一种用于超密集网络的降低回传数据量的方法与流程

本发明属于无线通信技术领域，涉及一种用于超密集网络的降低回传数据量的方法。

背景技术：

超密集网络和基于云的无线接入网是近年来研究的热点，通过布置密集的无线接入点，对通信区域进行无盲区的覆盖，保证通信质量和系统的吞吐量。将传统基站端的基带处理单元移至集中处理单元，形成基带处理单元池，这样不仅可以保证硬件设备的维护，还能增强信号的处理能力。由于无线接入点的密集性，经由无线接入点向中央处理器回传的数据量也会相应增大，为了缓解回传链路的压力，需要对回传的数据进行有效的压缩。而在集中处理单元，需要利用接收到的已压缩的数据恢复出原始信息。鉴于集中处理单元的处理能力强，因此可以使用复杂度较低但性能良好的信道估计和数据检测算法。

技术实现要素：

为了解决上述问题，本发明提出了一种用于超密集网络的降低回传数据量的方法。

本发明的技术方案为：

一种用于超密集网络的降低回传数据量的方法，其特征在于，包括以下步骤：

a.天线端接收到信号后，通过自动增益控制器对接收的信号进行缩放：

假设网络中随机分布有M个单天线和K个单天线用户终端，用如下公式1表示表示单天线的接收信号y：

y＝HP^1/2x+n (公式1)

公式1中，H∈C^M×K为所有用户终端到所有的单天线之间的传输信道信息，为对角矩阵，x∈C^K×1表示所有用户终端的上行传输数据，n～CN(0,σ²I)为加性噪声；H的第(m,k)个元素可以表示为：γ_m,k表示小尺度衰落，表示与距离d_m,k有关的大尺度衰落；

则用如下公式2表示第n个单天线使用的增益控制系数：

公式2中，表示H的第m行，σ²为噪声功率；

则经过自动增益控制器后输出的信号表示为如下公式3：

公式3中，Φ＝diag{η₁,…,η_M}；

b.对步骤a中得到输出信号进行量化：将数据的实部和虚部分别独立进行量化，量化后的数据表示为如下公式4：

公式4中，Q(·)表示量化算子，

根据第n个单天线使用的ADC的量化比特数为b_m，在均匀量化的约束下，量化间隔为则第n个单天线所使用ADC的输出数据信号表示为如下公式5：

单天线将数据信号发送到处理单元；

c.处理单元接收到回传数据后，对原始数据进行恢复：采用联合的信道估计和检测算法，具体为：

假设传输的帧长为L，其中导频序列长度为L_tra，数据长度为L-L_tra；传输的导频序列为传输的数据序列为集中处理单元接收到的低量化回传数据为R∈C^K×L，H∈C^M×K中元素的统计方差为数据恢复的目标是估计出期望数据和信道信息则需要以下步骤：

c1.初始化：

，并令：迭代标识t＝1；

c2.计算辅助变量：

V^s＝1·/(V^p+σ²+△²/12)

c3.计算的估计值：其中E[·],Var[·]分别表示求期望和方差操作，

c4.计算的估计值：其中E[·],Var[·]分别表示求期望和方差操作，

c5.判定：如果t<T_max，则更新：

并回到步骤c2；否则算法结束，输出结果

本发明的有益效果为，可以有效降低回传数据量，缓解由于回传链路容量有效带来的数据拥塞，并且便于链路的实施。而在集中处理单元，本发明提供了一种如何利用低量化回传的数据进行信道估计和数据检测的方法，所公开的算法可以有效补偿由于低比特量化带来的损失，利用联合的信道估计和数据检测算法，在信噪比较高的情况下，基本可以实现和准确信道信息条件下相同的性能，具有广泛的应用价值和推广价值。

附图说明

图1为本发明的应用场景拓扑图；

图2为误码率随信噪比的变化关系；

图3为信道估计MSE随信噪比变化关系；

图4为误码率随信噪比变化关系。

具体实施方式

下面结合附图和实施例，详细描述本发明的技术方案：

本发明的目的在于提供一种在超密集网络中用于降低回传数据量的方法，并在中央处理单元利用接收到的回传数据对原始信息进行有效的提取。其基本特征是在无线接入点使用低比特量化的模数转换器，在中央处理单元使用Generalized Approximate Message Passing(GAMP)算法和Bilinear Generalized Approximate Message Passing(B-GAMP)算法对信道信息进行估计以及对传输数据进行恢复。具体实施主要包括以下步骤：

a.天线端接收到信号后，通过自动增益控制器(AGC)对接收到的信号进行缩放。

假设所考虑的超密集网络或基于云的无线接入网络中随机分布M个单天线RRH和K个单天线用户终端，如果用H∈C^M×K表示所用用户终端到所有的单天线之间的传输信道信息，为所有y单天线RRH的接收信号，则y可以表示为如下公式1：

y＝HP^1/2x+n, (1)

公式(1)中，表示所有K个单天线移动终端的发送数据，H∈C^M×K表示上行传输的信道信息矩阵，其中H的第m行第k列的元素H_m,k表示第m个用户终端到第k个单天线的无线信道增益：其中γ_m,k表示小尺度衰落，表示与距离d_m,k有关的大尺度衰落，为对角矩阵(对功率进行控制)，n～CN(0,σ²I)为加性噪声。

于是，第n个RRH所使用的增益控制系数可表示为：

公式(2)中，表示H的第m行，σ²为噪声功率。

则经过自动增益控制器后输出的信号表示为如下公式3：

公式(3)中，Φ＝diag(η₁,…,η_M)。

b.对步骤a中得到的输出信号进行量化。

考虑到数据的实部和虚部需要分别独立进行量化，因此，量化后的数据可以表示为如下公式4:

公式(4)中，Q(·)表示量化算子。

如果第n个单天线所使用的ADC的量化比特数为b_m，则在均匀量化的约束下，量化间隔为那么第n个单天线所使用ADC的输出数据信号表示为如下公式(5)：

c.单天线将数据信号发送到集中处理单元，处理单元接收到回传数据后，对原始数据进行恢复。

本发明提出一种复杂度较低但性能有保证的迭代检测算法，此算法的基本原理是通过检测器和译码器之间的外信息交互，来实现基于低量化回传数据的信息恢复。其中译码器需要能够输出外信息，检测器也需要具备外信息的输出功能，基于此，本发明所提及的译码器使用经典的卷积译码器(相应地，发送端需使用卷积编码器)，检测器使用具有外信息输出的GAMP检测。

在实际系统中，信道信息需要事先估计出来，因此接下来，本发明使用一种联合的信道估计和检测算法，此算法在低比特量化回传的约束下也可以实现较好的性能，特别是在信噪比较高的条件下，基本可以实现和理想信道相同的性能。假定传输的帧长为L，其中导频序列长度为L_tra，数据长度为L-L_tra；传输的导频序列为传输的数据序列为集中处理单元接收到的低量化回传数据为R∈C^K×L，H∈C^M×K中元素的统计方差为目标是估计出具体实施如下：

在以上算法中，需要用到下面的几个公式：

初始化：并令：并跳转至步骤2执行；否则算法结束，输出结果

计算辅助变量：

V^s＝1·/(V^p+σ²+△²/12),

计算的估计值：

V^x(new)(:,1:L_tra)＝0,

计算的估计值：

判定：如果t<T_max，则更新：

V^h(old)＝V^h(new),并跳转至步骤2执行；否则算法结束，输出结果

此算法的仿真结果如图3和图4所示。

在本发明中，ADC所使用的量化比特数比较低，一般为3bit和4bit，这样回传链路需要传输的数据比特数就会相应降低。