广义空间调制系统的激活天线与调制符号联合估计方法与流程

本发明属于无线通信
技术领域：
，特别是一种广义空间调制系统的激活天线与调制符号联合估计方法。
背景技术：
：以空间调制(SpatialModulation，SM)，空移键控(GeneralizedSSK，GSSK)为代表所兴起的新型MIMO技术，使用多天线技术提高传输速率。其中，SM系统发送端每次只激活一根天线发送数据，消除了信道间干扰(Inter-channelInterface，ICI)，提高了能源利用率(EnergyEfficiency，EE)。GSSK系统发送端每次激活数根天线发送数据，且发送的数据为相同的数据符号。通过将SM-MIMO和GSSK-MIMO概念结合，产生了广义空间调制MIMO系统(GeneralizedSpatialModulation-MIMO，GSM-MIMO)。GSM本质在于，发送信息由两部分组成，一部分用于选择激活天线组合，另一部分映射为调制星座点。GSM和SM相比，保持了无信道间干扰的优势，并进一步提高了频谱效率(SpectralEfficiency，SE)。此外，GSM系统解除了SM发送端天线数目必须是2的幂次方的限制。然而，由于激活了多根发送天线，GSM-MIMO系统接收端信号检测复杂度增加。常见的GSM检测算法有ML检测、迫零(ZeroForcing，ZF)检测和最小均方误差(MinimumMeanSquareError，MMSE)检测等方法。如果以误码率为评判准则，ML是GSM信号检测的最佳算法。ML通过穷举搜索的方式，遍历所有可能的发送天线组合以及调制星座集中所有可能的星座点，选取欧几里得距离最小的结果为检测结果。ML算法缺陷在于极高的复杂度，使其在实际应用中难以实现。ZF检测和MMSE检测是两种经典的线性检测算法，其复杂度极低，但难以满足实际应用的误码率要求。两种线性算法分别基于ZF准则和MMSE准则构造出滤波矩阵，通过滤波矩阵与接收信号相乘从而得到检测结果。由于ZF算法的滤波矩阵未考虑噪声的影响，因此其误码率高于MMSE算法。由上可知，现有技术中，ML检测算法极高的复杂度，限制了其使用范围。线性检测虽具有较低的复杂度，但其可靠性极低，难以满足实际应用对数据准确性的要求。技术实现要素：本发明所解决的技术问题在于提供一种广义空间调制系统激活天线与调制符号联合估计方法。实现本发明目的的技术解决方案为：一种广义空间调制系统的激活天线与调制符号联合估计方法，包括以下步骤：步骤1、在GSM-MIMO系统中，对所有天线组合进行可靠性排序；步骤2、采用ZF算法对所有天线组合进行调制符号估计，优先估计可靠性高的天线组合，并计算接收信号与该估计结果的欧几里得距离；步骤3、引入可靠性判定门限。若欧几里得距离小于门限值，则该结果为最终估计结果，完成对信号的估计。若所有天线组合对应的欧几里得距离均大于门限值，则选择欧几里得距离最小的天线组合与调制符号作为估计结果，完成对信号的估计。本发明与现有技术相比，其显著优点为：1)本发明使用复杂度极低的ZF检测方法估计天线组合所对应的调制符号，且引入排序模式，优先估计可靠性高的天线组合，大大降低了算法复杂度；2)本发明引入判定门限，用欧几里得距离判定估计结果的可靠性，大大提高了估计结果的可靠性；3)本发明的门限Vth可看成复杂度和可靠性之间的权衡因子，可以根据具体情况灵活取值。在不能承受较高复杂度但允许较大误码率的应用场景，可选择较大的门限值；在对误码率要求高但能承受较高复杂度的应用场合，可选择较小的门限值，因此本发明适应性强。下面结合附图对本发明作进一步详细描述。附图说明图1是本发明实施例的系统组成图。图2是本发明实施例的具体信号处理流程图。图3是本发明实施例的误码率随信噪比变化曲线。图4是本发明实施例的复杂度相比于最大似然检测复杂度下降的百分比随信噪比变化曲线。具体实施方式本发明为一种广义空间调制系统的联合估计方法。应用复杂度极低的ZF线性检测估计出所有可能的天线组合分别对应的最大可能的发送符号，并计算接收信号与估计结果的欧几里得距离。引入排序的方法，优先估计可靠性高的组合，同时引入判定门限，若欧几里得距离小于门限值则判为可靠的估计结果。该方法计算复杂度低、较低信噪比下仍具有良好性能，在信噪比较高时其误码率性能接近ML检测方法，是一种较好的GSM-MIMO系统信号检测方法。结合图1，本发明的一种广义空间调制系统的激活天线与调制符号联合估计方法，包括以下步骤：步骤1、在GSM-MIMO系统中，对所有天线组合进行可靠性排序；对所有天线组合进行可靠性排序具体为：步骤1-1、确定每根发送天线作为激活天线的可能性度量值，所用公式为：lk＝(hk)+y式中，lk表示第k根发送天线作为激活天线的可能性度量值，k∈[1，NT]，NT为发送天线数目，hk表示信道矩阵H的第k列，(·)+为求广义逆操作，y为接收信号；步骤1-2、确定发射天线组合Ii为激活天线组合的可能性权值，所用公式为：pIi=Σn=1Ntlin2]]>式中，pIi为发射天线组合Ii为激活天线组合的可能性权值，in表示第i个天线组合的第n根激活天线，i∈[1,N]，N表示天线组合总数，Nt为激活天线数目；步骤1-3、对可能性权值pIi进行降序排序，得到一组降序的可能性权值：[pIk1pIk2pIk3...pIkN].]]>步骤2、采用ZF算法对所有天线组合进行调制符号估计，优先估计可靠性高的天线组合，并计算接收信号与该估计结果的欧几里得距离；具体步骤为：步骤2-1、利用步骤1的排序结果，应用ZF算法估计天线组合对应的最有可能的调制符号，所用公式为：s~q=(HIkq)+y]]>式中，表示天线组合对应的最有可能的调制符号，表示信道矩阵H中对应于天线组合的所有列，q为迭代次数，初始值为1，q∈[1,N]，步骤2-2、求天线组合Ikq与其对应的最有可能的调制符号的欧几里得距离，所用公式为：dq=||y-HIkqs~q||F2]]>式中，dq表示天线组合与其对应的最有可能的调制符号的欧几里得距离，表示求向量二范数操作。步骤3、根据可靠性门限判定估计结果的可靠性，若欧几里得距离小于门限值，则该结果为最终估计结果，完成对信号的估计；若所有天线组合对应的欧几里得距离均大于门限值，则选择欧几里得距离最小的天线组合与调制符号作为估计结果，完成对信号的估计。具体步骤为：步骤3-1、确定判定门限值Vth，选取Vth＝NRσ2，其中，NR表示接收天线数，σ2表示噪声方差；步骤3-2、对步骤2中的计算结果dq进行判断，若dq≤Vth，则估计结果判为可靠，此时的天线组合和调制符号则为最终估计结果；若dq>Vth，则进行下一天线组合的调制符号估计，q＝q+1，并返回步骤2进行迭代；若迭代结束后所有估计结果的欧几里得距离均大于门限值，则选取欧几里得距离最小的天线组合及调制符号作为最终的估计结果。本发明使用复杂度极低的ZF检测方法估计天线组合所对应的调制符号，且引入排序模式，优先估计可靠性高的天线组合，大大降低了算法复杂度。下面结合实施例对本发明做进一步详细的描述：实施例整个系统组成如图1，系统为5发8收的GSM-MIMO系统。激活天线根数Nt为2，数据比特流长度为5×106bits，调制方式为4-QAM，且两根激活天线发送相同的调制符号。假设传输信道为平坦瑞利衰落信道，信道状态信息在发送和接收端均已知，且接收端已实现定时和符号同步。在GSM-MIMO系统中，广义空间调制系统的激活天线与调制符号联合估计方法具体步骤为：步骤1、计算每根发送天线作为激活天线的可能性度量值，所用公式为：lk＝(hk)+y式中，lk表示第k根发送天线作为激活天线的可能性度量值，k∈[1，5]，hk表示信道矩阵H的第k列，(·)+为求广义逆操作，y为接收信号；步骤2、求解发射天线组合Ii为激活天线组合的可能性权值，所用公式为：pIi=Σn=12lin2]]>式中，pIi为发射天线组合Ii为激活天线组合的可能性权值，in表示第i个天线组合的第n根激活天线，i∈[1,N]，N表示天线组合总数，步骤3、对可能性权值pIi进行降序排序，得到一组降序的可能性权值：[pIk1pIk2pIk3...pIk8].]]>接下来，采用ZF检测算法对所有天线组合进行调制符号估计，优先估计可靠性高的天线组合，并计算接收信号与该估计结果的欧几里得距离，具体步骤为；步骤4、利用上述步骤3的排序结果应用ZF检测算法估计天线组合对应的最有可能的调制符号，所用公式为：s~q=(HIkq)+y]]>式中，表示天线组合对应的最有可能的调制符号，表示信道矩阵H中对应于天线组合的所有列，q为迭代次数，初始值为1，q∈[1,8]。步骤5、求天线组合与其对应的最有可能的调制符号的欧几里得距离，所用公式为：dq=||y-HIkqs~q||F2]]>式中，dq表示天线组合与其对应的最有可能的调制符号的欧几里得距离，表示求向量二范数操作。最后，引入可靠性判定门限，判断估计结果是否可靠，具体步骤为：步骤6：确定判定门限值Vth。步骤7、对于上述步骤5的计算结果dq，若dq≤Vth，则估计结果判为可靠，此时的天线组合和调制符号则为最终估计结果。若dq>Vth，则进行下一天线组合的调制符号估计，q＝q+1，返回步骤4。若所有估计结果的欧几里得距离均大于门限值，则选取欧几里得距离最小的天线组合及其调制符号作为最终的估计结果。关于本发明中门限值Vth的设定。假设噪声方差为σ2。根据一种已有的可靠性判定准则：若检测结果正确，那么将服从均值为NR，自由度为NR的χ2分布。若检测结果错误，则将服从自由度为NR的非中心χ2分布。若χ2分布的概率密度函数高于所有的非中心χ2分布的概率密度函数，则将检测结果判为可靠。否则需要进行下一步检测。所以，当α<NR时，检测结果可视为可靠。此时即Vth＝NRσ2。显而易见，若Vth过大，则检测可靠性降低，难以获得较高的误码率。若Vth过小，则步骤中Step4，Step5重复次数增加，算法复杂度提高。因此可以根据实际要求权衡复杂度和可靠性，折中来选择Vth。关于本发明及ML算法的计算复杂度比较。以一次实数加、减、乘、除作为一个基本运算单位，则ML算法的计算复杂度为：CML＝NM(8NRNt+6NR-1)(11)其中，M为调制进制数。对于一个a×b维的复矩阵A，求其伪逆时若使用有限迭代法Greville方法计算，所需运算次数为12ab2-5ab-b2。则本发明的计算复杂度为：Cproposed=NT(15NR-3)+4NtN-N+Tave(12NRNt2-Nt2+11NtNR+4NR-2Nt-1)---(12)]]>其中，Tave为平均循环次数，即Step4和Step5执行的平均次数。为了直观表示本发明的复杂度相比于ML算法的降低程度，本发明实施例对于复杂度的仿真采用相对于ML算法复杂度降低的百分比来表示。降低的百分比可表示为：Complexity=CML-CproposedCML×100%---(13)]]>Complexity越大，表明本发明算法的复杂度相对于ML算法降低得越多，即算法的复杂度越低。图3为GSM-MIMO系统中，ML，MMSE和本发明提出的联合估计方法在门限Vth取NR时的误码率随接收天线处平均信噪比的变化曲线。从图中可以看出，相比于线性均衡算法，本发明误码率很低；在信噪比较低时，本发明的误码率逼近ML，然而随着信噪比提升，误码率快速下降，最终几乎与ML的误码率曲线相重合。图4给出了本发明在门限Vth取NR时相比于ML算法复杂度降低的百分比。结合图3可以看出，在信噪比较低时，误码率逼近ML，但本发明复杂度较ML降低了10％左右。同时结合图3可以看出，在信噪比较高时，虽然本发明的复杂度提高，但本发明的误码率性能和ML几乎一致。从算法复杂度和误码率性能仿真结果可以看出，本发明提出的方法以很小的误码率增加为代价，取得了低于ML检测的复杂度，是一种很好的广义空间调制系统的信号检测方法。此外，通过门限的灵活设定，可以权衡复杂度和误码率。因此本发明也是一种能在复杂度和检测性能间很好折中的广义空间调制系统激活天线与调制符号联合估计方法。当前第1页1 2 3