法的交织。